
如何入門精益數(shù)據(jù)分析
一、認識數(shù)據(jù)——產(chǎn)品經(jīng)理與數(shù)據(jù)分析
1.1數(shù)據(jù)的客觀性
數(shù)據(jù)是量化事物的手段,投射到不同的人身上又會導(dǎo)致解讀的結(jié)論偏差,因此我們需要“求證”地分析第三方網(wǎng)站提供的調(diào)研數(shù)據(jù)(網(wǎng)站改版案例)。
大量的數(shù)據(jù)如何為我們所用呢。大概包含以下幾點:明確問題本質(zhì);了解產(chǎn)品業(yè)務(wù);大量深入的產(chǎn)品實踐。
1.2培養(yǎng)面對數(shù)據(jù)的“智慧”
好的產(chǎn)品經(jīng)理需要學(xué)會控制自己的思維,感性的發(fā)散,理性的聚焦需要同時具備?;臼强糠磸?fù)的練習(xí)和大量的數(shù)據(jù)閱歷練成的吧。
產(chǎn)品經(jīng)理開始有意識的學(xué)習(xí)數(shù)據(jù)分析的時候應(yīng)該從以下兩點開始:
第一、學(xué)習(xí)如何提出數(shù)據(jù)統(tǒng)計需求
提出數(shù)據(jù)需求的過程,是一個“界定產(chǎn)品目的和目標(biāo),根據(jù)目標(biāo)提出假設(shè)、預(yù)判產(chǎn)品效果”的過程,要求對功能目標(biāo)、功能預(yù)期效果有完整且清晰的掌握。
一個完整的數(shù)據(jù)需求包含功能設(shè)計方案、功能目的和目標(biāo)、功能上線后需要跟蹤的數(shù)據(jù)指標(biāo)及指標(biāo)精確定義。
案例:
第二、學(xué)習(xí)如何解讀數(shù)據(jù)
對數(shù)據(jù)保持敏感,并能通過邏輯推理,進一步提出好的追問和假設(shè),然后再通過數(shù)據(jù)或者其他手段來驗證。
分清楚因果關(guān)系和相關(guān)關(guān)系,提出好的追問假設(shè),在不同的維度拆分數(shù)據(jù)。
電商網(wǎng)站案例
1.3數(shù)據(jù)分析當(dāng)中的“誤區(qū)”
a.忽略沉默用戶
b.用戶迫切需要的需求≠產(chǎn)品核心需求
c.過分依賴數(shù)據(jù)會限制產(chǎn)品經(jīng)理的靈感
d.錯判因果關(guān)系和相關(guān)關(guān)系
e.警惕表達數(shù)據(jù)的技巧(控制折線圖縱坐標(biāo)范圍混淆結(jié)論)
f.不要妄談大數(shù)據(jù)(大數(shù)據(jù)特征——要用全部數(shù)據(jù)、注重相關(guān)關(guān)系、全新的計算方法)
二、獲取數(shù)據(jù)——產(chǎn)品分析指標(biāo)和工具
2.1網(wǎng)站數(shù)據(jù)指標(biāo)
網(wǎng)站排名工具:Alexa、中國網(wǎng)站排名、網(wǎng)絡(luò)媒體排名
網(wǎng)站監(jiān)測工具:Google Analytics、百度統(tǒng)計、CNZZ
關(guān)鍵網(wǎng)站分析指標(biāo):訪問量、訪客數(shù)、瀏覽量、跳出率、頁面停留時長、網(wǎng)站停留時長、退出率、轉(zhuǎn)化率
訪問量:Session
訪客數(shù):Unique Visitor,依據(jù)用戶的設(shè)備、瀏覽器分配Cookie
瀏覽量:PageViews
頁面停留時長:該頁面的總停留時長除以該頁面的訪問量
網(wǎng)站停留時長:指訪問一次會話的時間長度,等于網(wǎng)站所有訪問量的總停留時長除以訪問量
跳出率:網(wǎng)站的重要指標(biāo)。等于只訪問了落地頁面的訪問量除以總訪問量。
退出率:等于從一個頁面的退出次數(shù)除以訪問次數(shù)
轉(zhuǎn)化率:達成某種目標(biāo)的訪客數(shù)占總訪客數(shù)(訪客數(shù)換成訪問量也是同樣成立的)
Google Analytics操作介紹
4大模塊:受眾群體分析、流量獲取分析、用戶行為分析、用戶轉(zhuǎn)化分析
掌握對數(shù)據(jù)的宏觀分析思路,避免陷入到數(shù)據(jù)細節(jié)中,如下:
a.訪客數(shù)和訪問深度
查看GA上的受眾群體概覽頁來了解網(wǎng)站的訪客數(shù)和訪問深度。
b.訪客來源,渠道效果
查看GA上的流量獲取的概覽頁
Referral:引薦網(wǎng)站,如博客、聯(lián)盟等等
Direct:直接進入網(wǎng)站
Organic Search:自然搜索
Paid Search:付費搜索
c.分析用戶在網(wǎng)頁的行為
關(guān)注流量最大的著陸頁,降低跳出率
關(guān)注瀏覽最大的其他頁面,與著陸頁對比
頁面點擊熱圖
主要流程的轉(zhuǎn)化漏斗
2.2移動應(yīng)用類數(shù)據(jù)指標(biāo)
移動應(yīng)用主要指標(biāo)
從獲取用戶到獲得收入基本會經(jīng)歷以下幾個過程:用戶獲取、用戶活躍與參與、用戶留存、用戶轉(zhuǎn)化、獲取收入。下面依次介紹各個階段的主要指標(biāo):
用戶獲取階段:
下載量(商店評分和排名)、安裝激活量、激活率、新增用戶數(shù)(一般就是新增設(shè)備數(shù))、用戶獲取成本
用戶活躍與參與階段:
日活躍用戶數(shù)、月活躍用戶數(shù)(可表示用戶規(guī)模)、活躍系數(shù)(日活除以月活)、平均使用時長、功能使用率
用戶留存階段:
次日留存率、7日留存率、30日留存率
用戶轉(zhuǎn)化階段:
付費用戶比例、首次付費時間、用戶平均每月營收(月收入除以月活躍用戶數(shù))、付費用戶平均每月營收(月收入除以月付費用戶數(shù))
獲取收入階段:
收入金額,付費人數(shù)
使用數(shù)據(jù)指標(biāo)評價版本迭代效果的方法
留存率對比
核心功能使用率
使用率和繼續(xù)使用率(代表功能的受歡迎程度)
對核心功能的促進效果(核心貢獻的概念——舉例:使用過功能A的聽歌人數(shù)比例減去未使用過功能A的聽歌人數(shù)比例)
移動應(yīng)用分析工具
國內(nèi)分析工具:友盟、TalkingData
國外分析工具:Flurry,Google Analytics
Crash分析工具:Crashlytics
2.3電商類數(shù)據(jù)指標(biāo)
電商類關(guān)鍵指標(biāo)
銷售額、購買客戶數(shù)、客單價、購買轉(zhuǎn)化率、UV、詳情頁UV、重點商品缺貨率、妥投及時率
銷售額:網(wǎng)站的收入(UV*轉(zhuǎn)化率*客單價)
購買客戶數(shù):新老客戶
客單價:銷售額除以購買客戶數(shù)
購買轉(zhuǎn)化率:購買客戶數(shù)除以訪客數(shù)(UV)
詳情頁UV(IPV_UV)
分析數(shù)據(jù)指標(biāo)方法
流量增長因素:
PC/WAP端(不同媒體),APP端(iOS&Android)
客單價增長因素:
客單價等于人均購買件數(shù)*件單價
件單價(熱銷商品價格變動)
人均購買件數(shù)(組合裝/單件裝比例、推薦效果)
轉(zhuǎn)化率因素:
詳情頁來源分析
電商網(wǎng)站的詳情頁來源一般分為:直接落地到詳情頁、從首頁進入詳情頁、從頻道進入詳情頁、從分類頁進入詳情頁面、從品牌頁進入詳情頁、通過關(guān)聯(lián)銷售進入詳情頁面
2.4 UGC類數(shù)據(jù)指標(biāo)
UGC產(chǎn)品參與度指標(biāo)
訪客數(shù)、登陸訪客數(shù)及占比、沉默用戶數(shù)及占比、平均停留時長、產(chǎn)出內(nèi)容訪客及占比(Lofter案例)
訪客數(shù):Web端訪客數(shù)+移動端訪客數(shù)
登陸訪客數(shù)及占比:登陸的訪客數(shù)占總訪客的比例
沉默用戶數(shù)及占比:超過7天未產(chǎn)生內(nèi)容的賬號數(shù)占總賬號數(shù)的比例
平均停留時長:總停留時長除以訪客數(shù)
優(yōu)質(zhì)內(nèi)容評分
熱度=分享次數(shù)+推薦次數(shù)+點贊次數(shù)
互聯(lián)網(wǎng)產(chǎn)品指標(biāo)思路
訪客數(shù)和特征、獲取渠道及渠道質(zhì)量、訪客參與深度、轉(zhuǎn)化率和轉(zhuǎn)化漏斗是否流暢
訪客數(shù)和特征:訪問時間段、訪問地域、設(shè)備、網(wǎng)絡(luò)
獲取渠道及渠道質(zhì)量
a.基本思路:帶來多少新訪客、瀏覽深度如何、留存率和轉(zhuǎn)化率
b.Web端:新訪客占比(代表渠道拓展用戶的能力)、跳出率、瀏覽頁面數(shù)以及轉(zhuǎn)化率
c.移動端:新設(shè)備占比、次日留存以及轉(zhuǎn)化率
訪客參與深度:跳出率、瀏覽頁面數(shù)、轉(zhuǎn)化率
轉(zhuǎn)化率和轉(zhuǎn)化漏斗是否流暢:
獲取指標(biāo)的方式
分析日志、分析工具獲取(自定義時間、自定義轉(zhuǎn)化漏斗)
三、分析數(shù)據(jù)——產(chǎn)品數(shù)據(jù)分析框架
3.1基本分析方法
對比分析:
橫向?qū)Ρ?,縱向?qū)Ρ龋ūWC對比指標(biāo)之外其他因素盡可能保持一致,比如通常在做新舊版本分析的時候會盡量選擇兩個版本發(fā)布初期的新用戶)
趨勢分析:
整體趨勢、周期變化、極值點
象限分析:
案例:渠道評估和優(yōu)化(質(zhì)量–數(shù)量)
交叉分析法:
案例:多維度的數(shù)據(jù)分析(ios和安卓下載數(shù)分析)
3.2數(shù)據(jù)分析框架——AARRR模型
數(shù)據(jù)分析框架的作用:
保證結(jié)果的準(zhǔn)確性、可靠性、針對性
常見的分析框架(宏觀,適用于管理和運營)
PEST分析框架:
Political(政治),Economic(經(jīng)濟)、Social(社會)、Technological(科技),用于企業(yè)所處宏觀環(huán)境的分析。
5W2H分析框架:
What+Why+When+Where+Who+How+How Much,常用于決策和執(zhí)行性的活動措施
Strengths(內(nèi)部優(yōu)勢), Weaknesses(內(nèi)部劣勢) Opportunities(外部機會) Threats(外部威脅)
運用這種方法,可以對研究對象所處的情景進行全面、系統(tǒng)、準(zhǔn)確的研究,從而根據(jù)研究結(jié)果制定相應(yīng)的發(fā)展戰(zhàn)略、計劃以及對策等。
SMART原則
Specific(具體的), Measurable(可衡量的),Attainable(可達到的),Relevant(相關(guān)的),Time-Bound(有明確結(jié)束期限的),常用于目標(biāo)管理。
4P理論
Product(產(chǎn)品),Price(價格),Place(渠道),促銷(Promotion),用于制定營銷策略。
AARRR分析框架
Acquisition(獲?。〢ctivation(激活) Retention(留存) Revenue(收入) Refer(推薦)
AARRR模型應(yīng)用
提升AARRR各環(huán)節(jié)指標(biāo)的對應(yīng)操作(渠道分析案例)
3.3數(shù)據(jù)分析框架——邏輯分層拆解與漏斗分析
邏輯分層拆解
邏輯拆解【相關(guān)指標(biāo)和核心指標(biāo)存在邏輯關(guān)聯(lián)】
分層拆解【同一層指標(biāo)不相關(guān)】
漏斗分析法
關(guān)鍵路徑的轉(zhuǎn)化率、轉(zhuǎn)化率對比分析、Google Analytics行為流
3.4數(shù)據(jù)會說謊
改變坐標(biāo)軸:添加趨勢線及其公式
樣本量的誤差:決定樣本量大小的因素(總體大小、總體內(nèi)部差異程度)
平均數(shù)的數(shù)據(jù)謊言:當(dāng)數(shù)據(jù)呈現(xiàn)正態(tài)分布,平均數(shù)才能近似代表整體的情況
辛普森悖論:數(shù)據(jù)集中的變量被分組,其相關(guān)性被降低或不存在相關(guān)性(注意不用混淆變量分組數(shù)據(jù))
四、利用數(shù)據(jù)——數(shù)據(jù)驅(qū)動產(chǎn)品
4.1數(shù)據(jù)應(yīng)用的場景
需求分析階段:
對用戶層面的需求,通過數(shù)據(jù)去偽存真。對公司層面的需求,通過數(shù)據(jù)驗證并提供證據(jù)(網(wǎng)易考拉海購?fù)顺雎拾咐?
產(chǎn)品設(shè)計階段:
設(shè)計前——發(fā)現(xiàn)問題,設(shè)計中——輔助決策,判斷思路(A/B test),設(shè)計后——驗證方案(對比核心指標(biāo))
4.2數(shù)據(jù)驅(qū)動產(chǎn)品的方法
通過數(shù)據(jù)發(fā)現(xiàn)問題:
對導(dǎo)出率、跳出率、滿意度、各端用戶占比進行對比分析
確定改版數(shù)據(jù)指標(biāo):
綜合用戶需求和數(shù)據(jù)反映問題擬定核心指標(biāo)
產(chǎn)品設(shè)計:
品牌調(diào)性(用戶調(diào)研)、首頁架構(gòu)和陳列樣式、展現(xiàn)形式
上線后的數(shù)據(jù)驗證:
對之前的數(shù)據(jù)核心指標(biāo)進行對比認證,并發(fā)現(xiàn)新問題
4.3如何培養(yǎng)數(shù)據(jù)分析能力
心法層面:
好奇心、求知欲、觀察生活
基礎(chǔ)層面:
核心基礎(chǔ)概念、基本統(tǒng)計原理
實戰(zhàn)層面:
數(shù)據(jù)驅(qū)動產(chǎn)品閉環(huán),熟悉業(yè)務(wù),時刻關(guān)注數(shù)據(jù)、保持敏感
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10