做运营,你必须要掌握的数据分析入门知识
做运营，你必须要掌握的数据分析入门知识

 
  数据分析是什么，小伙伴们自行去问度娘哈。我特别不喜欢只会，看文章也一样不喜欢华而不实的。所以督促自己写文章时，把懂的、经历过的能细就写的尽量详细;不懂的就去学，然后把整理的笔记分享出来，数据分析方面我涉入不多，内容由于缺少实战经验，会比较基础和理论，希望同样对你有帮助。
  1. 明确数据分析的目的
  做数据分析，必须要有一个明确的目的，知道自己为什么要做数据分析，想要达到什么效果。比如：为了评估产品改版后的效果比之前有所提升;或通过数据分析，到产品迭代的方向等。
  明确了数据分析的目的，接下来需要确定应该收集的数据都有哪些。
  2. 收集数据的方法
  说到收集数据，首先要做好数据埋点。
  所谓“埋点”，个人理解就是在正常的功能逻辑中添加统计代码，将自己需要的数据统计出来。
  目前主流的数据埋点方式有两种：
  第一种：自己开发。开发时加入统计代码，并搭建自己的数据查询系统。
  第二种：利用第三方统计工具。
  常见的第三方统计工具有：
  网站分析工具：Alexa、中国网站排名、网络媒体排名(iwebchoice)、Google Analytics、百度统计
  移动应用分析工具：Flurry、Google Analytics、友盟、TalkingData、Crashlytics
  不同产品，不同目的，需要的支持数据不同，确定好数据指标后，选择适合自己公司的方式来收集相应数据。
  3. 产品的基本数据指标
  新增：新用户增加的数量和速度。如：日新增、月新增等。
  活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多，越有可能为产品带来价值。
  留存率：用户会在多长时间内使用产品。如：次日留存率、周留存率等。
  传播：平均每位老用户会带来几位新用户。
  流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。
  4. 常见的数据分析法和模型
  这里主要科普下漏斗分析法和AARRR分析模型。
  漏斗分析法
  用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势，从而寻到最佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。
  比如，这个例子是分析从用户进入网站到最终购买商品的变化趋势。
 
  从用户进入网站到浏览商品页面，转化率是40%;浏览商品到加入购物车转化率是20%等，那要出哪个环节的转化率最低，我们需要有对比数据。
  比如第一个，进入网站到浏览商品，如果同行业水平的转化率是45%，而我们只有40%，那说明这个过程，没有达到行业平均水平，我们就需要分析具体原因在哪里，再有针对性的去优化和改善。
  当然，上面这是我们设计的一种理想化的漏斗模型，数据有可能是经过汇总后得出的。而真实的用户行为往往可能并不是按照这个简单流程来的。此时需要分析用户为什么要经过那
么复杂的路径来达到最终目的，思考这中间有没有可以优化的空间。
  AARRR模型
  这个是所有的产品经理都必须要掌握的一个数据分析模型。
  AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一个风险投资人戴维 · 麦克鲁尔在20XX年时创建的，分别是指获取、激活、留存、收入和推荐。
 
  举个例子，用AARRR模型来衡量一个渠道的好坏。
 
  如果单从数据表面来看，A渠道会更划算，但实际这种结论是有问题的，用AARRR模型具体分析如下：
 
  渠道A的单个留存用户成本是60元，单个付费用户成本是300元;而渠道B的单个留存用户成本是20元，单个付费用户成本是33元，这样对比下来，明显B渠道的优势远远大于A渠道。
  交叉分析法
  交叉分析法：通常是把纵向对比和横向对比综合起来，对数据进行多角度的结合分析。
举
个例子：
  a. 交叉分析角度：客户端+时间
 
  从这个数据中，可以看出iOS端每个月的用户数在增加，而Android端在降低，总体数据没有增长的主要原因在于Android端数据下降所导致的。
  那接下来要分析下为什么Android端二季度新增用户数据在下降呢?一般这个时候，会加入渠道维度。
  b. 交叉分析角度：客户端+时间+渠道
 
  从这个数据中可以看出，Android端A预装渠道占比比较高，而且呈现下降趋势，其他渠道的变化并不明显。
  因此可以得出结论：Android端在二季度新增用户降低主要是由于A预装渠道降低所导致的。
  所以说，交叉分析的主要作用，是从多个角度细分数据，从中发现数据变化的具体原因。
  5. 如何验证产品新功能的效果
  验证产品新功能的效果需要同时从这几方面入手：
  a. 新功能是否受欢迎?
  衡量指标：活跃比例。即：使用新功能的活跃用户数/同期活跃用户数。
 
  使用人数的多少还会受该功能外的很多因素影响，千万不可只凭这一指标判断功能好坏，一定要结合下面的其他方面综合评估。
  b. 用户是否会重复使用?
如何做数据分析  衡量指标：重复使用比例。即：第N天回访的继续使用新功能的用户数/第一天使用新功能的用户数。
 
  c. 对流程转化率的优化效果如何?
  衡量指标：转化率和完成率。转化率即：走到下一步的用户数/上一步的用户数。完成率即：完成该功能的用户数/走第一步的用户数。
  这个过程中，转化率和完成率可以使用(上)篇中提到的漏斗分析法进行分析。
  d. 对留存的影响?
  衡量指标：留存率。用户在初始时间后第N天的回访比例，即：N日留存率。常用指标有：次日留存率、7日留存率、21日留存率、30日留存率等。
 
  e. 用户怎样使用新功能?
  真实用户行为轨迹往往比我们设想的使用路径要复杂的多，如果使用的数据监测平台可以看到相关数据，能引起我们的反思，为什么他们会这么走，有没有更简便的流程，以帮助我们作出优化决策。
  6. 如何发现产品改进的关键点
  产品改进的关键点，是藏在用户的行为中。
  想要到这些关键点，除了通过用户调研、访谈等切实的洞察用户外，在产品中设置相关数据埋点记录用户的行为，观察其行为轨迹，不能完全替代洞察用户的行为，不过也可以有助于决策产品改进点。
 

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。