一、三大理念

1镀层、以數(shù)據(jù)為驅(qū)動(dòng)的價(jià)值觀

認(rèn)同數(shù)據(jù)的價(jià)值镰禾；工作定位：統(tǒng)計(jì)、助力唱逢、優(yōu)化吴侦、創(chuàng)新；商業(yè)變現(xiàn)是最根本目標(biāo)：用戶使用→產(chǎn)生數(shù)據(jù)→商業(yè)變現(xiàn)

2坞古、用戶行為分析的方法論

具體講解

3备韧、用戶行為分析工具

Google analysis、神策數(shù)據(jù)痪枫、Growing IO等等

二织堂、數(shù)據(jù)指標(biāo)與名詞含義

1、流量來源：網(wǎng)站的訪問來源听怕，用于統(tǒng)計(jì)分析各渠道的推廣效果捧挺。如用戶來知乎、微博等等

2尿瞭、PV（page view）: 即頁(yè)面瀏覽量或點(diǎn)擊量闽烙，指頁(yè)面刷新的次數(shù)，每一次頁(yè)面刷新声搁，就算做一次PV流量黑竞。

3、UV (unique visitor): 即獨(dú)立訪客數(shù)疏旨，在同一天內(nèi)很魂，UV只記錄第一次進(jìn)入網(wǎng)站的具有獨(dú)立IP的訪問者，在同一天內(nèi)再次訪問該網(wǎng)站則不計(jì)數(shù)檐涝。PV與UV的比值一定程度上反映產(chǎn)品的粘性遏匆，比值越高往往粘性越高.

4法挨、IP數(shù)：IP數(shù)即獨(dú)立IP的訪問用戶數(shù)，指1天內(nèi)使用不同IP地址的用戶訪問網(wǎng)站的數(shù)量幅聘。IP數(shù)字與UV可能不同（可大可小可相等）.

5凡纳、日活/月活：每日活躍用戶數(shù)（DAU）/每月活躍用戶數(shù)（MAU），反映的是網(wǎng)站或者APP的用戶活躍程度帝蒿，用戶粘性荐糜。

6、次日留存/次月留存：次日留存葛超、次月留存反映的是網(wǎng)站或者APP的留存率暴氏。

7、用戶保有率：指在單位時(shí)間內(nèi)符合有效用戶條件的用戶數(shù)在實(shí)際產(chǎn)生用戶量的比率绣张，也叫用戶留存答渔。

8、轉(zhuǎn)化率/流失率：轉(zhuǎn)化率一般用來統(tǒng)計(jì)兩個(gè)流程之間的轉(zhuǎn)化比例胖替。其中流失率也是重要的數(shù)據(jù)指標(biāo)研儒。用戶流失率=總流失用戶數(shù)/總用戶數(shù)豫缨。

9独令、跳出率：指用戶到達(dá)網(wǎng)站上且僅瀏覽了一個(gè)頁(yè)面就離開的訪問次數(shù)（PV）與所有訪問次數(shù)的百分比。跳出率越高說明越不受歡迎好芭。

10燃箭、退出率：對(duì)某一個(gè)特定的頁(yè)面而言，從這個(gè)頁(yè)面離開網(wǎng)站的訪問數(shù)（PV）占這個(gè)頁(yè)面的訪問數(shù)的百分比舍败。跳出率適用于訪問的著陸頁(yè) （即用戶訪問的第一個(gè)頁(yè)面）招狸，而退出率則適用于任何訪問退出的頁(yè)面。

11邻薯、使用時(shí)長(zhǎng)：每天用戶使用的時(shí)間裙戏。對(duì)于游戲或者是社交產(chǎn)品來說，使用時(shí)間越長(zhǎng)厕诡，說明用戶越喜歡累榜。一般來說，使用時(shí)長(zhǎng)越短說明產(chǎn)品粘性越差灵嫌，用戶越不喜歡壹罚。

12、ARPU：Average Revenue Per User寿羞，每用戶平均收入在一定時(shí)間內(nèi)猖凛，ARPU=總收入/用戶數(shù)。

三绪穆、八大方法

快速定位問題: 內(nèi)外因分析辨泳、行為事件分析who,when,where,how,what.

分析問題原因：點(diǎn)擊分析虱岂、行為軌跡分析、漏斗模型菠红、留存分析量瓜、

解決問題辦法：A/B test、灰度測(cè)試

1途乃、內(nèi)外因素分析：快速定位問題绍傲。

例子： 一款金融類產(chǎn)品UV下降，內(nèi)部可控因素：渠道變化耍共、近期上線更新版本烫饼、內(nèi)部不可控因素：公司戰(zhàn)略變更、外部可控因素：淡旺季试读、外部不可控因素：監(jiān)管杠纵。

2、事件分析：4W1H

用戶在某個(gè)時(shí)間點(diǎn)钩骇、某個(gè)地方比藻、以某種方式完成了某個(gè)具體的事情。

事件維度：用戶在產(chǎn)品中的行為以及業(yè)務(wù)過程倘屹。

指標(biāo)：具體的數(shù)值银亲，訪客、地址纽匙、瀏覽量（PV务蝠、UV）、停留時(shí)長(zhǎng)烛缔。趨勢(shì)分析：分析各個(gè)事件的趨勢(shì)

通過事件分析馏段，比如分析用戶的在線時(shí)長(zhǎng)、點(diǎn)擊事件践瓷、下載事件等等院喜，然后分析用戶的行為。并且通過各類圖標(biāo)來分析用戶的行為趨勢(shì)晕翠，從而對(duì)用戶的行為有初步的了解喷舀。

3、試點(diǎn)分析

發(fā)現(xiàn)問題——解決辦法——灰度測(cè)試——規(guī)难旅妫化推廣

4元咙、漏斗模型

漏斗模型是最常用的分析方法，可以廣泛應(yīng)用于流量監(jiān)控巫员、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運(yùn)營(yíng)工作中庶香。

特別在需要分析用戶在哪個(gè)環(huán)節(jié)流失最嚴(yán)重時(shí)使用。

5简识、留存分析

通過留存分析赶掖，分析用戶的次日留存感猛、次周留存、次月留存等等奢赂，次日留存率能夠說明用戶對(duì)這款產(chǎn)品是否有持續(xù)使用的興趣陪白，對(duì)于社交、游戲類產(chǎn)品來說膳灶，次日留存率非常重要咱士。

6、行為軌跡分析

關(guān)注用戶如何使用產(chǎn)品的

例：通過用戶行為軌跡分析發(fā)現(xiàn)轧钓，大部分用戶支付轉(zhuǎn)化率不高并不是退出了序厉，而是返回了上一個(gè)頁(yè)面，猜測(cè)：當(dāng)前頁(yè)面信息不足毕箍，用戶在猶豫弛房，想返回上一個(gè)頁(yè)面再了解一下產(chǎn)品。

7而柑、A/B test

A/B?test是一種產(chǎn)品優(yōu)化方法文捶，AB測(cè)試本質(zhì)上是個(gè)分離式組間實(shí)驗(yàn)，將A與B兩個(gè)不同的版本同時(shí)發(fā)往兩個(gè)幾乎一致的用戶群媒咳，來觀測(cè)這兩個(gè)用戶群的數(shù)據(jù)反饋粹排。

需要注意：實(shí)驗(yàn)設(shè)計(jì)科學(xué)、采樣具有代表性等等伟葫。

8恨搓、點(diǎn)擊分析

能夠直觀地看出來在這個(gè)頁(yè)面中，用戶的注意力都集中在哪些地方筏养，用戶最常用的功能是什么。

方便產(chǎn)品經(jīng)理對(duì)用戶行為形成整體的了解常拓，有助于產(chǎn)品經(jīng)理引導(dǎo)用戶往自己想要的方向去操作渐溶。

來源于 各種資料整理摘抄，旺崽沖沖沖弄抬！