作者：陈老师 在咨询行业打拼了10+年，在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战，天善智能特邀专家。
个人公众号：接地气学堂
运营的所有工作都和用户需求有关。第一步制定目标，第二步就是用户洞察。
比如做用户运营，要关注我们到底满足了用户哪些需求，可以怎样调动用户活跃。做内容运营，要关注用户喜欢什么样的文案风格、传播渠道。做商品运营虽然看的是进销存，但背后隐藏的是用户消费习惯与品牌偏好。洞察用户是制定执行方案的必修课，但在具体怎么做洞察上，又曾经有两种方法的区别。
第一种是气宗派运营的搞法：大数据洞察。气宗运营喜欢讲核心逻辑、顶层思维，因此特别爱拿“大数据”说事——显得牛逼吗。经常拉着做数据分析的小伙伴开会，喜欢提“我们想丰富用户画像，从深层次洞察用户的特点和需求”。还特别喜欢看“权威”机构出的用户洞察报告，如果报告是英文版的，就特别特别喜欢了。
这种搞法弄死了无数数据分析师……
但凡搞过用户画像的同学都知道，用户画像的核心难度在数据来源，不在分析。大部分企业在设计业务流程的时候，压根没考虑怎么尽可能采集用户数据，记录的数据太少，除了交易数据外几乎无数可用，做什么画像……而且很多企业的APP/网站本身流量很少，并非微信/淘宝/中国移动这种超级平台，用户群体本身就是有偏的，经过筛选的。基于这些用户的数据分析，就是盲人骑瞎马，越跑越歪。
因此，做数据的老人听到这种需求都是背后汗毛一竖。可有新人没死过啊，还以为接到大活了呢，开开心心就上了，最后费老半天劲就得了一句：“这我们都知道了啊，我们要的是洞察！洞察！更深层的东西！”
相比之下，剑宗派运营就实在的多了：下沉到用户群体。泡论坛，加QQ/微信群，走市场，深入一线。听用户之所需，想用户之所想，急用户之所急。短短3个月，脚步踏遍了……新闻联播可以停了。反正就是直接跟真实用户面对面，从对话、观察中获得灵感。
在催生灵感方面，这种方法比大数据分析管用的多。因为很多真实的原因，就是企业的系统记录不了的，就像一个用户流失了，可能真实的原因是：
（需求结束）我用完了，隔段时间再说吧
（竞争因素）我发现了同款的更好用的APP
（认知偏差）我以为这里没有XX功能
（体验不佳）我觉得这个颜色看着不舒服
（单纯忘了）我就是单纯忘了……
所有这些，在数据里只会留下一条用户XX天未登陆，最后一次登陆完成了XX操作。剩下的全靠数据分析师的脑补。可直面用户的时候，用户完全可以绘声绘色的讲述别人家的app怎么好用；或一脸懵逼的跟你说“哦！你们原来是这样啊！”。听完之后，该调整产品还是该加强宣传，就一目了然了。
当然这样做也有缺陷，就是无论观察多少样本，都会被质疑：你这是个案吧，你这是特例吧，代表性不够强吧。作为反击，你当然可以搬出各种统计抽样的方法论进行论述。但人的直觉就是这样：我们的注册ID有1000万，你访问了100个人就有代表性了？访问了1万个就有代表性了？访问了100万就有代表性了？——科学理论在人的直觉面前，就是这么脆弱。所以才会催生出气宗派运营的“大数据”迷信。
有意思的是，在洞察用户这一点上，两派观点统一的速度相当快，特别在大企业。大家经过几轮争斗后发现：
内部数据更适合对用户群体分层
下沉式用户调查更适合激发灵感
外部的报告适合了解竞品情况。
这三者本身可以互补。
先分层，提假设
再抽样，验真伪
收灵感，做测试
结合外部下结论
一气呵成，洞察才深入
如果洞察意见不一致，上ABtest就好了，反正折腾的是数据分析和开发……分析不准，也是个很好的甩锅理由吗！
可惜不是每个公司都养的起数据分析、市场研究部门。于是小公司的运营们只能继续苦练自己的剑宗技能，自己跑sql，自己加微信群热情洋溢的跟用户聊天——有钱行遍天下，无钱寸步难行啊！
最后的思考题，留给做数据分析的同学们：比如找用户流失原因，找到哪一步可以说“结束了！就是他了！不用再细分了！”你平时又是怎么回复你们的运营的呢？哈哈哈哈。
推荐阅读：
《中国AI算力发展评估报告》发布！北京只能排第二，推理需求猛增
天善智能每日一道算法题，共同打卡
小程序
