隨著數(shù)據(jù)分析這兩年的火熱一睁，作為產(chǎn)品/運(yùn)營(yíng)不懂點(diǎn)數(shù)據(jù)分析，特別是在供需市場(chǎng)趨于平衡甚至過(guò)于飽和的情況下佃却，如何讓自己的產(chǎn)品脫穎而出者吁，獲得更大的用戶增長(zhǎng)？如何做好一次運(yùn)營(yíng)活動(dòng)饲帅？......
最近在學(xué)習(xí)一些數(shù)據(jù)分析方法复凳，結(jié)合自己的一些心得瘤泪，梳理出以下數(shù)據(jù)分析文章，讀完本文大概需要8-10分鐘育八。
一均芽、什么是數(shù)據(jù)分析？
數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)方法對(duì)收集來(lái)的數(shù)據(jù)進(jìn)行分析单鹿，以求最大化的發(fā)揮數(shù)據(jù)的價(jià)值掀宋。數(shù)據(jù)如同金錢一樣，本身并沒(méi)有太多的價(jià)值仲锄，而正是由于使用分析方法的存在劲妙，利用分析方法來(lái)得出一定的結(jié)論與發(fā)現(xiàn)問(wèn)題，從而挖掘其巨大的價(jià)值儒喊。
二镣奋、為什么數(shù)據(jù)分析？
很多時(shí)候怀愧，VC投資需要看數(shù)據(jù)侨颈，做投資決策；公司產(chǎn)品/運(yùn)營(yíng)需要做迭代的依據(jù)... 數(shù)據(jù)需求的可能會(huì)來(lái)自多個(gè)方面芯义，總體而言哈垢，數(shù)據(jù)分析的原因主要有以下四種：
1.驅(qū)動(dòng)產(chǎn)品迭代：
用戶使用產(chǎn)品的真實(shí)軌跡是怎樣的？為什么他們會(huì)這么做扛拨，有沒(méi)有更簡(jiǎn)便的流程耘分，以幫助我們作出優(yōu)化決策？也可以分析產(chǎn)品過(guò)往的數(shù)據(jù)绑警，來(lái)洞悉問(wèn)題求泰，驅(qū)動(dòng)有目標(biāo)的產(chǎn)品迭代。
2.深度需求分析
對(duì)用戶所處馬斯諾幾個(gè)層面的需求计盒，用數(shù)據(jù)來(lái)支撐渴频；對(duì)交互需求，用數(shù)據(jù)佐證北启；對(duì)公司層面的需求卜朗，通過(guò)數(shù)據(jù)驗(yàn)證合理性。
3.驅(qū)動(dòng)運(yùn)營(yíng)決策：
產(chǎn)品新功能上線后效果怎么樣暖庄？新功能的用戶活躍度聊替、用戶留存率的變化？A方案和B方案哪個(gè)更好培廓？諸如此類的問(wèn)題惹悄，評(píng)判一個(gè)問(wèn)題的好壞，比較可靠的恐怕就是數(shù)據(jù)了肩钠。感性的定義很多時(shí)候往往會(huì)產(chǎn)生大量的不必要的爭(zhēng)執(zhí)泣港。
4.決策商業(yè)機(jī)會(huì)：
針對(duì)商業(yè)機(jī)會(huì)的評(píng)估暂殖，必要的需求調(diào)研及市場(chǎng)調(diào)研顯得尤為關(guān)鍵。一個(gè)新市場(chǎng)是否值得介入当纱？一個(gè)新項(xiàng)目是否值得投資呛每？是否可以收購(gòu)某公司等等？
三坡氯、如何數(shù)據(jù)分析晨横？
1、數(shù)據(jù)采集：
原則1：全量而非抽樣
采集多種數(shù)據(jù)來(lái)源箫柳，前端與后端手形、業(yè)務(wù)數(shù)據(jù)庫(kù)的全面采集。前端有網(wǎng)頁(yè)端與APP客戶端等悯恍，后端采集用來(lái)補(bǔ)充前端行為事件所無(wú)法采集到的數(shù)據(jù)库糠。
原則2：多維細(xì)分
針對(duì)客戶行為事件實(shí)現(xiàn)5W1H的全面細(xì)化，將行為中的什么人涮毫、什么時(shí)候瞬欧、從哪里、什么原因罢防、什么事情艘虎、如何做的行為軌跡全面記錄下來(lái)，并進(jìn)行細(xì)化篙梢，人（who）可以從注冊(cè)賬號(hào)顷帖、性別、年齡渤滞、個(gè)人成長(zhǎng)階段等細(xì)分；時(shí)間(when)可以從起始時(shí)間榴嗅、結(jié)束時(shí)間等細(xì)分妄呕；從哪里(where)可以從IP、位置信息嗽测、運(yùn)營(yíng)商绪励、OS、機(jī)型唠粥、IMEI疏魏、網(wǎng)絡(luò)接入方式（2G/3G/4G/WIFI）等細(xì)分；原因(why)可以從愛(ài)好晤愧、需求層級(jí)等細(xì)分大莫；事情(what)可以從主題、步驟等細(xì)分官份。行為事件與維度的結(jié)合只厘，就能得出需要的指標(biāo)烙丛，比如用戶在什么地域下的訂單......
目前數(shù)據(jù)采集（埋點(diǎn)）方式主要有三種：
- 第一種：使用第三方統(tǒng)計(jì)分析標(biāo)準(zhǔn)SDK接入到應(yīng)用中
- 第二種：使用無(wú)埋點(diǎn)方式
- 第三種：自己開(kāi)發(fā)，精細(xì)化運(yùn)營(yíng)與產(chǎn)品決策
2羔味、數(shù)據(jù)建模：
搭建數(shù)據(jù)指標(biāo)模型大致要考慮以下三大要素：
a.打通行為數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)河咽；
b.回歸關(guān)鍵數(shù)據(jù)指標(biāo)
c.多維度考慮數(shù)據(jù)可行性
- 第一關(guān)鍵指標(biāo)方法
找出第一關(guān)鍵重要指標(biāo)，然后衍生于子指標(biāo)赋元，比如：電商銷售額
如果你想提升銷售額忘蟹，要么提升買家數(shù)，要么提升客單價(jià)搁凸。
銷售額=買家數(shù)x客單價(jià)
銷售額=流量x轉(zhuǎn)化率x客單價(jià)
在到達(dá)商品詳情頁(yè)中寒瓦，這個(gè)還可以衍生為：
銷售量=商詳uv x 下單率 x 付款率x客單價(jià)
銷售量= 活動(dòng)展現(xiàn) x 活動(dòng)轉(zhuǎn)化率x 下單率x付款率x客單價(jià)
- 各階段指標(biāo)側(cè)重：
MVP階段（驗(yàn)證）：驗(yàn)證可行性與以用戶留存率為目標(biāo)，定性分析坪仇，這個(gè)階段本身并沒(méi)有多少數(shù)據(jù)可言（數(shù)據(jù)型產(chǎn)品）除外杂腰。
增長(zhǎng)階段（跨越鴻溝）：大多數(shù)公司都沒(méi)能到這個(gè)階段，增長(zhǎng)階段的數(shù)據(jù)分析需要適當(dāng)?shù)娜?duì)應(yīng)相應(yīng)的數(shù)據(jù)產(chǎn)品分析師椅文，或者使用更深度的數(shù)據(jù)工具來(lái)做相應(yīng)的決策喂很。可以分為兩個(gè)層面
1.留存階段皆刺，主要以留存率為指標(biāo)（次日留存少辣、7日留存、15日留存羡蛾、30日留存率等）漓帅；
2.引薦階段，主要考慮病毒系數(shù)與病毒周期：平均一個(gè)用戶能帶來(lái)多少個(gè)新用戶痴怨。所以當(dāng)病毒系數(shù)大于1時(shí)忙干，信息將會(huì)不斷擴(kuò)散，而總傳播人數(shù)是發(fā)散的浪藻。相反捐迫，當(dāng)病毒系數(shù)小于1時(shí)，總傳播人數(shù)是收斂的爱葵，以及NPS（凈推薦值）施戴。平臺(tái)期（激活轉(zhuǎn)化）：有專門的數(shù)據(jù)分析師、工程師萌丈，團(tuán)隊(duì)對(duì)數(shù)據(jù)分析更加深入赞哗。主要關(guān)注的是平臺(tái)用戶的活躍度、轉(zhuǎn)化率辆雾，使得度過(guò)平臺(tái)期迎來(lái)下一個(gè)增長(zhǎng)期肪笋。
變現(xiàn)期:營(yíng)收成本、用戶激活召回、LTV涂乌、CAC艺栈、渠道分析等指標(biāo)
3、數(shù)據(jù)分析：
分析方法：有效的數(shù)據(jù)分析方法能夠深度挖掘數(shù)據(jù)的價(jià)值湾盒，常見(jiàn)的數(shù)據(jù)分析法與模型有用戶分群湿右、A/B測(cè)試、多維事件分析罚勾、漏斗分析毅人、AARRR分析等等
這里主要以漏斗分析法、AARRR分析模型尖殃、A/B測(cè)試丈莺、多維事件分析為例展開(kāi)：
● 漏斗分析法
分析從潛在用戶到最終轉(zhuǎn)化用戶這個(gè)過(guò)程中用戶數(shù)量的變化趨勢(shì)，從而尋找到最佳的優(yōu)化空間送丰，這個(gè)方法被普遍用于產(chǎn)品運(yùn)營(yíng)的各個(gè)關(guān)鍵流程分析中缔俄。
何為用戶轉(zhuǎn)化漏斗，就是你的業(yè)務(wù)是如何一步步將一個(gè)用戶轉(zhuǎn)化過(guò)來(lái)器躏。比如：
活動(dòng)：活動(dòng)展示—>點(diǎn)擊詳情—>轉(zhuǎn)化
約妹子：搭訕—>約會(huì)—>牽手->......
經(jīng)過(guò)的每個(gè)階段俐载，都可以拆為好幾個(gè)子階段。而每一個(gè)階段都會(huì)有用戶流失登失、用戶留存下來(lái)遏佣。對(duì)漏斗的每一個(gè)環(huán)節(jié)準(zhǔn)確地記錄數(shù)據(jù)，以便分析和優(yōu)化各個(gè)環(huán)節(jié)的轉(zhuǎn)化率揽浙，是數(shù)據(jù)化運(yùn)營(yíng)的基礎(chǔ)設(shè)施状婶。
比如一個(gè)電商的活動(dòng)頁(yè)，它的漏斗模型應(yīng)該是這樣的：
從瀏覽活動(dòng)頁(yè)面到詳情頁(yè)的轉(zhuǎn)化率是50%馅巷，在詳情頁(yè)下單的下單率是10%膛虫，最終下單到付款的轉(zhuǎn)化率是40%。
有這么個(gè)漏斗令杈，我們就可以分析每個(gè)環(huán)節(jié)代表了什么走敌，該如何去改善：
活動(dòng)頁(yè)—>詳情頁(yè)uv：頁(yè)面上的內(nèi)容是否醒目，商品是否是用戶喜歡的逗噩，需根據(jù)頁(yè)面點(diǎn)擊情況及時(shí)替換點(diǎn)擊效果差的商品。
詳情頁(yè)uv—>下單人數(shù)：詳情頁(yè)是否吸引人跌榔，頁(yè)面加載速度是否有影響异雁，是否需要將商品重新排序。
下單人數(shù)—>付款人數(shù)：是否支付引導(dǎo)差僧须，支付工具是否有故障纲刀，是否低于業(yè)內(nèi)平均指標(biāo)。
另外担平，在同一個(gè)系統(tǒng)內(nèi)部示绊，也需要做轉(zhuǎn)化率進(jìn)行對(duì)比锭部，比如本月與上月，本周與上周面褐，增加了還是減少了拌禾，這樣才能得出更為準(zhǔn)確的結(jié)論與發(fā)現(xiàn)問(wèn)題。
● AARRR模型
AARRR（Acquisition展哭、Activation湃窍、Retention、Revenue匪傍、Refer）是硅谷的一個(gè)風(fēng)險(xiǎn)投資人戴維 · 麥克魯爾在2008年時(shí)創(chuàng)建的您市，分別是指獲取、激活役衡、留存茵休、收入和推薦。
以下例子中渠道A與渠道B哪一個(gè)更優(yōu)手蝎？
比如游戲AARRR各階段指標(biāo)
1.A（How do users find us?）
DNU(日新注冊(cè)且登陸用戶數(shù))榕莺、推廣渠道監(jiān)測(cè)（成本、流量）
2.A（Do users have a great first experience?）
DAU（每日登陸過(guò)游戲用戶數(shù)）柑船、日均使用時(shí)長(zhǎng)帽撑、道具關(guān)聯(lián)分析模型
3.R（Do users come back?）
留存率（次日留存、7日留存鞍时、21日留存亏拉、30留存）、流失率逆巍、流失預(yù)警分析模型
4.R（How do you make money?）
PR（付費(fèi)率）及塘、 ARPU（平均每用戶收入）、ARPPU（平均每付費(fèi)用戶收入））锐极、LTV（生命周期價(jià)值）
5.R（Do users tell others?）
K-factor笙僚、NPS等
● A/B測(cè)試
A/B測(cè)試就是通過(guò)數(shù)據(jù)支撐，不同渠道灵再、不同人群肋层、最終選定方案。
A/B測(cè)試需要有一定的數(shù)據(jù)支撐翎迁，建立準(zhǔn)確性與效率高的框架栋猖，比如針對(duì)不同渠道、用戶分群發(fā)布汪榔、灰度發(fā)布等來(lái)得出合適方案,這里不加以展開(kāi).
● 多維事件分析法
多維事件分析蒲拉，從多個(gè)角度細(xì)分?jǐn)?shù)據(jù)，從中發(fā)現(xiàn)數(shù)據(jù)變化的具體原因。行為事件與維度的結(jié)合可以得到數(shù)據(jù)指標(biāo)雌团，比如在電商應(yīng)用中：
行為事件（1H）：搜索商品燃领、點(diǎn)擊商品詳情、提交訂單锦援、支付訂單猛蔽、售后服務(wù)等等都是一系列事件
維度(5W)：人（who）可以從姓名、性別雨涛、年齡枢舶；時(shí)間(when)可以從停留時(shí)間、下單事件替久、付款事件凉泄、到貨時(shí)間等細(xì)分；從哪里(where)可以從IP蚯根、城市后众、運(yùn)營(yíng)商、OS颅拦、機(jī)型蒂誉、IMEI、網(wǎng)絡(luò)接入方式（2G/3G/4G/WIFI）等細(xì)分距帅；原因(why)可原因(why)可以從愛(ài)好右锨、需求層級(jí)等細(xì)分；事情(what)可以從主題碌秸、步驟等細(xì)分绍移。
兩者結(jié)合就可以得出多維度指標(biāo)，比如用戶在哪個(gè)區(qū)域下訂單讥电，從什么渠道過(guò)來(lái)的蹂窖，過(guò)去一段事件支付訂單款項(xiàng)多少等等......
四、數(shù)據(jù)不是萬(wàn)能的
數(shù)據(jù)雖然不可或缺恩敌，但也不是萬(wàn)能的瞬测，比如在產(chǎn)品創(chuàng)新方向上很難獲得驅(qū)動(dòng)，在長(zhǎng)期的用戶反饋上很難獲得數(shù)據(jù)的足夠判斷纠炮，那么真正能驅(qū)動(dòng)一款產(chǎn)品的用戶快速增長(zhǎng)月趟，靠的都是什么方法呢？
- 做真正有意義的產(chǎn)品
市場(chǎng)上很大一部分產(chǎn)品都是意義不大的恢口，尤其在這個(gè)存量過(guò)于飽和的市場(chǎng)下狮斗，要獲得用戶的快速增長(zhǎng)，還是應(yīng)該回到產(chǎn)品的核心上來(lái)弧蝇，創(chuàng)造真正有價(jià)值的東西，輔以數(shù)據(jù)驅(qū)動(dòng)，這樣的結(jié)合可能能獲得更大的增長(zhǎng)看疗。
- 塑造品牌價(jià)值
對(duì)核心用戶尤其要重點(diǎn)塑造品牌觀念沙峻，在傳統(tǒng)行業(yè)中，眾多企業(yè)做品牌的重視度高于互聯(lián)網(wǎng)行業(yè)的企業(yè)两芳，而在互聯(lián)網(wǎng)確是常常不被重視的摔寨，與本身的燥熱有很大關(guān)系，也許我們可以看看健身應(yīng)用Keep的slogan與品牌塑造案例里面學(xué)習(xí)到更多的東西怖辆。
- 利用增長(zhǎng)黑客技術(shù)
在《增長(zhǎng)黑客》這本書(shū)里面是复，談到了很多增長(zhǎng)黑客技術(shù)增長(zhǎng)的案例，如何低成本的獲得用戶增長(zhǎng)等等竖螃。
五淑廊、最后推薦一些國(guó)內(nèi)外的統(tǒng)計(jì)分析工具與數(shù)據(jù)分析書(shū)籍
8款國(guó)內(nèi)數(shù)據(jù)分析工具
國(guó)內(nèi)的數(shù)據(jù)分析工具大多由小部分免費(fèi)功能+高級(jí)的收費(fèi)功能服務(wù)相結(jié)合。
1特咆、友盟 （https://www.umeng.com/）
2季惩、Growing IO（無(wú)埋點(diǎn) https://www.growingio.com/）
3、神策數(shù)據(jù)分析（https://www.sensorsdata.cn/）
4腻格、TalkingData（http://www.talkingdata.com/）
5画拾、 諸葛iO（https://zhugeio.com/）
6、 百度移動(dòng)統(tǒng)計(jì)（https://mtj.baidu.com/web/welcome/login）
7、 ASO100（http://aso100.com/）
8、 蟬大師（http://www.ddashi.com/）
8款國(guó)外數(shù)據(jù)分析工具
1毅厚、Google Analytics
2冯丙、Flurry Analytics (免費(fèi))-更好的了解用戶群體
3、Crashlytics-Crash分析工具
4怜姿、亞馬遜移動(dòng)分析 (免費(fèi))
5、Tap stream (免費(fèi))-生命周期的分析
6、Followapps – App精細(xì)化分析平臺(tái)
7蚕钦、App Annie
8、Claritics – App BI數(shù)據(jù)分析
** 數(shù)據(jù)分析入門書(shū)籍推薦**
? 《Head First Statistics》：深入淺出統(tǒng)計(jì)學(xué)
? 《精益數(shù)據(jù)分析》
? 《數(shù)據(jù)之魅-基于開(kāi)源工具的數(shù)據(jù)分析》
? 《數(shù)據(jù)挖掘-市場(chǎng)營(yíng)銷鹅很、銷售與客戶關(guān)系管理領(lǐng)域應(yīng)用》
? 《R語(yǔ)言實(shí)戰(zhàn)》
