提供一种分析方法，有用与否自行判断吧。
根据用户使用行为理论，可以梳理网站分析的关键指标之间逻辑关系，来构建符合公司实际业务的网站分析指标体系。这里的用户为获取、使用物品或服务所采取的行动，认知>熟悉>试用>决定是否继续消费使用，最后成为忠诚用户。
认知——网站访问 （具体监测指标：IP,PV,人均页面访问量，访问来源）
熟悉——网站浏览（平均停留时长，跳出率，页面偏好），站内搜索（搜索访问次数占比）
试用——用户注册（注册用户数，注册转化率）
使用——用户登录（登录用户数，人均登录，访问登录占比），用户订购（订购量，订购频次，内容，转化率）
忠诚——用户粘性（回访者比率，访问深度），用户流失（用户流失数，流失率）

自己现在也算是在做运营的事情，公司有所谓大数据公司的外包在这边每天给我们做数据分析出具报告，然后他们的营销会经常给我说大数据多牛逼多牛逼。但是我自己一直是一个观点，数据很重要，但是数据是死的，业务是活的，如果业务是靠看报表做出来的，那那些创业公司也别创业了，因为原本也都没报表可以看。

其实，我觉得数据分析很重要，他是一面镜子，越精确的数据细度能反应越多当前情况下的业务发展情况，如果不做数据采集和分析，就没有反馈，无从比较，甚至无法对营销前台人员进行考核指定计划。这一点上面也很多已经说了。

然而我其实觉得这个时代，数据分析这个道理是被吹得太神了，就我看到的，目前只要带上互联网的企业，对数据这个东西现在少见轻视，而多见则是过于神话。

理论上来说数据处理和分析在实际运营中最大的三个作用，

一个是能够比较多种渠道的投放实施效果，就是我做了这个业务，我投了这个广告能够给我带来多少收益。这个现在通过ABtest或者通过对二维码加个参数控制考核渠道效果，这个可以知道当前状态下，哪种营销效果好。具体点说，这个作用是验证和反馈。

第二就是数据处理可以做出预警，例如某天可能数据处理发现数据有巨大变化或者异常，那基本就是那里出问题了，例如今天哪个流量来源比平日特别少，那这时候去查一查，发现，哦，被人家给限制了。然后你及时去通知相关人员沟通，这可能就可以让公司的损失减少。

第三个就是预测了，通过之前的数据，可能就可以做出一些模型之类的，然后就是所谓的数据驱动，例如我试试这么改那么改，然后abtest一下，发现，哇，这么改好像kpi完成更好，然后变成周期。

但是我自己工作上经验来说， 上面的事情，数据能做的东西其实很有限，尤其是预测，即所谓数据驱动，实际情况常常是：

数据反馈了一些问题，但是这些问题产生的原因我们也知道，但是这些问题运营都解决不了，例如：成本定价过高，导致很多人在看到最后价格的时候可能就选择关闭。

这时候你的KPI如果是页面留存时间和转化率之类的指标，你可能可以把价格不放外面，甚至拉长这个流程引入领券之类的方式，这样已经被产品和券介绍吸引的客户就不得不点好几次才能看到价格，这么做可能能够提高KPI，但是本质上是对整个客户体验有伤害的。

我觉得，如果你的问题是价格，那么问题就出在产品上，你用数据去驱动，其实是是在赶跑用户。这就类似你通过镜子看到自己有黑眼圈和黄褐斑，不去考虑努力去早睡，去改善饮食，而是通过数据发现涂BB霜更有效，然后你就活在自己的镜子里。

还有一个常见的情况就是， 数据想去预测和指导业务的发展，这点我也是非常反对的。你说一个人也不跑市场也不跑客户，就躲在办公室里吹吹空调看看报表，跑跑数据，就说我比你们营销的更懂市场，比售后比实施人员更懂客户？这就类似散户抱着《短线是银》《日本蜡烛图分析》之类的书，画画图然后就来买股票，还说自己懂股票市场懂上市公司，这种人可能能赚，但是总的来说，韭菜的可能性比较大。

我记得前几年看过一个说淘宝数据分析的书，里面一个例子我印象很深，说淘宝想做一个付费美化店铺的产品，想第一批推送给一些最有可能付费的人。于是就让数据的人去找谁最有可能付费，数据的人找了很久，用大数据模型最后关联了好几个指标。在上线前数据的人去找一个资深做产品的人问说他觉得可能哪种客户最可能买这个美化工具，产品的人想了一会说，可能是点击‘我的店铺’次数比较多的人，概率比较大。因为这些人经常点我的店铺看自己的店铺展示的效果，说明，这个群体就更在意自己店铺的形象。做数据的听完赶紧回去把这个指标加上，一跑，发现这个指标关联性大大超过了其他所有指标。

你说这个是靠直觉做的决策么，拍脑袋么？我觉得不是，恰恰这样做出决策才是合理的，数据来作为辅助的验证，效果就很好。

总而言之，数据对运营很重要，但是对于整个公司业务作用并没有那么神话的帮助，希望在知乎那些挺有价值的提问上也能多看到一些真诚，少一些套路。