
分析產(chǎn)品數(shù)據(jù)時(shí)需要注意哪些坑
之前在國(guó)外的論壇中有看到關(guān)于數(shù)據(jù)分析的細(xì)分,英文單詞是segmentation,Segmentation的原意是分割。怎么理解呢?試想想,當(dāng)大量的數(shù)據(jù)擺在面前是無(wú)非直接去分析的,能夠做的就是細(xì)分。明白這一點(diǎn)之后,我們來(lái)從Why 和 How 上來(lái)簡(jiǎn)單說(shuō)說(shuō)。
無(wú)論是談業(yè)務(wù),講解好的商業(yè)模式,還是做產(chǎn)品,會(huì)伴隨一個(gè)簡(jiǎn)單的問(wèn)題:這個(gè)商業(yè)模式、業(yè)務(wù)的客戶群、產(chǎn)品是哪些?(如:遠(yuǎn)近聞名的Uber的主要用戶是哪些?)好的回答會(huì)給你說(shuō),我的業(yè)務(wù)主要是分B2C、C2C;再好一點(diǎn)的答案會(huì)給你說(shuō):“根據(jù)我對(duì)市場(chǎng)的研究,我主要做B2C的市場(chǎng),我的客戶主要會(huì)集中在群體A以及群體B,我的商業(yè)模式會(huì)對(duì)不同的群體有不同的運(yùn)作方式”。如:Uber的主要市場(chǎng)是在一線城市,主要細(xì)分市場(chǎng)集中在中高端出租車(出行服務(wù)),主要客戶細(xì)分為服務(wù)提供方:私家車車主;服務(wù)受眾:針對(duì)需要更便捷的出行服務(wù)人群。這些都是數(shù)據(jù)反映出來(lái)的結(jié)果,越多的數(shù)據(jù),能夠得到越多的信息。
從受眾的角度來(lái)看,把市場(chǎng)一層一層剝開:市場(chǎng)> 市場(chǎng)細(xì)分> 用戶細(xì)分> 用戶
從運(yùn)營(yíng)角度來(lái)說(shuō),在數(shù)據(jù)分析之前,先要了解市場(chǎng)細(xì)分,而做的細(xì)致,則是對(duì)每一個(gè)顧客有定制化營(yíng)銷。而對(duì)于任何一家公司來(lái)說(shuō),如何將這個(gè)認(rèn)知的過(guò)程做好,則是這個(gè)生意/商業(yè)模式的關(guān)鍵。而“細(xì)分”(segmentation)很好地從一個(gè)相對(duì)可控的維度,給予我們決策者/執(zhí)行者足夠的”認(rèn)知“去進(jìn)行商業(yè)決策。這里需要強(qiáng)調(diào)的是,公司是用“細(xì)分”還是客戶定制化營(yíng)銷,并不是對(duì)立的關(guān)系,完全是根據(jù)公司發(fā)展的進(jìn)度和客戶的需求來(lái)的。舉個(gè)例子,還是拿我最為熟悉的知乎說(shuō)事兒,知乎現(xiàn)在從戰(zhàn)略上來(lái),用客戶細(xì)分解決那些“大V”問(wèn)題,類似這段時(shí)間的版權(quán)改版 - 針對(duì)大V/內(nèi)容貢獻(xiàn)者這個(gè)segment的加強(qiáng);類似知乎日?qǐng)?bào)升級(jí) - 針對(duì)普通用戶/非用戶segment的改進(jìn)。
談數(shù)據(jù)分析,必然要從統(tǒng)計(jì)學(xué)的角度扯扯。
從統(tǒng)計(jì)學(xué)的角度來(lái)說(shuō),這是分類問(wèn)題。而從分析的角度來(lái)說(shuō),涉及兩個(gè)方面:
定量分析
定性分析
在迫不及待跳到用什么各類高端模型(比如AARRR模型,我真不是故意的,這個(gè)確實(shí)是個(gè)例子)之前,先來(lái)確定我們的數(shù)據(jù)分析的目標(biāo) 其實(shí)說(shuō)白了是對(duì)用戶做判斷:
現(xiàn)有用戶 -- 現(xiàn)有用戶是?喜歡啥?怎樣的消費(fèi)習(xí)慣?所有用戶里面,哪些最值錢?etc...
潛在用戶-- 潛在客戶在哪?他們的喜好?我們要通過(guò)什么渠道獲取?獲取成本是多少?etc...
這類問(wèn)題,嘴上說(shuō)起來(lái)是簡(jiǎn)單的,但是實(shí)際上,建立這樣的用戶需要很系統(tǒng)的定量分析和定性分析,根據(jù)你對(duì)用戶的了解而提供對(duì)應(yīng)的服務(wù)即是一種:產(chǎn)品的思維。這也就是為啥我覺(jué)得很多大型公司都會(huì)對(duì)部門進(jìn)行細(xì)分:數(shù)據(jù)分析部,產(chǎn)品研發(fā)部,市場(chǎng)部。對(duì)指定新產(chǎn)品從整個(gè)發(fā)展線上去定位,然后再去做運(yùn)營(yíng)。
對(duì)于現(xiàn)有用戶和潛在用戶的了解,有如下方式:
了解你的商業(yè)模式:是零售類的重復(fù)性銷售還是會(huì)員制度,還是其他(類似金融產(chǎn)品的銷售云云)。
了解你的商業(yè)目的:
當(dāng)前產(chǎn)品的定位產(chǎn)品
產(chǎn)品這個(gè)發(fā)展模式的定位
僅僅根據(jù)數(shù)據(jù)(財(cái)報(bào))體現(xiàn)出來(lái)的通過(guò)不同的精準(zhǔn)營(yíng)銷手段來(lái)提高短期收益
提高用戶活躍度
了解你的用戶基本行為
關(guān)于用戶基本行為一點(diǎn),是現(xiàn)在大數(shù)據(jù)分析的最為直接的目的。而實(shí)現(xiàn)這個(gè)這個(gè)往往會(huì)通過(guò)很多小的項(xiàng)目(也就是經(jīng)常提到的跨部門協(xié)作的體現(xiàn))來(lái)不斷完善。我了解到的是根據(jù)RFM分析(Recency,F(xiàn)requency,Monetary)來(lái)分析,來(lái)了解你的用戶都是些什么人,有什么消費(fèi)習(xí)慣,他們對(duì)營(yíng)銷活動(dòng)的反應(yīng)如何,反饋率是多少。根據(jù)大量的數(shù)據(jù)統(tǒng)計(jì)的結(jié)果,來(lái)制定你的商業(yè)計(jì)劃。利用數(shù)據(jù)模型,比如k-means cluster,等等去分類你的已有客戶,看看他們基于某一個(gè)指標(biāo)來(lái)分類,因?yàn)槲业纳虡I(yè)目標(biāo)是為高利潤(rùn)的客戶提高更好的服務(wù),降低這個(gè)客戶群的流失率,增加交叉銷售的成功率(cross-sell rate)。
為啥要扯這些呢?因?yàn)楹芏鄶?shù)據(jù)分析的坑,都是這些具體的數(shù)據(jù)細(xì)分開始就錯(cuò)了。
比如,從市場(chǎng)這個(gè)起點(diǎn)開始就錯(cuò)了,沒(méi)有搞清楚這個(gè)數(shù)據(jù)是否能夠?qū)@個(gè)市場(chǎng)能有好的分析性和預(yù)測(cè)性。這是一個(gè)鏈條,從一開始的錯(cuò),會(huì)一直錯(cuò)到最后。而數(shù)據(jù)分析的邏輯是很嚴(yán)密的,如果你沒(méi)有意識(shí)到你的起點(diǎn)就是錯(cuò)的,那么錯(cuò)誤的分析會(huì)讓你走入“只求短利益”而忘記產(chǎn)品持續(xù)發(fā)展的重要性,這也是為什么很多做手游的公司,一再投入分析數(shù)據(jù),運(yùn)營(yíng),但是產(chǎn)品的效果總是不好。
再者,用戶的流失率表面上可能是運(yùn)營(yíng)不到位而在營(yíng)銷手段上輸給競(jìng)爭(zhēng)對(duì)手而導(dǎo)致的。如果做一個(gè)關(guān)于“產(chǎn)品的各個(gè)功能滿意度的調(diào)查”,會(huì)發(fā)現(xiàn),大量的用戶流失是因?yàn)槟愕漠a(chǎn)品沒(méi)有持續(xù)發(fā)展的產(chǎn)品設(shè)計(jì),而不是營(yíng)銷上給用戶“恩惠”少了而流失,雖然營(yíng)銷的失敗也能夠?qū)е掠脩舻牧魇В遣粫?huì)有大量的流失的現(xiàn)象出現(xiàn)。
我們做數(shù)據(jù)分析是為了改善產(chǎn)品,從而給用戶更好的產(chǎn)品體驗(yàn),本質(zhì)是要對(duì)用戶的進(jìn)行進(jìn)行深度分析,然后結(jié)合現(xiàn)有產(chǎn)品的特點(diǎn),去改進(jìn),這才是數(shù)據(jù)能說(shuō)話的要義。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)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(wú)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(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)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(kù)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(dòng)態(tài)隨機(jī)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(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)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(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)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(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)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(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(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(jià)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(kù)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(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)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(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)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(yíng)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(jià)值 在數(shù)據(jù)驅(qū)動(dòng)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(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)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(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10