產品的數據統(tǒng)計分析及精細化運營

史蒂芬說：在對產品的數據分析中，需要對統(tǒng)計分析哪些數據？使用什么工具？以及如何通過應用統(tǒng)計進行分析，從而做到精細化運營？

以下是總結自知乎的高投票率回答
一、  需要統(tǒng)計分析哪些數據？
1、不同的網站因為商業(yè)目的不同，KPI會有所側重
如果你是內容型網站，跳出率肯定是不錯的KPI；如果是視頻網站，在線時長肯定是更好的KPI；如果是購物網站，電商的轉化率會是更好的KPI；
同時，新客戶和老客戶的比例變化也是個不錯的KPI，體現你網站客戶的忠誠度或是獲取新用戶的能力。
2、最終體現你價值的，還需要定制化KPI
但是如果你是個社交網站，什么樣的指標合適，如果你是個拍賣網站，什么樣的指標合適？這就涉及到一些定制的轉化率指標。
順便提及：網站中的每個行為最好都埋點，以便分析
3、在不同的階段，指標都不一樣
網站剛上線，肯定是流量，PV，跳出率;網站運營中期，肯定是新注冊，轉化率，跳出率，電商網站還會考慮客單價，重復購買率;網站某次市場活動，肯定是新訪客比例，跳出率，新訪客的注冊轉化率，目標達到率等。
二、使用什么統(tǒng)計分析工具？

選用哪個工具與公司現狀和公司需求有很大關系。首先，確定在網站數據分析這里公司技術實力如何，部署與收集分析數據能力怎樣；其次，明確公司想要獲得的是純粹報告還是需要分析；最后，是否只需要了解點擊相關數據即可。
不同的實現目標，解決方案的層次會有所不同。顯然簡單的日志分析器是解決不了問題的，建議采用木桶原則劃分工具選擇（以下為書摘）：
木桶1 ：Omniture, Webtrends
木桶2 ：ClickTracks,Unica,XiTi,Nedstat
木桶3 ：Google Analytics,百度統(tǒng)計
木桶1特點-大而全，部署和使用有一定難度；
木桶2特點-后驗分析的佼佼者，管理離線營銷和跨渠道營銷效果好；
木桶3特點-自帶分析功能，可自定義報表，并能與搜索營銷結合。
從每個木桶中至少選擇1款工具做網站分析，試運行1-2個月進行階段性評估，可以從這幾個角度嘗試評估：易用性，功能性，技術，響應，【成本】，了解抽樣算法，搜索分析，小白上手難度（這影響到該系統(tǒng)在公司內普及的程度），校驗數據（數據質量肯定不完美，但可用。看偏離多少，相關人員如何解答這些差異），測試反饋和服務支持，計算總成本。

國外：1、GA ; 2、Clicky; 3、W3Counter; 4、Woopra; 5、W3Perl ； 6、Piwik； 7、TraceWatch; 8、Snoop；9、goingup； 10、JAWStats；11、Crazyegg；
國內： 1、百度統(tǒng)計；2、CNZZ；3、國雙統(tǒng)計; 4、51la；5、量子統(tǒng)計； 6、小艾統(tǒng)計；7、科捷統(tǒng)計；8、好耶iDigger 9、gostats。
外部分析工具：1、Alexa ； 2、IUT； 3、adplanner； 4、quantcast；

（小編注：適用于App）

國內：友盟,機鋒統(tǒng)計,TalkingData,百度移動統(tǒng)計,CNZZ移動數據平臺，imofan
國外：Flurry,google analytics mobile，Mixpanel
開源：cobub
三、如何通過統(tǒng)計結果做到精細化運營？

1、精細化運營的目標
1）產品是什么類型的APP？是否需要過多的運營？
比如說你的產品只是個工具，那恐怕談不上過多的精細化運營，一般做好常規(guī)的用戶行為分析、再配合用戶定性研究，用于指導產品的設計即可；如果是內容型產品，或者功能和內容兼具的產品，那確實需要考慮。
2）設計統(tǒng)計框架
統(tǒng)計的目標要弄清楚，拿到數據之后用來做什么？指導功能改進，還是版面調整？再或者是作為用戶對內容質量評判的指標？
假設用戶在你的app上會頻繁進行交互和使用功能，同時還會瀏覽或者產生內容，那么需要在產品設計的同時，把你的統(tǒng)計框架設計好。
2、簡要的操作流程
1）數據采集
首先列出你需要的數據項，接著評估哪部分是需要APP上報的，哪部分是后臺可以統(tǒng)計的，然后分別在前后臺加上。一般來講，APP上報采集的數據，在發(fā)布前一定要經過謹慎的校驗和測試，因為一旦版本發(fā)布出去而數據采集出了問題，不僅之前的功夫都白做了，還會帶來一大堆臟數據，同時還有可能降低客戶端的運行效率，得不償失。
2）數據整理
數據采集完之后，需要將各種原始數據加工成為產品經理需要的直觀的可看數據，這里需要做一些基本的數據邏輯關聯和展示，就不贅述了。
3）數據分析
按照一開始設計的統(tǒng)計框架，你可以很清楚的看到自己需要的數據了。比如用戶行為：哪些功能使用得被人均使用得最多，哪些按鈕被頻繁點擊，哪些在顯著位置卻未達到預期使用效果的功能，等等;比如內容分析：哪篇文章被查閱最多，哪些內容被評論或者贊得最多，等等。
當然以上只是基礎得不能再基礎的分析，再深入一點的，例如你拿到這些數據，可以分析使用A功能的用戶同時還喜歡B功能，二者關聯性較強，是否可以在前端設計時更多的考慮整合，或者界面上的調整；比如分析點擊流，大部分用戶訪問或使用APP的路徑是怎么樣的，是不是把核心功能藏得太深了？再比如可以分析不同用戶屬性，比如男性用戶和女性用戶，他們在用戶行為上是否有明顯差異？等等。
不同產品的數據分析方式和模型差距非常大，沒法一下子就說清楚。所以以上更多的是舉例。
3、一些需要注意的原則
1）數據本身是客觀的，但被解讀出來的數據一定是主觀的，同樣的數據由不同的人分析很可能得出完全相反的結論，所以一定不能提前帶著觀點去分析（比如已經有了假設，再用數據去論證）；
2）APP采集數據，一定是優(yōu)先級比較低的事情，不能因為數據的采集而影響產品的性能和用戶體驗，更不能采集用戶的隱私數據（雖然國內很多APP并沒有這么做）；
3）數據不是萬能的，還是要相信自己的判斷。