基本數(shù)據(jù)分析思維
在介紹數(shù)據(jù)分析方法之前，來(lái)看一下常用的數(shù)據(jù)分析的基本思維懂傀。
對(duì)比思維
一個(gè)孤立的沒(méi)有對(duì)比的指標(biāo)其作用是很有限的趾诗。只有通過(guò)不同指標(biāo)的對(duì)比，才能知道指標(biāo)好壞蹬蚁。
常見(jiàn)的對(duì)比方法有：
和外部對(duì)比：和同行恃泪、競(jìng)品郑兴、行業(yè)平均數(shù)據(jù)對(duì)比。
和內(nèi)部對(duì)比：和內(nèi)部的其他分組贝乎、業(yè)務(wù)進(jìn)行對(duì)比杈笔。如新老用戶(hù)之間對(duì)比、不同渠道數(shù)據(jù)對(duì)比糕非。
和預(yù)期對(duì)比：實(shí)際的數(shù)據(jù)指標(biāo)和預(yù)期的指標(biāo)對(duì)比蒙具。
不同時(shí)期對(duì)比：同一個(gè)指標(biāo)在不同時(shí)期的數(shù)據(jù)進(jìn)行對(duì)比。如同比朽肥、環(huán)比等禁筏。
事件前后對(duì)比：在關(guān)鍵事件前后指標(biāo)的對(duì)比，如活動(dòng)前后衡招、版本更新前后篱昔。
分類(lèi)思維
將數(shù)據(jù)分類(lèi)進(jìn)行分析，能消除各個(gè)分類(lèi)之間的相互影響始腾。
假設(shè)將已流失的用戶(hù)和活躍用戶(hù)一起分析州刽，將會(huì)極大拉低活躍用戶(hù)的數(shù)據(jù)。而分析結(jié)論也會(huì)顯得雜亂無(wú)章浪箭。
分類(lèi)思維很常見(jiàn)穗椅，如用戶(hù)分類(lèi)、渠道分類(lèi)奶栖、市場(chǎng)分級(jí)等匹表。
平均思維
平均分析就是將一個(gè)整體的數(shù)據(jù)平均成一個(gè)一般化的指標(biāo)來(lái)進(jìn)行衡量缰犁。
平均數(shù)更直觀扇单、更具體篓足，且更容易使用阎毅。如人均付費(fèi)蕴茴、平均客單價(jià)等洲炊。
結(jié)構(gòu)思維
結(jié)構(gòu)用于衡量部分占總體的比重關(guān)系形导，常用占比多少來(lái)進(jìn)行表示婉烟。
結(jié)構(gòu)數(shù)據(jù)能直觀反映出整體數(shù)據(jù)的各部分的構(gòu)成鼻弧。如活躍率设江、付費(fèi)率等指標(biāo)。
數(shù)據(jù)分析的基礎(chǔ)方法
杜邦分析法
杜邦分析法是將核心數(shù)據(jù)一層一層向下拆分温数，將一個(gè)數(shù)據(jù)拆分成多個(gè)組成的部分绣硝。通過(guò)這個(gè)方法，可以找到影響數(shù)據(jù)的相關(guān)因素撑刺。
將影響因素逐個(gè)分析鹉胖，就可以知道哪些因素影響了核心數(shù)據(jù)指標(biāo)。
矩陣分析法
通過(guò)核心的指標(biāo)，將數(shù)據(jù)劃分成多個(gè)矩陣區(qū)間甫菠，然后分析各自區(qū)間的數(shù)據(jù)挠铲。避免大而全面面俱到得分析。
RFM模型就是矩陣分析的一個(gè)重要的應(yīng)用寂诱。通過(guò)最近一次消費(fèi)拂苹、消費(fèi)頻率、消費(fèi)金額三個(gè)維度痰洒，將客戶(hù)分成了重要發(fā)展客戶(hù)瓢棒、重要價(jià)值客戶(hù)等8個(gè)區(qū)間。然后針對(duì)每個(gè)區(qū)間用戶(hù)的特點(diǎn)制定不同的運(yùn)營(yíng)策略丘喻。
漏斗分析法
漏斗分析針對(duì)用戶(hù)的關(guān)鍵路徑從開(kāi)始到結(jié)束脯宿，每個(gè)環(huán)節(jié)的轉(zhuǎn)化率進(jìn)行分析的方法。
漏斗分析能直觀的看出用戶(hù)在每個(gè)環(huán)節(jié)的流失或轉(zhuǎn)換情況泉粉，然后有針對(duì)性的進(jìn)行優(yōu)化连霉。
交叉分析法
交叉分析是將兩個(gè)維度的指標(biāo)放在一起，進(jìn)行對(duì)比分析嗡靡。交叉分析能進(jìn)行多維度對(duì)比跺撼，使得數(shù)據(jù)更加清晰。
數(shù)據(jù)分析法
用戶(hù)分析
用戶(hù)分析也稱(chēng)用戶(hù)屬性分析讨彼，根據(jù)用戶(hù)的屬性歉井，分析用戶(hù)的構(gòu)成。用戶(hù)分析有助于了解用戶(hù)構(gòu)成点骑。
常見(jiàn)的用戶(hù)屬性有：
- 用戶(hù)自然屬性：性別酣难、年齡、職業(yè)黑滴、住址等；
- 用戶(hù)狀態(tài)屬性：新用戶(hù)紧索、活躍用戶(hù)袁辈、流失用戶(hù)、回訪用戶(hù)等珠漂；
- 用戶(hù)終端屬性：Android晚缩、iPhone、iPad媳危、軟件版本等荞彼；
- 用戶(hù)行為屬性：注冊(cè)時(shí)間、打開(kāi)次數(shù)待笑、消費(fèi)金額鸣皂、發(fā)布內(nèi)容等。
事件分析
所謂事件就是用戶(hù)在產(chǎn)品中的一次操作或行為。如登錄寞缝、瀏覽頁(yè)面癌压、點(diǎn)擊元素等。事件分析就是分析用戶(hù)在產(chǎn)品中的操作和行為荆陆。
在事件分析中主要通過(guò)事件發(fā)生的次數(shù)和執(zhí)行事件的用戶(hù)數(shù)兩個(gè)指標(biāo)來(lái)分析滩届。
事件發(fā)生次數(shù)
統(tǒng)計(jì)事件發(fā)生的次數(shù)，不考慮執(zhí)行的人是否同一個(gè)被啼。如一天內(nèi)發(fā)布了多少內(nèi)容帜消、提交了多少訂單。
執(zhí)行事件的用戶(hù)數(shù)
統(tǒng)計(jì)執(zhí)行事件的用戶(hù)數(shù)浓体，多次執(zhí)行則被統(tǒng)計(jì)成一個(gè)用戶(hù)券犁。如一天內(nèi)登錄系統(tǒng)的用戶(hù)數(shù)、參與互動(dòng)的用戶(hù)數(shù)汹碱。
漏斗分析
上文也提到漏斗分析是一種基礎(chǔ)的分析方法粘衬。漏斗分析主要用于分析一個(gè)多步驟的過(guò)程，在各個(gè)步驟的轉(zhuǎn)換或流失情況咳促。用于衡量轉(zhuǎn)化效果稚新，進(jìn)行轉(zhuǎn)化分析。
漏斗分析需要注意步驟次序和轉(zhuǎn)化周期兩個(gè)因素跪腹。
步驟次序
步驟次序序是指步驟的前后關(guān)系褂删，根據(jù)具體的問(wèn)題可以選擇是否考慮步驟的次序。
假設(shè)用戶(hù)完成一個(gè)過(guò)程需要A-B-C三個(gè)步驟冲茸。如果考慮步驟次序屯阀，那么用戶(hù)通過(guò)A-C-B完成這個(gè)過(guò)程，則不被當(dāng)成是一次轉(zhuǎn)化過(guò)程轴术。如果不考慮步驟次序难衰，則會(huì)被計(jì)算成一次成功的轉(zhuǎn)化。
轉(zhuǎn)化周期
轉(zhuǎn)化周期是指一個(gè)用戶(hù)完成一次轉(zhuǎn)化需要的時(shí)間逗栽。
我們知道用戶(hù)經(jīng)常不是連續(xù)完成整個(gè)過(guò)程的盖袭。用戶(hù)可在這次登錄先添加購(gòu)物車(chē)，下次登錄再提交訂單彼宠，兩個(gè)步驟之間有時(shí)間間隔鳄虱。
根據(jù)業(yè)務(wù)的不同，轉(zhuǎn)化周期可以設(shè)置成同一次登錄凭峡、一天拙已、七天等。
轉(zhuǎn)化周期設(shè)置的長(zhǎng)短直接影響到轉(zhuǎn)化率的計(jì)算摧冀，需要根據(jù)具體業(yè)務(wù)適當(dāng)選擇倍踪。
路徑分析
路徑分析是分析用戶(hù)在一個(gè)過(guò)程可能存在的多個(gè)步驟中系宫，最終的執(zhí)行過(guò)程。分析用戶(hù)通過(guò)哪些步驟最終到達(dá)目標(biāo)事件惭适。
分析過(guò)程中笙瑟，首先選取的若干個(gè)關(guān)鍵步驟進(jìn)行統(tǒng)計(jì)，然后分析用戶(hù)按什么順序執(zhí)行各個(gè)步驟的癞志。
到達(dá)目標(biāo)的用戶(hù)可能很多往枷，可以通過(guò)圖表將直觀的其羅列出來(lái)。
路徑分析過(guò)濾了沒(méi)有到達(dá)目標(biāo)的用戶(hù)凄杯，也就是說(shuō)错洁，用戶(hù)分析所分析的對(duì)象是已經(jīng)完成目標(biāo)事件的用戶(hù)。
路徑分析也需要考慮觀察周期的問(wèn)題戒突。因?yàn)槁窂接^察的是用戶(hù)連續(xù)的操作步驟屯碴，所以一般情況下路徑分析的觀察周期相對(duì)較短，通常設(shè)置一次登錄過(guò)程或者若干小時(shí)以?xún)?nèi)膊存。
留存分析
留存簡(jiǎn)單來(lái)講就是用戶(hù)留下來(lái)繼續(xù)使用產(chǎn)品导而。留存分析主要分析用戶(hù)的參與度或活躍度。
初始事件和后續(xù)事件
用戶(hù)觸發(fā)了初始事件即可作為被觀察的初始用戶(hù)隔崎，然后在一定時(shí)期內(nèi)今艺，執(zhí)行了后續(xù)事件的用戶(hù)則被視為留存用戶(hù)。
我們?nèi)粘７治鲂掠脩?hù)留存的時(shí)候爵卒，初始事件為用戶(hù)完成注冊(cè)虚缎，后續(xù)事件為重新登錄系統(tǒng)。但是钓株，初始事件和后續(xù)行為并不一定是注冊(cè)和登錄实牡。
如果將初始事件設(shè)置成第一天簽到，后續(xù)事件設(shè)置成后續(xù)的簽到行為轴合，可以分析簽到活動(dòng)的存留情況创坞。如果將初始事件設(shè)置為完成一次內(nèi)容發(fā)布，后續(xù)事件設(shè)置成登錄系統(tǒng)值桩，則可以分析發(fā)布內(nèi)容對(duì)用戶(hù)留存的影響摆霉。
起始時(shí)間和時(shí)間間隔
起始時(shí)間是選取用戶(hù)數(shù)量的時(shí)間，后續(xù)的留存分析都以這個(gè)起始時(shí)間的用戶(hù)數(shù)量進(jìn)行對(duì)比奔坟。
間隔時(shí)間是觀察留存情況和起始時(shí)間的間隔。在間隔時(shí)間后執(zhí)行了后續(xù)事件的用戶(hù)則為留存用戶(hù)搭盾。
統(tǒng)計(jì)粒度
通常我們以天為統(tǒng)計(jì)單位咳秉，如次日留存率、三日留存率鸯隅、30日留存率澜建。但是根據(jù)產(chǎn)品形態(tài)的不同向挖，統(tǒng)計(jì)的粒度也不盡相同，也可以以周炕舵、月等位單位何之。
例如購(gòu)票類(lèi)APP，因?yàn)槠涫褂妙l率較低咽筋，所以可以考慮以周或月為單位溶推。
分布分析
分布分析是將數(shù)據(jù)劃分成若干個(gè)區(qū)間段，然后分析觀察對(duì)象在各個(gè)區(qū)間段的分布情況奸攻。
例如蒜危，分析用戶(hù)的年齡段分布情況，文章的閱讀次數(shù)分布情況等睹耐。
分布分析還可以根據(jù)選定的對(duì)象的分布情況辐赞，分析所選取對(duì)象的共性特征。
例如分析什么樣的產(chǎn)品銷(xiāo)量更好硝训，可以選定銷(xiāo)量好的產(chǎn)品响委，然后分析其分布情況。按價(jià)格區(qū)間分布窖梁、按品類(lèi)分布赘风，然后可以分析出哪些價(jià)格區(qū)間、哪些品類(lèi)的產(chǎn)品銷(xiāo)量更好窄绒。
熱力圖分析
通過(guò)將用戶(hù)在頁(yè)面上的操作繪制成熱力圖贝次，可以看出用戶(hù)在頁(yè)面哪些地方停留或操作的次數(shù)較多。然后觀察熱力圖彰导，用戶(hù)停留或操作的地方是否我們所期望的蛔翅。
在移動(dòng)端，主要分析用戶(hù)的點(diǎn)擊次數(shù)位谋、頁(yè)面停留時(shí)間山析、頁(yè)面滾動(dòng)情況等。在PC端掏父，還能分析鼠標(biāo)的滑動(dòng)軌跡笋轨、停留時(shí)間等。
用戶(hù)行為分析
將用戶(hù)的每一步操作都記錄下來(lái)赊淑，然后單獨(dú)分析某一個(gè)用戶(hù)的行為爵政。
相比于用戶(hù)路徑分析，用戶(hù)行為的分析是針對(duì)單一個(gè)用戶(hù)進(jìn)行分析陶缺。同時(shí)钾挟，其能記錄的步驟或行為更加詳盡，幾乎能跟蹤到用戶(hù)操作的每個(gè)步驟饱岸。
產(chǎn)品要懂點(diǎn)數(shù)據(jù)分析（一）-數(shù)據(jù)采集和數(shù)據(jù)指標(biāo)
產(chǎn)品要懂點(diǎn)數(shù)據(jù)分析（二）-常用指標(biāo)
產(chǎn)品要懂點(diǎn)數(shù)據(jù)分析（三）- 分析過(guò)程
產(chǎn)品要懂點(diǎn)數(shù)據(jù)分析（四）- 分析方法
