一、精細化運營的目標1.產品是什麼型別的APP？是否需要過多的運營？比如說你的產品只是個工具，那恐怕談不上過多的精細化運營，一般做好常規的使用者行為分析、再配合使用者定性研究，用於指導產品的設計即可；如果是內容型產品，或者功能和內容兼具的產品，那確實需要考慮。2.設計統計框架統計的目標要弄清楚，拿到資料之後用來做什麼？指導功能改進，還是版面調整？再或者是作為使用者對內容質量評判的指標？假設使用者在你的app上會頻繁進行互動和使用功能，同時還會瀏覽或者產生內容，那麼需要在產品設計的同時，把你的統計框架設計好。二、簡要的操作流程1.資料採集首先列出你需要的資料項，接著評估哪部分是需要APP上報的，哪部分是後臺可以統計的，然後分別在前後臺加上。一般來講，APP上報採集的資料，在釋出前一定要經過謹慎的校驗和測試，因為一旦版本釋出出去而資料採集出了問題，不僅之前的功夫都白做了，還會帶來一大堆髒資料，同時還有可能降低客戶端的執行效率，得不償失。2.資料整理資料採集完之後，需要將各種原始資料加工成為產品經理需要的直觀的可看資料，這裡需要做一些基本的資料邏輯關聯和展示，就不贅述了。3.資料分析按照一開始設計的統計框架，你可以很清楚的看到自己需要的資料了。比如使用者行為：哪些功能使用得被人均使用得最多，哪些按鈕被頻繁點選，哪些在顯著位置卻未達到預期使用效果的功能，等等。比如內容分析：哪篇文章被查閱最多，哪些內容被評論或者贊得最多，等等。當然以上只是基礎得不能再基礎的分析，再深入一點的，例如你拿到這些資料，可以分析使用A功能的使用者同時還喜歡B功能，二者關聯性較強，是否可以在前端設計時更多的考慮整合，或者介面上的調整；比如分析點選流，大部分使用者訪問或使用APP的路徑是怎麼樣的，是不是把核心功能藏得太深了？再比如可以分析不同使用者屬性，比如男性使用者和女性使用者，他們在使用者行為上是否有明顯差異？等等。不同產品的資料分析方式和模型差距非常大，沒法一下子就說清楚。所以以上更多的是舉例。三、一些需要注意的原則1.資料本身是客觀的，但被解讀出來的資料一定是主觀的，同樣的資料由不同的人分析很可能得出完全相反的結論，所以一定不能提前帶著觀點去分析（比如已經有了假設，再用資料去論證）；2.APP採集資料，一定是優先順序比較低的事情，不能因為資料的採集而影響產品的效能和使用者體驗，更不能採集使用者的隱私資料（雖然國內很多APP並沒有這麼做）；3.資料不是萬能的，還是要相信自己的判斷。———————————————-資料提取的目的是為了精細化運營，那麼透過大量的資料分析，給APP使用者進行精細化分類。那麼說說如何透過資料做精細化使用者分類維度：從使用者屬性——性別、地域、收入、家庭狀況從使用者生命週期——註冊、活躍、流失從使用者行為——功能、內容、產品的喜好然後對使用者進行平行和交叉分析，從而可以得出，不同的使用者細分使用者細分後，根據細分使用者的特色，進行精細化設計————————————————我更相信的方法是：定性研究提出假設 -> 定量研究驗證假設 -> 產品原型測試細節 ->使用者行為資料指出最佳化方向 -> 定性研究（以下迴圈）。不過同意文中這句話：資料不是萬能的，還是要相信自己的判斷。