易观分析 除以上列出的
用户运营数据分析是围绕用户本身自带数据及其所产生数据进行的汇总、收集及分析。就这方面而言，我认为用户运营数据分析包括三方面：用户画像数据、用户行为数据、用户流失数据。
用户画像数据
用户画像是真实用户在互联网的虚拟表现，也即用户在互联网上留下的种种“痕迹”，这些“痕迹”通过主动或被动的被整理与收集，就会形成一系列的数据或标签，这就是用户画像。
构成用户画像的元素通常有姓名、年龄、性别、地域、照片、个人基本信息等，深一层次的有用户的工作、收入、朋友圈、兴趣爱好、通讯录情况等。
对用户进行画像最主要的作用即是便于精准营销。通过用户画像，能就用户按照不同的维度进行归类或分层。比如，按地域分为华北地区、华东地区、东北地区、华南地区等，按年龄分为青年用户、中年用户、老年用户等，按认知层次分为小白用户、大众用户、专家用户等。如此，就可以对不同的用户群体进行不同的营销推广，进而能够以低成本、高性价比获得可观的产出。
那么如何进行用户画像呢？首先是数据的收集。这方面要求你所收集到的数据应该是所有用户相关的数据，包括静态数据（用户的基本信息）与动态数据（用户的行为）。其次是数据的标签化。通过分类归纳整理，打出相应的标签及对应的权重。如购买用户0.3、注册用户0.6等。最后是数据的分析与建模。简单的数据模型包括：时间、地点、人物、事件四个要素。通过建立模型，将此四项连接起来，就是最基本的用户画像模型了。比如说，用户昨天在平台上购买了一件588元的产品，你可以得到用户标签（588元产品）、时间（昨天）、行为（浏览、购买）、地点（产品页），通过标签权重=时间权重*行为权重*地点权重简单的模型将用户的数据联系起来，得出用户的初步画像。
用户行为数据
用户行为即为用户事件，包括时间、地点、人物、交互、交互的内容等五方面。比如说X用户于Y时间点在平台的Z页面上购买了产品A，就是一个完整的用户行为。用户行为包括很多方面，简单的说就是用户在平台上的所有动作。以我从事的互联网金融平台为例，包括下载、注册、实名、绑卡、充值、购买、提现等。
通过进行用户行为分析，能够更全面的了解用户画像及用户背后真实的商业真相。比如说用户行为分析能够帮助我们了解到“用户为什么会选择我们？为什么会流失？在哪里流失的？是怎么流失的？”等，从而能够对我们的拉新、转化、促活、留存、变现给出最客观、最准确的数据支持与指导。
用户行为分析的方法与工具有很多，比如技术代码监测（埋点）、简单的excel与spss分析、百度统计、友盟等等，只要是能够深挖出用户行为“背后的事件”就可以了。
用户流失数据
用户流失指的是用户在访问过程或相关节点时发生的停止访问现象，这个过程可能很快也可能很慢。比如说用户下载完没有进行注册，也没有任何下文了，就是很快；用户已经使用产品一段时间并已有购买行为了，但过一段时间后，再也不访问了，就是很慢。用户流失数据与上面的用户行为数据相辅相成，共同构成了用户的动态数据。
通过对用户流失数据的分析能够有效的了解到在运营推广过程中的问题与不足，进而优化策略，减少流失率，最终减少成本、提升转化。
用户流失数据的分析方法主要有以下几方面。一是建立周期性数据维度标准。如次日留存率、三日留存率、七日留存率、十五日留存率等。二是建立用户数据分析漏斗模型，把握关键路径/节点。如下载-注册-实名-绑卡-充值-购买-复投等。三是建立用户联系。如调查问卷、用户回访等。四是技术支持与工具应用。如技术代码监测或是使用市面上的数据分析工具等。
总而言之，用户运营数据分析概念还是比较大的，可能还会涉及到行业的数据分析、竞品的调研等。但只要把握住“发现/提出问题-查询数据-对比核验-分析原因-优化改进-跟踪效果”这一用户运营数据分析基本流程，就没什么问题了。
用户运营数据分析是指针对用户人群收集的大数据分析，从而对用户运营做策略调整。
以往运营人员做完一次活动，都要对活动复盘，这中间就可以对访客进行分析。有多少人参与活动？参与用户访问时长、男女比例、地域分布、参加活动人数比例等等。另外也会对用户在活动中参与情况，以电商来说，会继续看用户下单购买比例、付款结算比例等等！
怎么做用户运营数据分析呢？
大数据时代，首先学会收集数据信息。比如日常对活动页进行埋点跟踪。无论是自主研发发跟踪工具，还是谷歌统计等专业数据统计工具。都需要针对活动页面埋点。设定针对用户数据的跟踪收集！
另外，线下活动的用户数据收集，则需要销售人员从客流计数器监测来往人流量。进店总人数，实际买单人数等等。
既然有了工具，无论是线上线下活动。都可以根据设定的监测纬度进行直观分析。我们再来梳理下，首先是设定纬度统计数据，其次是根据统计数据。借用Excel、Python等专业工具。
有很多公司自主研发统计工具，但最终都是先收集访客信息，然后借助AI也好，比较直观的按照预先设定纬度自行分析或人工处理。
以上一点拙见！