怎樣建立數(shù)據(jù)分析的思路？

        真正的數(shù)據(jù)分析不在于數(shù)據(jù)本身，而在于數(shù)據(jù)分析師的分析能力的概述 ；數(shù)據(jù)是參照物，是標桿，只有分析才是行為，是改變；那么如何分析，綜合上面兩個舉例，已經(jīng)可以很清晰的看到立體式分析。

立體式分析，也就是維度分析； 產(chǎn)品數(shù)據(jù)的發(fā)掘不應(yīng)該僅僅拘泥于產(chǎn)品 ；大環(huán)境下的娛樂產(chǎn)物必須綜合產(chǎn)品、市場、用戶進行不同切入點分析；要知道， 數(shù)據(jù)分析是基于商業(yè)目的，而商業(yè)離不開用戶和市場 ；說白了就是結(jié)合不同維度進行有目的的數(shù)據(jù)收集、整理、加過和分析，他的存在價值就是通過數(shù)據(jù)提取有價值的信息去優(yōu)化產(chǎn)品從而拉更多人.

那么如何分析，大致思路又是如何？

[為什么分析？]

首先，你得知道為什么分析？付費同比、環(huán)比波動較大？

[分析目標是誰？]

數(shù)據(jù)波動，目標是誰？付費總額波動，付費用戶數(shù)據(jù)如何？

[想達到什么效果？]

通過分析付費用戶，找到問題，解決問題從而提升收入？

[需要什么？]

想做出分析，需要什么？付費總額，付費人數(shù)？付費次數(shù)？付費人數(shù)各等級占比？

[如何采集？]

直接數(shù)據(jù)庫調(diào)??？或者交給程序猿導(dǎo)出？

[如何整理？]

數(shù)據(jù)出來，如何整理付費等級、付費次數(shù)報表？

[如何分析？]

整理完畢，如何對數(shù)據(jù)進行綜合分析，相關(guān)分析？用戶資源是否飽和？市場其他明星產(chǎn)品充值活動更具吸引力？產(chǎn)品付費系統(tǒng)是否出現(xiàn)問題，是否失去新鮮感？

[如何展現(xiàn)？]

找準問題，老付費用戶流失了很多，低端付費轉(zhuǎn)化低；很多是多少？轉(zhuǎn)化低是什么概念？如何用圖表表現(xiàn)？

[如何輸出？]

找準問題，如何輸出；如何將這份知識報表轉(zhuǎn)換為產(chǎn)品商業(yè)價值體系；如何說服程序？如何說服策劃？如何具體執(zhí)行？如何將知識轉(zhuǎn)換為生產(chǎn)力？

上述是比較系統(tǒng)的分析思路，細化而言；對于數(shù)據(jù)分析，又需要我們根據(jù)不同人群建立不同的用戶模型；例如流失模型、流失特征；充值模型等等。

接下來我們再綜合AARRR模型分解一些較為常見的數(shù)據(jù)：

Acquisition（獲?。?、Activation（活躍）、Retention（留存）、Revenue（收益）、Refer（傳播）

日新增用戶數(shù)： DNU；每日注冊并登陸游戲用戶數(shù)，主要衡量渠道貢獻新用戶份額以及質(zhì)量。

一次會話用戶： DOSU；新登用戶中只有一次會話的用戶，主要衡量渠道推廣質(zhì)量如何，產(chǎn)品初始轉(zhuǎn)化情況，用戶導(dǎo)入障礙點檢查。

日活躍用戶： DAU；每日登陸過游戲的用戶數(shù)，主要衡量核心用戶規(guī)模，用戶整體趨勢隨產(chǎn)品周期階段變化，細分可概括新用戶轉(zhuǎn)化、老用戶活躍與流失情況。

周/月活躍用戶： WAU、MAU；截止統(tǒng)計日，周/月登陸游戲用戶數(shù)，主要衡量周期用戶規(guī)模，產(chǎn)品粘性，以及產(chǎn)品生命周期性的數(shù)據(jù)趨勢表現(xiàn)。

用戶活躍度： DAU/MAU；主要衡量用戶粘度，通過公式計算用戶游戲參與度，人氣發(fā)展趨勢，以及用戶活躍天數(shù)統(tǒng)計。

留存： 次日、三日、七日、雙周、月留存；表現(xiàn)不同時期，用戶對游戲的適應(yīng)性，評估渠道用戶質(zhì)量；衡量用戶對游戲黏性。

付費率： PUR，統(tǒng)計時間內(nèi)，付費用戶占活躍用戶比例；主要衡量產(chǎn)品付費引導(dǎo)是否合理，付費點是否吸引人；付費活動是否引導(dǎo)用戶付費傾向，付費轉(zhuǎn)化是否達到預(yù)期。

活躍付費用戶數(shù)： APA；統(tǒng)計時間內(nèi)，成功付費用戶數(shù)，主要衡量產(chǎn)品付費用戶規(guī)模，付費用戶構(gòu)成，付費體系穩(wěn)定性如何。

每活躍用戶平均收益： ARPU；統(tǒng)計時間內(nèi)，活躍用戶對游戲產(chǎn)生的人均收入，主要衡量不同渠道的用戶質(zhì)量，游戲收益，以及活躍用戶與人均貢獻關(guān)系。

每付費用戶平均收益： ARPPU；統(tǒng)計時間內(nèi)，付費用戶對游戲產(chǎn)生的平均收入，主要衡量游戲付費用戶的付費水平，整體付費趨勢，以及不同付費用戶有何特征。

平均生命周期： TV；統(tǒng)計周期內(nèi)，用戶平均游戲會話時長，主要衡量產(chǎn)品粘性，用戶活躍度情況。

生命周期價值： LTV；用戶在生命周期內(nèi)，為游戲貢獻價值；主要衡量用戶群與渠道的利潤貢獻，用戶在游戲中的價值表現(xiàn)。

用戶獲取成本： CAC；用戶獲取成本，主要衡量獲取有效用戶的成本，便于渠道選擇，市場投放。

投入產(chǎn)出比： ROI；投入與產(chǎn)出關(guān)系對比，主要衡量產(chǎn)品推廣盈利/虧損狀態(tài)，篩選推廣渠道，分析每個渠道的流量變現(xiàn)能力，實時分析，衡量渠道付費流量獲取的邊際效應(yīng)，拿捏投入力度，結(jié)合其他數(shù)據(jù)（新增、流失、留存、付費等）調(diào)整游戲，進行流量轉(zhuǎn)化與梳理。

以上是關(guān)于數(shù)據(jù)的一些概括， 對于數(shù)據(jù)分析，需要我們以理性的眼光對待 ；因為各家對相關(guān)數(shù)據(jù)定義不同，算法不同； 在對數(shù)據(jù)進行分析時需要我們看清分析誤區(qū)，綜合其他數(shù)據(jù)進行分析，根據(jù)自己的數(shù)據(jù)分析思路制定相應(yīng)的分析方案，切不可盲目分析，粗暴分析。

最后值得注意的是精細化的運營數(shù)據(jù)分析工作，思維不能亂，思維亂了，全盤皆亂；這時候的數(shù)據(jù)分析也無法提供正確的考量價值，如果覺得數(shù)據(jù)分析毫無頭緒，雜亂無章；冷靜下來，理順思路，有大概的數(shù)據(jù)構(gòu)思之后再做行動；只有這樣才能培養(yǎng)自己嚴謹?shù)倪壿嫹治瞿芰Α?/span>