提出任何一个产品的idea或者解决某个需求，都离不开用户，用户是需求之源，而了解用户的需求，提高使用体验的第一步，必定离不开对用户的研究。而与用户接触的过程就是需求采集的过程。
首先最常见的就是直接面向用户的。例如，用户访谈，用户调研，用户的主动触达。CPO（call per order）是衡量一个电子商务网站流程是否合理，是否将服务贯彻全面的一个指标，CPO的降低将直接代表了运营策略的正确，可以逐渐推广学习。当然这些指标还有多种叫法，比如feedback，客服进线之类的。
这样直接面向用户的，对于客户的需求采集虽然可以帮助我们直接定位到用户目前的需求，以及他们使用我们产品发现的badcase，可以帮助我们快速的止损，但是这种采集方式，在整合用户的反馈，过滤清洗掉用户的无效需求的时候，必然将耗费大量人力资源，而对于互联网行业来说，这显然是不太划算的。
相对于典型的传统行业来说，互联网产品的研发生命周期更短，研发管理更精简。例如一款新型汽车的研发过程中，评审点是以百来计数的，而互联网行业的一个典型的产品研发，一般只有几十个不到的评审点。而且盈利模式也更为多元化。互联网、软件产品大多是为使用产品的终端用户所做，通常是面对的是海量的用户，所以就产生了下一种用户需求的数据获取方式“直接面向大数据”。
例如app中常用的“埋点统计”，埋点是网站分析的一种常用的数据采集方法，数据埋点是一种良好的私有化部署数据采集方式，埋点统计的数据采集，可以简化理解为对于某个操作的标记累加。用微博来理解，可以在用户对内容点赞的时候进行一个标记，再在用户对微博转发的时候进行一个标记，通过对两种数据指标的对比，根据两个数据的匹配度来判断出哪一中类型的优质内容的传播更广一点，用户群体更活跃。但“手动埋点”工程量极大，极容易出错误，对于工程师来说是个很难过的事情。
在运营策划中常用的方法的还有ABtest和灰度，根据数据来判断新策略是否值得深化推广。对同一个群体制定两种策略，通过两种策略的不同表现数据来对比判断哪个策略更优。例如B站为了让我们更好的投入视频内容中，可以根据使用app的平均使用时长来判断哪种策略更好。A组采用新策略，B组采用旧策略，对于两种策略的平均使用时长数据的采集，可以很明显的看出哪一种策略更为优化，而对于互联网软件行业这种DAU（日活跃用户数量）很大的产品。10%产出的数据就非常有代表性了，这10%就相当于与已经灰度上线了，找到了用户的核心需求，完成了新策略的灰度上线，再经过ABtest的数据，最后得到更好的一种策略，将10%进行逐步的放量，逐渐达到使用的覆盖率100%，最终实现整个策略的温水煮青蛙式上线，非常的稳定，这个过程可以称为灰度放量（阶段性放量）。
