数据分析指标与数据驱动

Posted 2022-10-30 吹泡泡的星星koky

数据分析

数据误区：

• 1）忽略沉默用户
• 2）用户迫切需要的功能不等于产品核心需求，需求应覆盖核心大量用户
• 3）过度依赖数据
• 4）警惕数据表达的技巧（控制坐标范围等处理过的数据）
• 5）不要妄谈大数据

大数据的三个要素：用全部数据（包括异常数据及传统忽略数据），注重相关关系，全新的计算方法

---

web重要指标：

• 排名工具：alexa,中国网站排名，网络媒体排名
• 监测工具：google analytics,百度统计，CNZZ网站分析
• 重要指标：访问量；访客数；浏览量；跳出率；页面停留时长；网站停留时长；跳出率；退出率；转化率；

---

移动应用的指标：

• 分析工具：flurry;goole analytics;友盟；talkingData;
• 一般规律：1）次日留存率低：用户对应用不感兴趣；2）7日留存率低：用户觉得应用不好玩 3）30日留存率低：版本规划不够好，没有更新更有趣的内容。
• 关注改版后核心功能的数据影响。
• 关注新功能的使用率，bug崩溃情况。
• 对版本迭代效果：更多的用新用户来衡量，因为老用户衡量难以避免优质用户带来的偏差。

---

电商类产品指标：

• 销售额；购买客户数（新/老客户）；客单价（销售额/客户数；人均购买件数*件单价）；购买转化率；UV；详情页UV；订单数；妥投及时率（快件派送成功的比率）；爆款缺货率；
• 销售额= UV X 转化率 X 客单价

UV 降低：分析流量来源，新老访客分析。

• 流量分析：分析来源（按终端细分流量，再细分渠道，免费流量，付费流量）
• 客单价分析：分别看【件单价】和【人均购买件数】，件单价看热销商品价格变动；人均购买件数看运营推荐效果（看推荐带来的销售额）。
• 转化率分析：漏斗分析。

注意：转化率需要对比竞品，同行均值，上月。

• 关注详情页的到达率。

---

UGC用户生成类的指标：

UGC：文章，点赞，订阅，评论，其他行为等均为产出内容的UGC类型。

• 参与度指标：访客数；停留时长；产出内容（转发微博发表微博，朋友圈发表状态；发表博客）
• 轻博客的参与度指标：访客数；登录访客数及占比；沉默用户数及占比；平均停留时长；点赞/推荐/分享/评论/创作访客数及占比；

获取指标方式：
程序员记录日志；分析师/产品经理给出计算逻辑；程序员计算指标；分析工具（自定义事件分析功能使用率；利用转化漏斗分析流程与参与深度）；

---

基本数据分析方法（网易产品经理）

• 对比分析：新老版本最先升级的是【最活跃的用户】。此时容易出现的错误是：初期容易用新版本的最活跃用户数据与老版本的整体用户对比。如何处理：选择两个版本发布初期的新用户来做对比。
• 交叉分析

---

数据分析框架

• PEST分析框架：通过分析政治（法律政策）/经济/社会/技术四类来分析宏观环境。 PEST分析模型
• 5W2H：who;what;why;when;where（在哪里做，何处入手）;how much（做到什么程度）;how to do;
• SWOT
• SMART目标管理：

Specific：具体； Measurable：可测。Achievable：可实现。Realistic：有现实意义。Timeline：有明确期限。

• 4P理论：：

• AARRR模型：分析公司可行性

获取用户Acquisition，激活用户Activation，留存用户Retention，收入Revenue，推荐Refer.

A获取：曝光数；点击数；打开率；下载量；安装量；用户获取成本

A激活：设备激活量；新注册用户数；订阅数；事件达成数；日活跃率；

R留存：次日留存率；7日留存率；距离上次使用时长；DUA/MAU，7日回访率；

R收入：付费率；付费频次；客单价；用户价值

R推荐:转发数；邀请数；评论数；K因子

---

注意数据的坑：

1.同样的数据，不同纵坐标展示看到的曲线及效果差异大，造成判断失误，如何避免？

计算斜率，斜率越大，增长曲线越快。斜率=(y2-y1)/(x2-x1)

2.注意定量结论对应的调研群体。

注意样本量大小，总体内部差异程度。全面了解数据背景信息。

3.被平均

只有数据正太分布时，平均数才可以代表。因此要看数据的分布，如果不是正太分布，要看较为集中的点。

---

数据应用

• 对于用户需求：通过数据判断是否核心，去伪存真

• 对于公司，领导层的需求：通过数据验证并提供证据。

• 设计前：通过数据分析发现问题。

• 设计中：数据分析用来辅助决策，判断思路。

• 设计后：通过指标数据判断是否达到改版后的目标。

数据驱动产品

• 根据用户诉求及数据反映的问题，确定改版的数据指标：根据导出率（当前页导出率=从当前页点击到下级页面到浏览量/当前页总浏览量）及点击率（点击率=点击数/浏览量），整体满意度（问卷调研）
• 品牌调性：可投票活动获得

培养数据驱动的能力

不断练习数据，要有强烈的好奇心和求知欲。
推荐网站：

• 1.网站分析在中国
• 2.蓝鲸的网站分析笔记

推荐书籍：

• 《精通Web Analytics2.0-用户中心科学与在线统计艺术》
• 《流量的秘密》