產(chǎn)品經(jīng)理多少要懂點數(shù)據(jù)分析荧飞，不可免俗的這篇把幾個大概念講一下名党。
數(shù)據(jù)分析的作用
數(shù)據(jù)分析是定量分析的手段挠轴。在《誰說菜鳥不會數(shù)據(jù)分析》一書中，提到了數(shù)據(jù)分析的三個作用欧啤。
1. 描述
通過數(shù)據(jù)分析可以描述產(chǎn)品的現(xiàn)狀及其原因启上。
2. 探索
數(shù)據(jù)分析還可以通過現(xiàn)狀，對未來進行預測和探索倒慧。
3. 驗證
通過數(shù)據(jù)分析的結(jié)果包券，可以驗證產(chǎn)品假設(shè)。
數(shù)據(jù)的構(gòu)成
來認識一下數(shù)據(jù)：一條數(shù)據(jù)是由事件溅固、屬性侍郭、參數(shù)三個要素構(gòu)成的。
數(shù)據(jù)由事件觸發(fā)亮元，數(shù)據(jù)根據(jù)觸發(fā)的事件不同進行分類苹粟。例如，用戶的一次按鈕點擊嵌削、登錄望艺、購買肌访，系統(tǒng)的一次消息推送都是一次事件。
屬性和參數(shù)構(gòu)成了對事件的完整性描述惩激。如蟹演，一次購買事件，除了購買事件本身外骡技，可能還需要收集用戶購買的數(shù)量羞反、商品的金額等等。當然昼窗，也并非所有數(shù)據(jù)都需要屬性。如唆途，統(tǒng)計某個按鈕的點擊數(shù)量時就不需要屬性缤削。
數(shù)據(jù)采集
數(shù)據(jù)分析的第一步是數(shù)據(jù)采集。埋點是最常用的數(shù)據(jù)采集的方式滚婉，隨著數(shù)據(jù)采集需求的多樣化帅刀，無埋點技術(shù)也得到了廣泛的應用。
埋點
數(shù)據(jù)埋點扣溺，就是在事件被觸發(fā)的地方锥余，設(shè)置一個數(shù)據(jù)收集點。當觸發(fā)這個數(shù)據(jù)收集點的事件出現(xiàn)時，對數(shù)據(jù)進行收集足画。
例如需要收集注冊用戶的數(shù)據(jù)佃牛。可以在注冊用戶的代碼上埋個數(shù)據(jù)收集點象缀。每當用戶注冊時爷速，就進行一次數(shù)據(jù)采集。
無埋點
無埋點是相對于埋點來說的遍希。無埋點是指無需代碼埋點的技術(shù)。數(shù)據(jù)收集人員可以通過數(shù)據(jù)采集工具，對需要采集的數(shù)據(jù)點進行設(shè)置废封。
例如丧蘸，需要收集用戶點擊了購買按鈕的次數(shù)×ε纾可以通過無埋點工具將購買按鈕設(shè)置成一個數(shù)據(jù)采集點弟孟。每當用戶點擊了購買按鈕，就進行一次數(shù)據(jù)采集拂募。
埋點和無埋點對比
全面性
代碼埋點可以收集詳細的數(shù)據(jù)信息。例如蔼水，采集用戶一次購買行為的數(shù)據(jù)录肯，可以采集到購買的商品數(shù)量、金額等數(shù)據(jù)。
無埋點方法則只能收集簡單的用戶行為事件。例如旬昭，統(tǒng)計用戶點擊了多少次購買按鈕哼御，但是不能采集購買的詳細信息。
便捷性
代碼埋點每次需要收集數(shù)據(jù)，都需要修改代碼重新發(fā)布版本贬芥。對于臨時的數(shù)據(jù)收集需求并不是很方便。
無埋點方式并不需要修改代碼昏苏，將收集點設(shè)置好了之后就可以進行數(shù)據(jù)收集了威沫。
數(shù)據(jù)庫和日志
除了主動收集用戶數(shù)據(jù)外，產(chǎn)品的數(shù)據(jù)庫和日志孵构，也有大量的用戶行為數(shù)據(jù)烟很。
假設(shè)用戶在產(chǎn)品上設(shè)置了性別、年齡恤筛，這些數(shù)據(jù)都將被保存在數(shù)據(jù)庫上芹橡。當我們需要分析用戶年齡分布時，直接從數(shù)據(jù)庫讀取用戶的年齡數(shù)據(jù)即可僻族。
數(shù)據(jù)指標
數(shù)據(jù)指標可以對業(yè)務進行衡量述么，便于我們把控產(chǎn)品和業(yè)務的發(fā)展。
數(shù)據(jù)指標的分類
根據(jù)指標的作用度秘，可以將指標成分結(jié)果型指標和過程型指標。
結(jié)果型指標
結(jié)果型指標往往可以衡量產(chǎn)品的現(xiàn)狀唆貌，描述的是產(chǎn)品“怎么樣？”语卤。如銷售額酪刀、轉(zhuǎn)化率等，描述的是產(chǎn)品現(xiàn)狀眼滤。
過程型指標
過程型指標則可以了解產(chǎn)品現(xiàn)狀的原因历涝，解決的是產(chǎn)品“為什么這樣？”堰塌。如瀏覽量分衫、跳出率。銷售額是受到了瀏覽量丐箩、跳出率的影響屎勘。
根據(jù)指標的表現(xiàn)形式居扒，可以將指標分成絕對指標和相對指標。
絕對指標
絕對指標反映規(guī)模的大小喜喂，如銷售額、用戶數(shù)等照弥。
相對指標
相對指標反映質(zhì)量的好壞进副，如存留率、轉(zhuǎn)化率等给赞。
拆解數(shù)據(jù)指標
數(shù)據(jù)指標的拆解常用的是杜邦分析法。杜邦分析法最早由美國杜邦公司應用残邀，所以被稱為杜邦分析法柑蛇。利用杜邦分析法是將核心的數(shù)據(jù)指標逐層拆解，直至最小指標九秀。從而可以深入分析核心指標的影響因素粘我。
以銷售額分析為例，銷售額由購買人數(shù)和客單價決定都弹，而購買人數(shù)是在活躍用戶中產(chǎn)生匙姜。然后再一層層的進行拆解分析。
指標的緯度
維度是指事務或者數(shù)據(jù)的特征框杜，如年齡袖肥、地區(qū)、時間等油狂。在做數(shù)據(jù)分析的時候寸癌，常常需要通過不同的緯度來進行分析的。
通過時間緯度磷蛹，可以相同指標填渠，在不同時期進行一個縱向的分析鸟辅。如分析每天新增用戶的數(shù)量莺葫。
通過其他緯度，對同級單位的數(shù)據(jù)進行橫向分析再层。如不同性別堡纬、年齡、地區(qū)的用戶之間的指標差別烤镐。
可以這么說炮叶，任何不加緯度的數(shù)據(jù)分析都是耍流氓。在聽到某個產(chǎn)品用戶達到百萬時镜悉，其實并沒什么太多信息量侣肄。有多少用戶還在使用產(chǎn)品？每天新增了多少用戶又流失了多少用戶吼具？我們一無所知矩距。
常用維度
時間
常見的時間緯度有年、月剩晴、日侵状、時等單位趣兄。如年度、月度艇潭、一周、單日鲁纠、日均，都是以時間為緯度情龄。通過縱向?qū)Ρ炔煌瑫r間捍壤，指標數(shù)據(jù)隨著時間變化的趨勢。
用戶屬性
將用戶按屬性加以區(qū)分专酗，然后分析不同分組的用戶數(shù)據(jù)盗扇。不同用戶類型會呈現(xiàn)出不同的用戶行為粱玲，如果不加以區(qū)分，容易掩蓋很多現(xiàn)象抽减。
如按注冊時間分，將用戶分成新用戶颠锉、老用戶史汗，按地區(qū)，將用戶分成一線瓷蛙、二線戈毒、三線城市用戶，按目的將用戶分成買家冠桃、賣家等道宅。
終端類型
常見的終端類型按設(shè)備類型分為PC胸蛛、移動端葬项、平板電腦肃弟。按實現(xiàn)類型Web、Wap穷缤、APP等箩兽，還有基于大型平臺的微信小程序、百度輕應用等身坐。
特別是PC端和移動端的用戶落包，往往呈現(xiàn)出巨大的使用差異。
版本
按版本來區(qū)分可以查看版本之間的差異涯鲁，特別是某些重大的迭代更新的版本有序。以版本作為緯度，可以衡量產(chǎn)品更新后的效果警绩。
事件
通過執(zhí)行某些關(guān)鍵事件對用戶進行區(qū)分盅称，繼而對不同用戶進行區(qū)分和對比分析。
如基于注冊事件區(qū)分注冊用戶和非注冊用戶搭幻，基于發(fā)布內(nèi)容事件區(qū)分內(nèi)容創(chuàng)作用戶和普通用戶逞盆。
渠道
對用戶的來源渠道進行區(qū)分云芦，是運營日常衡量渠道作用的重要標志。對產(chǎn)品來說桌肴，有時候基于渠道的分析并進行針對性設(shè)計琉历，可以有效的優(yōu)化渠道效果。比如彪置，怎么提升通過搜索引擎訪問的用戶的注冊率蝇恶。
產(chǎn)品要懂點數(shù)據(jù)分析（一）-數(shù)據(jù)采集和數(shù)據(jù)指標
產(chǎn)品要懂點數(shù)據(jù)分析（二）-常用指標
產(chǎn)品要懂點數(shù)據(jù)分析（三）- 分析過程
產(chǎn)品要懂點數(shù)據(jù)分析（四）- 分析方法
