用户体验设计理念与技术网站 - 探索 · 分享 · 收获     注册账号 忘记密码 QQ一键登录

用户体验设计学院|UED学院

当前位置: 首页 > 设计内外 > 思想探索 >

8分钟让你快速读懂数据分析(附书籍推荐)

时间:2016-09-22 18:24来源:鸟哥笔记 作者:冯海平 阅读:
随着数据分析这两年的火热,作为产品/运营不懂点数据分析,特别是在供需市场趋于平衡甚至过于饱和的情况下,如何让自己的产品脱颖而出,获得更大的用户增长?如何做好一次运营活动?...... 最近在学习一些数据分析方法,结合自己的一些心得,梳理出以下数据

随着数据分析这两年的火热,作为产品/运营不懂点数据分析,特别是在供需市场趋于平衡甚至过于饱和的情况下,如何让自己的产品脱颖而出,获得更大的用户增长?如何做好一次运营活动?......

最近在学习一些数据分析方法,结合自己的一些心得,梳理出以下数据分析文章,读完本文大概需要8-10分钟。

一、什么是数据分析

数据分析是指用适当的统计方法对收集来的数据进行分析,以求最大化的发挥数据的价值。数据如同金钱一样,本身并没有太多的价值,而正是由于使用分析方法的存在,利用分析方法来得出一定的结论与发现问题,从而挖掘其巨大的价值。

二、为什么要做数据分析

很多时候,VC投资需要看数据,做投资决策;公司产品/运营需要做迭代的依据... 数据需求的可能会来自多个方面,总体而言,数据分析的原因主要有以下四种:

1、驱动产品迭代

用户使用产品的真实轨迹是怎样的?为什么他们会这么做,有没有更简便的流程,以帮助我们作出优化决策?也可以分析产品过往的数据,来洞悉问题,驱动有目标的产品迭代。

2、深度需求分析

对用户所处马斯诺几个层面的需求,用数据来支撑;对交互需求,用数据佐证;对公司层面的需求,通过数据验证合理性。

3、驱动运营决策

产品新功能上线后效果怎么样?新功能的用户活跃度、用户留存率的变化?A方案和B方案哪个更好?诸如此类的问题,评判一个问题的好坏,比较可靠的恐怕就是数据了。感性的定义很多时候往往会产生大量的不必要的争执。

4、驱动运营决策

针对商业机会的评估,必要的需求调研及市场调研显得尤为关键。一个新市场是否值得介入?一个新项目是否值得投资?是否可以收购某公司等等?

三、如何做数据分析

8分钟让你快速读懂数据分析(附书籍推荐)

1、数据采集

原则1:全量而非抽样

采集多种数据来源,前端与后端、业务数据库的全面采集。前端有网页端与APP客户端等,后端采集用来补充前端行为事件所无法采集到的数据。

原则2:多维细分

针对客户行为事件实现5W1H的全面细化,将行为中的什么人、什么时候、从哪里、什么原因、什么事情、如何做的行为轨迹全面记录下来,并进行细化,人(who)可以从注册账号、性别、年龄、个人成长阶段等细分;时间(when)可以从起始时间、结束时间等细分;从哪里(where)可以从IP、位置信息、运营商、OS、机型、IMEI、网络接入方式(2G/3G/4G/WIFI)等细分;原因(why)可以从爱好、需求层级等细分;事情(what)可以从主题、步骤等细分。行为事件与维度的结合,就能得出需要的指标,比如用户在什么地域下的订单......

目前数据采集(埋点)方式主要有三种:

第一种:使用第三方统计分析标准SDK接入到应用中

第二种:使用无埋点方式

第三种:自己开发,精细化运营与产品决策

2、数据采集

搭建数据指标模型大致要考虑以下三大要素:

a.打通行为数据与业务数据;

b.回归关键数据指标

c.多维度考虑数据可行性

第一关键指标方法

找出第一关键重要指标,然后衍生于子指标,比如:电商销售额

如果你想提升销售额,要么提升买家数,要么提升客单价。

销售额=买家数x客单价

销售额=流量x转化率x客单价

在到达商品详情页中,这个还可以衍生为:

销售量=商详uv x 下单率 x 付款率x客单价

销售量= 活动展现 x 活动转化率x 下单率x付款率x客单价

各阶段指标侧重:

8分钟让你快速读懂数据分析(附书籍推荐)

各阶段

● MVP阶段(验证):验证可行性与以用户留存率为目标,定性分析,这个阶段本身并没有多少数据可言(数据型产品)除外。

● 增长阶段(跨越鸿沟):大多数公司都没能到这个阶段,增长阶段的数据分析需要适当的去对应相应的数据产品分析师,或者使用更深度的数据工具来做相应的决策。

可以分为两个层面

1.留存阶段,主要以留存率为指标(次日留存、7日留存、15日留存、30日留存率等);

2.引荐阶段,主要考虑病毒系数与病毒周期:平均一个用户能带来多少个新用户。所以当病毒系数大于1时,信息将会不断扩散,而总传播人数是发散的。相反,当病毒系数小于1时,总传播人数是收敛的,以及NPS(净推荐值)。

● 平台期(激活转化):有专门的数据分析师、工程师,团队对数据分析更加深入。主要关注的是平台用户的活跃度、转化率,使得度过平台期迎来下一个增长期。

● 变现期:营收成本、用户激活召回、LTV、CAC、渠道分析等指标

3、数据分析

分析方法:有效的数据分析方法能够深度挖掘数据的价值,常见的数据分析法与模型有用户分群、A/B测试、多维事件分析、漏斗分析、AARRR分析等等

这里主要以漏斗分析法、AARRR分析模型、A/B测试、多维事件分析为例展开:

● 漏斗分析法

分析从潜在用户到最终转化用户这个过程中用户数量的变化趋势,从而寻找到最佳的优化空间,这个方法被普遍用于产品运营的各个关键流程分析中。

何为用户转化漏斗,就是你的业务是如何一步步将一个用户转化过来。比如:

活动:活动展示—>点击详情—>转化

约妹子:搭讪—>约会—>牵手->......

经过的每个阶段,都可以拆为好几个子阶段。而每一个阶段都会有用户流失、用户留存下来。对漏斗的每一个环节准确地记录数据,以便分析和优化各个环节的转化率,是数据化运营的基础设施。

比如一个电商的活动页,它的漏斗模型应该是这样的:

8分钟让你快速读懂数据分析(附书籍推荐)

下单率

从浏览活动页面到详情页的转化率是50%,在详情页下单的下单率是10%,最终下单到付款的转化率是40%。

有这么个漏斗,我们就可以分析每个环节代表了什么,该如何去改善:

活动页—>详情页uv:页面上的内容是否醒目,商品是否是用户喜欢的,需根据页面点击情况及时替换点击效果差的商品。

详情页uv—>下单人数:详情页是否吸引人,页面加载速度是否有影响,是否需要将商品重新排序。

下单人数—>付款人数:是否支付引导差,支付工具是否有故障,是否低于业内平均指标。

另外,在同一个系统内部,也需要做转化率进行对比,比如本月与上月,本周与上周,增加了还是减少了,这样才能得出更为准确的结论与发现问题。

● AARRR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2008年时创建的,分别是指获取、激活、留存、收入和推荐。

8分钟让你快速读懂数据分析(附书籍推荐)

AARRR

以下例子中渠道A与渠道B哪一个更优?

8分钟让你快速读懂数据分析(附书籍推荐)

8分钟让你快速读懂数据分析(附书籍推荐)

比如游戏AARRR各阶段指标

1.A(How do users find us?)

DNU(日新注册且登陆用户数)、推广渠道监测(成本、流量)

2.A(Do users have a great first experience?)

DAU(每日登陆过游戏用户数)、日均使用时长、道具关联分析模型

3.R(Do users come back?)

留存率(次日留存、7日留存、21日留存、30留存)、流失率、流失预警分析模型

4.R(How do you make money?)

PR(付费率)、 ARPU(平均每用户收入)、ARPPU(平均每付费用户收入))、LTV(生命周期价值)

5.R(Do users tell others?)

K-factor、NPS等

● A/B测试

A/B测试就是通过数据支撑,不同渠道、不同人群、最终选定方案。

A/B测试需要有一定的数据支撑,建立准确性与效率高的框架,比如针对不同渠道、用户分群发布、灰度发布等来得出合适方案,这里不加以展开.

8分钟让你快速读懂数据分析(附书籍推荐)

AB测

● 多维事件分析法

多维事件分析,从多个角度细分数据,从中发现数据变化的具体原因。行为事件与维度的结合可以得到数据指标,比如在电商应用中:

行为事件(1H):搜索商品、点击商品详情、提交订单、支付订单、售后服务等等都是一系列事件

维度(5W):人(who)可以从姓名、性别、年龄;时间(when)可以从停留时间、下单事件、付款事件、到货时间等细分;从哪里(where)可以从IP、城市、运营商、OS、机型、IMEI、网络接入方式(2G/3G/4G/WIFI)等细分;原因(why)可原因(why)可以从爱好、需求层级等细分;事情(what)可以从主题、步骤等细分。

两者结合就可以得出多维度指标,比如用户在哪个区域下订单,从什么渠道过来的,过去一段事件支付订单款项多少等等......

四、数据不是万能的

数据虽然不可或缺,但也不是万能的,比如在产品创新方向上很难获得驱动,在长期的用户反馈上很难获得数据的足够判断,那么真正能驱动一款产品的用户快速增长,靠的都是什么方法呢?

8分钟让你快速读懂数据分析(附书籍推荐)

验证

- 做真正有意义的产品

市场上很大一部分产品都是意义不大的,尤其在这个存量过于饱和的市场下,要获得用户的快速增长,还是应该回到产品的核心上来,创造真正有价值的东西,辅以数据驱动,这样的结合可能能获得更大的增长。

- 塑造品牌价值

对核心用户尤其要重点塑造品牌观念,在传统行业中,众多企业做品牌的重视度高于互联网行业的企业,而在互联网确是常常不被重视的,与本身的燥热有很大关系,也许我们可以看看健身应用Keep的slogan与品牌塑造案例里面学习到更多的东西。

- 利用增长黑客技术

在《增长黑客》这本书里面,谈到了很多增长黑客技术增长的案例,如何低成本的获得用户增长等等。

五、最后推荐一些数据分析的书籍

• 《Head First Statistics》:深入浅出统计学

• 《精益数据分析》

• 《数据之魅-基于开源工具的数据分析》

• 《数据挖掘-市场营销、销售与客户关系管理领域应用》

• 《R语言实战》

阅读原文

(责任编辑:uedtech。本文版权归作者所有,转载请注明来自UED学院,并保留原文作者与链接!)
顶一个
(0)
0%
踩一个
(0)
0%
------分隔线----------------------------
推荐内容