通过表层数据挖掘产品问题是每个运营人的必修课，在互联网行业里，不管你是PM还是专职运营人，大家对数据的认知越来越深入。
从统计学的角度来看，数据是建模（虚拟模型）的基础。我们可以简单地把用户心理模型理解为一种运动变化，即各种各样的产品行为变量x1、x2……xn组合后形成的固定的（稳定的）结果F(x)——用户心理模型。那么反过来，我们研发和运营产品时，若想要用户的某种行为结果，就可以对应这一特征做出相应（因变量）的设计。
数学家说，人类可以用皮尺测量自己的身高；物理学家告诉我们，人类可以用万有引力测量出地球的质量。但是运营工作大多是经验性的，再加上不同产品有不同的特性和场景，很多运营理论是很难复制到具体工作中的。那么，我们能不能像科学家那样，抛弃经验把我们的用户心理规范化、科学化呢？
经验不是科学，所以需要一个系统性的东西来研究这些问题，让我们找到的答案能超越个人经验。通过一种可以反复证伪的工具——模型（Construct）来实现。
但一个模型就是一个抽象的概念，它不能直接测量，只能被建立。模型不是创造出来的，就像温度，人类没有创造温度，但它真实存在。所以用户心理也是一个真实存在的事物，它只是难以度量。而建立模型，将难以度量的概念转化为可测的数据，才能指导我们做出高效的运营决策。
那么问题来了：我们怎么得到我们想要的模型呢？可参考下图：
我们以测量用户对新产品满意度为例
第一步：问题提出
如何建立模型，来测量用户的满意程度？
第二步：数据准备
这是转化模型的关键一步（和温度计不同，我们没有满意计，我们必须把这个抽象概念转化成具体的事物，以方便研究。）第一次建模时，建议大家尽可能地多收集数据，因为拿到的数据越多越全，对下一步数据分析越有用。
第三步：分析数据
我们可以把数据分析的过程理解是对概念的转化，即一个量度。比如：我们测贫困时，收入就是一个转化概念；还有第一步提到的满意度也是对用户心理的一个转化概念。因此触发次数/时常、回访比率、活跃比率等等都可以成为我们产品运营模型的转化概念。
小编推荐阅读
