分析思路

1. 基于用戶路徑分析

• App核心模塊的到達(dá)率提升、特定用戶群體的主流路徑提取與瀏覽特征刻畫，App產(chǎn)品設(shè)計的優(yōu)化與改版等
• 定義用戶畫像標(biāo)簽化：通過用戶的app使用操作數(shù)據(jù)來進(jìn)行劃分用戶，對于一個話題主動分析制作帖子的創(chuàng)造主動型用戶、熱衷于點(diǎn)贊評論的互動型用戶、默默看帖子不作反饋的潛水型用戶

2. 基于產(chǎn)品節(jié)點(diǎn)

對于一個電商app，加入購物車到下單成功的數(shù)據(jù)轉(zhuǎn)化率分析，優(yōu)惠券的使用率分析，基于關(guān)鍵節(jié)點(diǎn)的數(shù)據(jù)分析可通過增加輔助功能進(jìn)行優(yōu)化分析，例如支付轉(zhuǎn)化率的提高可以加入倒計時/有xx人同時在搶等等，促使盡快完成支付

分析步驟

1. 定義

• 針對問題是什么：到達(dá)率？用戶路徑轉(zhuǎn)化率？訂單用戶轉(zhuǎn)化率？
• 數(shù)據(jù)指標(biāo)的定義：例： 訂單用戶轉(zhuǎn)化率： 訂單用戶/全體用戶 vs 訂單用戶/訪問用戶
• 對產(chǎn)品的實(shí)際意義：提高訂單量？
  明確期望值：
  運(yùn)營推廣：用戶量上升，拉新促活減少用戶流失
  促銷活動：付費(fèi)行為上升
  產(chǎn)品迭代：用戶體驗(yàn)上升
  行業(yè)環(huán)境：環(huán)境改善、人口紅利、政策保護(hù)
  用戶質(zhì)量：用戶黏性，ltv、對手
• 確定分析范圍：哪幾個數(shù)據(jù)

2. 數(shù)據(jù)收集

• 收集方法：
  問卷調(diào)查
  客戶端數(shù)據(jù)：用戶停留時長，頁面到達(dá)率等
  服務(wù)端數(shù)據(jù)和歷史日志：精確度高
  業(yè)務(wù)數(shù)據(jù)：銷售額，訂單數(shù)量等
• 數(shù)據(jù)校驗(yàn)：排除異常
  可控錯誤：系統(tǒng)錯誤（底層數(shù)據(jù)算錯、統(tǒng)計過程錯誤），人工錯誤（數(shù)據(jù)算錯、寫錯，標(biāo)簽打錯，時間統(tǒng)計錯誤）
  可預(yù)異常：環(huán)境異常（節(jié)假日、日常環(huán)境變化），政策異常（宏觀政策變化、公司政策變化），系統(tǒng)異常（系統(tǒng)改版、升級、故障）

3. 數(shù)據(jù)分析

1. 數(shù)據(jù)分析法

• 杜邦分析法
  以電商行業(yè)為例，GMV（網(wǎng)站成交金額）是考核業(yè)績最直觀的指標(biāo)，當(dāng)GMV同比或環(huán)比出現(xiàn)下滑時候，需要找到影響GMV的因素并逐一拆解。GMV下降如果是因下單用戶減少所造成的，那么是訪客數(shù)（流量）減少了，還是轉(zhuǎn)化率下降了呢？如果是訪客數(shù)減少了，那是因?yàn)樽匀涣髁繙p少了，還是因?yàn)闋I銷流量不足？
• 漏斗分析法：流程式數(shù)據(jù)分析
  關(guān)注哪一步流失最多，關(guān)注流失的人都有哪些行為
  記錄流程中每一個節(jié)點(diǎn)的uv人數(shù)，轉(zhuǎn)化率，找出轉(zhuǎn)化率降低的節(jié)點(diǎn)，分析節(jié)點(diǎn)原因
• （AHP 層次分析法：將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性和定量分析的決策方法
  以用戶的忠誠度分析為例，忠誠度是一個偏定性的指標(biāo)，我們需要用定量的數(shù)值進(jìn)行衡量。那么我們可以用AGP層次分析法來分析，選取用戶使用頻率、最近使用時間、平均使用時長及平均使用頁面數(shù)四個可以量化的值進(jìn)行衡量，產(chǎn)品經(jīng)理對這四個值的權(quán)重進(jìn)行定義，再對通過矩陣分析，最終可以得到每個用戶的忠誠值，從而可以進(jìn)行量化比較及分析）

2. 問題分析法：出現(xiàn)某個異常數(shù)據(jù)，如何找出異常數(shù)據(jù)的原因？

例：一個產(chǎn)品核心頁面昨日流量下降了20%以上。為什么？
優(yōu)先排除技術(shù)故障和業(yè)務(wù)調(diào)整，在通過流量角度和用戶角度進(jìn)行分析、發(fā)現(xiàn)問題。

• 技術(shù)角度：常見的內(nèi)部因素： App崩潰、卡死，網(wǎng)頁有400與500錯誤等；外部因素：第三方接口報錯、運(yùn)營商網(wǎng)絡(luò)問題
  檢查數(shù)據(jù)測量工具，檢查數(shù)據(jù)是否正確：（第三方分析工具）
  檢查底層數(shù)據(jù)，確保數(shù)據(jù)準(zhǔn)確；
• 業(yè)務(wù)角度：調(diào)查業(yè)務(wù)上的調(diào)整，市場運(yùn)營活動是否變化
  回顧歷史查看是否出現(xiàn)過此類現(xiàn)象：季節(jié)性變化；部署新版本；天氣或者競爭原因
  考慮最近進(jìn)行的產(chǎn)品上更改，這種更改是否影響了指標(biāo)
  公司業(yè)務(wù)是否發(fā)生了變化，是否有新的營銷策略，新的定價模型，改變了客戶運(yùn)營的方式
  公司其他產(chǎn)品是否發(fā)生了更改，這種更改是否會影響到自己的產(chǎn)品
• 流程角度： 例如事故頁本身情況正常，但之前的頁面退出率大幅增加。這時候分析出問題頁面在流程上的作用。（畫出流程）
  選擇正確的數(shù)據(jù)指標(biāo)，關(guān)注數(shù)據(jù)指標(biāo)的變化；例如地產(chǎn)信息的軟件關(guān)注訪問者的郵政編碼，因?yàn)槠渚哂懈叨鹊牡赜蛐?/li>
• 用戶角度：發(fā)現(xiàn)流程上的問題后（這里是新用戶必須通過問題頁進(jìn)入事故頁），討論出問題的用戶與其他用戶的區(qū)別，為何退出率突然提高。
  用戶的需求是否發(fā)生了改變？
• 其他考慮：
  競爭分析：競爭對手是否加入？離開？
  宏觀或自然變化？

• 是否因?yàn)樾袠I(yè)環(huán)境改善？
  看其他公司數(shù)據(jù)？競品數(shù)據(jù)？游戲工委發(fā)布的官方公告？行業(yè)熱點(diǎn)情況？（數(shù)據(jù)營銷組&主動收集）
  是否用戶質(zhì)量較高？
  內(nèi)部數(shù)據(jù)用戶付費(fèi)、時長、次數(shù)趨勢？
  是否運(yùn)營推廣效果好？
  產(chǎn)品迭代情況，用研/品牌經(jīng)理打聽運(yùn)營活動內(nèi)容和效果
  用戶數(shù)據(jù)下降，是什么原因？
• 對比：
  橫比：與別的公司比
  縱比：與自己的時間軸比
• 細(xì)分：
  細(xì)分維度：時間、地區(qū)、品類
  細(xì)分粒度：時間：天、小時
  地區(qū)：省、市、區(qū)
  品類：大類、單個游戲
• 溯源：查詢源日志和源記錄
  數(shù)據(jù)陷阱：
  幸存者偏差 -> 內(nèi)在有偏的樣本：調(diào)查對象，調(diào)查對象美化形象；分層隨機(jī)抽樣，刻意造成誤差
  精心挑選的平均數(shù)：考慮數(shù)據(jù)分布的離散（方差、標(biāo)準(zhǔn)差、極差）和集中趨勢（平均數(shù)、中位數(shù)、眾數(shù)）
  注意沒有披露的數(shù)據(jù)：樣本數(shù)？變動范圍？標(biāo)準(zhǔn)差？
  坐標(biāo)軸的比例關(guān)系
  濫用平面圖形
  相關(guān)關(guān)系的誤解

3. 改進(jìn) 跟蹤

回答問題的框架

檢查數(shù)據(jù)測量工具，確保測量工具正確性。
檢查基礎(chǔ)數(shù)據(jù)以確保其準(zhǔn)確性；
回顧歷史，查看歷史數(shù)據(jù)情況；
考慮最近產(chǎn)品進(jìn)行的更改；
深入分析數(shù)據(jù)；
考慮公司其他團(tuán)隊的最新更改；
考慮公司可能在產(chǎn)品之外進(jìn)行的任何更改；
考慮用戶行為或客戶趨勢的變化；
進(jìn)行競爭分析；
考慮宏觀政治經(jīng)濟(jì)或自然條件變化；