导读
从经验驱动到数据驱动，我们需要经历数字化的发展浪潮。过去，工厂里的老师傅一人难求，原因无他，仅是手熟。现在，我们都想要尽量运用数据来驱动，但在数据驱动过程中，也会面对不同的数据。
数据驱动告诉人们在进行决策之前，需要数据来辅助决策；在执行之后，需要数据来验证决策的正确性。
数据与决策形成了良好的闭环，PDCA被广泛应用于产品运营上，然而在我们利用数据驱动精益成长的时候，数据的维度决定了数据对于决策指导的比重，这个维度划分就是访问级和事件级。如果你身边的运营在关注UV和PV以及跳出率，请你肯定他，同时告诉他，关注事件级数据，会打开新世界大门。
01 访问级数据
跟访问有关的数据，比如独立访客数量（UV），页面浏览量（PV），平均访问页面数量，平均访问时长，跳出率等。
通过访问级数据，可以从页面被访问的相关数据上得到一些洞察，比如我的跳出率变高了，是不是因为着陆页上的信息不符合用户的搜索意图了，或者UV，PV增加减少意味着用户的关注减少了，还可以粗浅的知道某一网站表现情况。
问题来了，访问级指标真的可以驱动决策么？也许会有一些指导，但是完全不足的。
举例：
1、我想知道，为什么那么多访客，那么少订单？
2、我想知道，不同浏览器会不会有兼容问题？
3、我想知道点击关注按钮的用户有多少？
4、我想知道我的用户都是从哪里来的，表现如何？
如果知道了这些问题的原因，那么我们就会知道如何优化我们的产品，从而获得更好的数据增长。
但是，访问级数据完全做不到。这个时候，我们的数据分析能力需要升级了，换个维度看数据。
02 事件级数据
以事件触发为基础的数据维度，计算不同的事件发生的事件，触发的人，以及了解事件的属性和属性值。
举个例子：
事件：点击加入购物车按钮
事件属性：加入购物车的商品
事件属性值：商品名称
这样数据上传到易观方舟，就可以知道有多少人，多少次点击了加入购物车按钮，并且可以通过细分维度知道都分布在哪些商品上。
这样的数据直接告诉了我们，哪些商品被加入购物车次数多，还可以通过事件分析来进行漏斗构建，广告来源效果跟踪等，这样就可以针对性进行优化调整，事件的分析是更小颗粒度的维度的行为分析，这是访问级数据完全不具备的。
有了事件级数据后再去看访问级数据，我们会发现一个现象，就是如果单独只有访问级数据，那么只能为决策提供很小的帮助，完全实现不了数据驱动。
访问级数据结合事件级数据，数据更加全面。
并不是说有了事件级就不要访问级，很多数据还是需要访问级的，比如页面浏览是可以作为一个事件存在的，比如某页面的浏览这个事件的触发次数和触发人数，这样浏览级就可以作为漏斗的其中一个组成存在，帮助我们更好的进行分析。
事件的应用就像乐高玩具一样，可以根据自己的需求创造无数种可能，做数据分析通常都是先有需求，其次有构建想法，然后通过事件来复现自己的构建想法，最后看到数据表现。
---------
想要洞察用户画像，实现数据分析、用户分群以及闭环运营，你需要一款用户行为分析和精细化运营产品。易观推出的易观方舟Argo，可私有化部署，开放且免费，帮助产品刚刚起步、数据量较小但自己有动手能力的技术和产品创新团队或个人，通过数据智能驱动企业成长。
扫描下方二维码，
立即启动你的专属Argo吧！
