产品端数据分析思维

*总结自产品经理基础入门教程-数据分析部分

为什么要做数据分析:
C端思维: 得到新用户, 维护老用户, 增加收益
B端思维: 提高工作效率, 提升用户体验

影响因素:
1, 流量数量
(1)直接广告: 网站弹窗, 静态广告, 线下投放
(2)简接广告: 微信公众号, 新浪微博, 社区论坛
(3)搜索引擎: 竞价排名
(4)消息推送: EDM, 短信, App Push
2. 转化率
(1)引流: 数量,质量
(2)详情页(着陆页): 内容详尽,有吸引力
(3)下单流程: 简单易懂,操作便捷
3. 客单价:
(1)产品定价
(2)优惠促销
(3)商品推荐

转化率: 用户操作路径优化
漏斗模型适用于网站中某些关键路径的转化率分析,以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化空间.

数据分析过程中隐存风险:

1. 分析方案是否合理
2. 数据来源是否可靠
3. 分析过程是否准确

常见工具:
Excel: 数据统计, 分析与可视化呈现
SQL: 数据库数据查询
原生埋点/MTA: 用户行为跟踪与分析

基础数据分析流程:

1. 明确目的: 出于什么原因要做此次数据分析,目的是为了解决什么问题或了解什么情况
2. 数据采集: 了解数据采集的基本方式, 包括数据库抓取,埋点数据,访谈与调查问卷等
3. 整理数据: 对源数据的系统加工,是数据分析工作的前置, 包括数据清洗,分类与整合
4. 可视化呈现: 将繁杂的数据表格基于观察需求转化成可视化图表,可以更便于数据观察与分析
5. 分析总结: 通过结果数据反映出来的客观信息,分析出在起初计划要解决的问题或了解当前某些业务相关情况

分析总计:

1. 看趋势:
   通过观察数据波动情况,观察目标数据的走向趋势情况,从而掌握样本数据的异常情况以及客观规律.
   常用工具: 趋势图,多列堆积柱形图.
2. 看分布:
   通过观察数据分布情况,观察目标数据在不同阶段的聚合程度,为数据分析提供客观依据.
   常用工具: 直方图,箱线图,正态分布,点图,柏拉图
3. 看对比:
   通过观察两组或多组数据的对比情况,观察数据组间相近或差异较大的数据区间.(平行比较,同比,环比)
   常用数据: 折线图,堆积柱形图,相关与回归分析等.

用户模型：是对业务目标群体真实特征及属性的勾勒，是真实用户的虚拟代表。
目的：尽量减少主观臆测，了解他们真实需求，从而知道如何更好的为不同类型用户提供定制化服务。

执行流程：
确定变量：

调研信息整理：找共性，看差异
共性用来总结该群体特征；差异用来论证分类的合理性.

平台革命：改变世界的商业模式.pdf

pdf 0星 超过10%的资源 8.54MB

下载

事件触发模型分析:
埋点: 通过程序来记录用户与产品交互过程的相关数据


优势: 数据量完整且全面; 便于多维度分析
不足: 开发成本较高; 前端工作压力大

关键数据埋点: 通过指定数据埋点, 取数. 统计及分析, 可以更有针对性的进行数据观察.
通过埋点所得出的数据, 对优化使用流程, 优化运营推广策略有极大作用. 通过埋点数据可以更好地了解用户, 更好地提供产品服务.

漏斗分析模型:

留存分析模型
用来了解不同类型用户的参与量以及活跃程度的分析模型,涉及核心业务流程以及运营活动.
关键词:
参与量: 观察不同时间点或不同时间段中,用户的参与数量.
活跃程度: 关注单位群体在平台中的依赖程度
运营活动: 以平台为基础, 发起的伴有不同目的的组织形式

通过留存分析模型分析产品对用户的黏性,是评价产品对用户是否有价值的重要依据.

计算留存率:

7日留存量计算:

路径分析模型：
观察某个人或某个样本群体在访问产品或平台时，针对每个页面和不同路径的访问次数及顺序进行数据统计与分析。
关键词：
某个人：个体用户
某个样本群体：在某种条件下的抽样群体
次数：访问频次
顺序：访问的先后顺序
统计与分析：基于前期准备，通过统计与分析得出结论

全局路径与流失节点观察：
1.了解个体及群体的整体路径：通过对用户路径的观察，可以了解用户的使用习惯以及用户是否可以很好的适应各个流程链路。
2. 可视化流失节点：通过对各个递进页面中数据衰减的观察，分析流失原因，制定优化方案。
3. 数据统计与分析：观察数据增加或衰减情况，横向对比，根据差异分析问题所在。

梳理结构框架，基于用户使用流程进行功能拆解。
数据统计与分析：观察数据递增与衰减情况，横向对比，根据差异分析问题所在。

什么是分析模型：
对用户在平台中的消费频次、金额或活跃程度等行为进行分类分析的模型。

价值：

1. 挖掘用户分布规律，优化产品及运营策略；
2. 核心用户筛选与分类，需求定制化

RFM分析模型：主要依据客户活跃程度和平台交易金额贡献所做的分类。
近度：用字母R表示，代表客户最近一次活跃距离目前的天数。在这部分客户中，有些优质客户值得通过一定的营销手段进行激活。
频度：用字母F表示，代表客户过去某段时间内的活跃频率。针对消费频度较小且消费额较大的用户，可以推行一些运营策略刺激用户，增加消费频次。
额度：用字母M表示，代表客户最近一次消费金额或某个时间内平均消费金额，通过该指标可以评估不同消费水平的用户分布情况。

搭建步骤：
数据抓取：通过编写SQL或研发人员协助取得待分析数据。
定义区间：基于基础数据的分布情况，定义分析区间。
RFM取值: 对照”定义区间表”填写RFM的对应值
水平定义: 基于RF均值定义”高低”水平
用户分层: 定义用户类型,将相同类型用户合并分析
策略制定: 针对不同类型用户指定相应策略.