问题1：运营数据分析应该看哪些指标？

运营指标按层次分为3类：结果指标（最终关心的业务结果，如GMV、注册用户数、付费转化率，这些指标是"结果"而非"原因"，看它们只能知道"好或不好"但不知道"为什么"）；
过程指标（影响结果的关键环节，如流量数、点击率、注册率、留存率，这些指标能定位问题出在哪个环节）；
行为指标（用户的具体行为数据，如页面访问路径、功能使用频率、内容互动行为，这些指标能解释"为什么"）。建议日常看板监控结果指标，周报分析过程指标，深度分析时挖掘行为指标。

问题2：数据指标那么多，怎么确定优先级？

用"北极星指标"思维：确定一个最能反映业务健康度的核心指标作为北极星，所有分析围绕它展开。比如内容平台的北极星是"日活跃用户数"，电商是"GMV"，SaaS是"月度经常性收入（MRR）"。确定北极星后，拆解影响它的2到3个关键过程指标作为"二级指标"，再拆解每个二级指标的行为指标作为"三级指标"。形成"北极星→二级→三级"的指标树，确保每次分析都指向北极星，不会跑偏。

问题3：数据好但业务感觉不好，或者数据差但感觉还行，怎么办？

这种情况说明数据指标选择或采集有问题。常见原因：指标被"操纵"了（比如追求注册量导致大量低质量注册，数字好看但无价值）；
指标有滞后性（当月GMV好看但退货率数据下月才出来）；
忽略了"质量维度"（只看数量不看质量，如新增用户多但留存差）。解决方法：给每个核心指标搭配一个"质量指标"做制衡，如注册量搭配7日留存率、GMV搭配退货率和复购率。两个指标组合看，才能反映真实业务状态。

问题4：怎么把数据分析转化为行动？

数据分析的价值不在于"发现了什么"，而在于"因此做了什么"。建议用"数据-洞察-行动"三段式输出：数据（发现了什么数字变化）→洞察（这个变化说明了什么业务问题或机会）→行动（接下来做什么、谁来做、什么时候完成）。例：数据：上周新用户注册到首次使用的转化率从60%下降到45%。洞察：新用户注册后"不知道下一步做什么"的比例增加，可能与上周改版的注册流程有关。行动：检查注册后的引导页面是否异常，本周内修复并恢复转化率到55%以上。

问题5：数据可视化怎么做才能让领导一看就懂？

数据可视化的核心原则是"一图说一件事"。常见错误：一张图放了10条线，谁也看不懂重点。正确做法：每张图只展示一个核心信息（趋势变化、对比差异、结构占比）；
用颜色区分而非图例区分（红色表示差、绿色表示好，比图例更直观）；
在数据旁边标注结论而非数据本身（如"注册率下降15%"标注"受注册流程改版影响"而非只写数字）。给领导看的报告：1页核心结论 + 3张关键图表 + 3条行动建议，控制在5分钟内能看完。

问题6：运营团队怎么做数据驱动转型？

数据驱动不是"看数据"而是"用数据做决策"。转型方法：第一周，确定团队北极星指标和二级指标，搭建数据看板。第二到四周，要求每人每周提交一份"数据-洞察-行动"分析报告。第二个月，将数据洞察纳入决策流程，重要决策必须有数据支撑。第三个月，建立AB测试机制，用实验验证假设。坚持3个月后，团队会从"凭经验做事"转变为"用数据说话"，决策质量和效率都会明显提升。