數(shù)據(jù)分析

第一章 · 基本概念

什么是數(shù)據(jù)分析？

數(shù)據(jù)分析是指選用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法，找到目標(biāo)對(duì)象并進(jìn)行分析，提取有用信息進(jìn)行研究并形成結(jié)論的過(guò)程。

關(guān)鍵詞

• 選用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法 根據(jù)實(shí)際分析需求選用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法

• 目標(biāo)對(duì)象 根據(jù)統(tǒng)計(jì)分析方法確定目標(biāo)對(duì)象

• 進(jìn)行分析 保證過(guò)程的準(zhǔn)確性

• 提取有用信息 排除干擾與無(wú)用信息，提取有用信息

• 深入研究 深入分析與研究

• 形成結(jié)論 弄清楚“說(shuō)明了什么問(wèn)題”

流程

選方法 --> 定對(duì)象 --> 做分析 --> 取信息 --> 細(xì)研究 --> 下結(jié)論

為什么要做數(shù)據(jù)分析？

C端思維

• 得到新用戶

• 維護(hù)老用戶

• 增加收益

B端思維

• 提高工作效率

• 提升用戶體驗(yàn)

案例

電商平臺(tái)的關(guān)注點(diǎn)

目的：盈利 - GMV = 成交量 x 客單價(jià) = 流量數(shù)量 x 轉(zhuǎn)化率 x 客單價(jià)

影響因素

流量數(shù)量

• 直接廣告

  • 網(wǎng)站彈窗

  • 靜態(tài)廣告

  • 線下投放

• 間接廣告

  • 微信公眾號(hào)

  • 新浪微博

  • 社區(qū)論壇

• 搜索引擎

  • 競(jìng)價(jià)排名

• 消息推送

  • EDM

  • 短信

  • APP PUSH

轉(zhuǎn)化率

• 引流

  • 數(shù)量

  • 質(zhì)量

• 詳情頁(yè)

  • 內(nèi)容詳盡

  • 有吸引力

• 下單流程

  • 簡(jiǎn)單易懂

  • 操作便捷

客單價(jià)

• 產(chǎn)品定價(jià)

• 優(yōu)惠促銷

• 商品推薦

轉(zhuǎn)化率：用戶操作路徑優(yōu)化

數(shù)據(jù)分析過(guò)程中隱存的風(fēng)險(xiǎn)

• 分析方案

  • 數(shù)據(jù)分析方案選擇是否合理

• 數(shù)據(jù)來(lái)源

  • 數(shù)據(jù)來(lái)源是否可靠

• 準(zhǔn)確性

  • 分析過(guò)程是否準(zhǔn)確

第二章 · 數(shù)據(jù)分析常用工具

第三章 · 常見的數(shù)據(jù)分析方法

第一節(jié) · 基礎(chǔ)數(shù)據(jù)分析

概念：通過(guò)簡(jiǎn)單易懂的數(shù)據(jù)統(tǒng)計(jì)與分析工作，了解數(shù)據(jù)中傳遞出的客觀規(guī)律，從而達(dá)到分析目的的一種簡(jiǎn)便方法。

基礎(chǔ)數(shù)據(jù)分析流程

• 明確目的

  • 明確出于什么原因要做此次數(shù)據(jù)分析，目的是為了解決什么問(wèn)題或了解什么情況

• 數(shù)據(jù)采集

  • 了解數(shù)據(jù)采集的基本方式，包括：數(shù)據(jù)庫(kù)抓取、埋點(diǎn)數(shù)據(jù)、訪談與調(diào)查問(wèn)卷等等

• 整理數(shù)據(jù)

  • 數(shù)據(jù)整理是對(duì)源數(shù)據(jù)的系統(tǒng)加工，是數(shù)據(jù)分析工作的前置，包括：數(shù)據(jù)清洗，分類和整合

• 可視化呈現(xiàn)

  • 將繁雜的數(shù)據(jù)表格基于觀察需求轉(zhuǎn)化為可視化圖表，可以更便于數(shù)據(jù)觀察與分析

• 分析總結(jié)

  • 通過(guò)結(jié)果數(shù)據(jù)反映出來(lái)的客觀信息，分析出在起初計(jì)劃要解決的問(wèn)題或了解當(dāng)前某些業(yè)務(wù)相關(guān)情況

分析總結(jié)

• 看趨勢(shì)

  • 通過(guò)觀察數(shù)據(jù)波動(dòng)情況，觀察目標(biāo)數(shù)據(jù)的走向趨勢(shì)情況，從而掌握樣本數(shù)據(jù)的異常情況以及客觀規(guī)律。

  • 常用工具：趨勢(shì)圖、多列堆積柱形圖

• 看分布

  • 通過(guò)觀察數(shù)據(jù)分布情況，觀察目標(biāo)數(shù)據(jù)再不同階段的聚合程度，為數(shù)據(jù)分析提供客觀依據(jù)。

  • 常用工具：直方圖、箱線圖、正態(tài)分布、點(diǎn)圖、柏拉圖

• 看對(duì)比

  • 通過(guò)觀察兩組或多組數(shù)據(jù)的對(duì)比情況，觀察數(shù)據(jù)組間相近或差異較大的數(shù)據(jù)區(qū)間。

  • 常用工具：折線圖、堆積柱形圖、相關(guān)與回歸分析等

  • 數(shù)據(jù)對(duì)比：平行比較、同比數(shù)據(jù)、環(huán)比數(shù)據(jù)

第二節(jié) · 用戶模型分析

什么是用戶模型？

用戶模型是對(duì)業(yè)務(wù)目標(biāo)群體真實(shí)特征及屬性的勾勒，是真實(shí)用戶的虛擬代表。

目的：盡量減少主觀臆測(cè)，了解他們的真實(shí)需求，從而知道如何更好的為不同類型用戶提供定制化服務(wù)。

兩種構(gòu)建用戶模型的方法

兩者可以結(jié)合，先通過(guò)經(jīng)驗(yàn)或?qū)＜乙庖娊⒁粋€(gè)初始用戶模型，之后再進(jìn)行訪談或觀察等方法來(lái)佐證和調(diào)整。

用戶模型的執(zhí)行流程

用戶模型的執(zhí)行流程

信息整理

方法：找共性，看差異

• “共性”用來(lái)總結(jié)該群體的特征

• “差異”用來(lái)論證分類的合理性

第三節(jié) · 事件觸發(fā)模型分析

什么是埋點(diǎn)

埋點(diǎn)：通過(guò)程序來(lái)記錄用戶與產(chǎn)品交互過(guò)程的相關(guān)數(shù)據(jù)

事件觸發(fā)模型

事件：用戶在產(chǎn)品上的行為所獲得的程序反饋。

埋點(diǎn)的作用

通過(guò)了解用戶與產(chǎn)品的交互過(guò)程，來(lái)幫助產(chǎn)品決策、推動(dòng)產(chǎn)品優(yōu)化以及指導(dǎo)運(yùn)營(yíng)。

埋點(diǎn)的作用

載體：買點(diǎn)包括在iOS、Andriod、H5、小程序等前端埋點(diǎn)，也包括后端業(yè)務(wù)埋點(diǎn)。

埋點(diǎn)的類型

• 基礎(chǔ)埋點(diǎn)

  • 頁(yè)面訪問(wèn)數(shù)量（看總體趨勢(shì)，預(yù)警，活動(dòng)有效性分析）

    • PV、UV

  • 頁(yè)面停留時(shí)長(zhǎng)（內(nèi)容是否完整看完）

• 全局埋點(diǎn)

  • 全量埋點(diǎn)說(shuō)明文檔

• 關(guān)鍵數(shù)據(jù)埋點(diǎn)

  • 廣告位點(diǎn)擊統(tǒng)計(jì)

  • 推薦商品點(diǎn)擊統(tǒng)計(jì)

全局埋點(diǎn) - 全量埋點(diǎn)說(shuō)明文檔示例：

優(yōu)點(diǎn)：

• 數(shù)據(jù)量完整且全面

• 便于多維度分析

不足：

• 開發(fā)成本較高

• 前端工作壓力大

關(guān)鍵數(shù)據(jù)埋點(diǎn)

通過(guò)指定數(shù)據(jù)埋點(diǎn)、取數(shù)。統(tǒng)計(jì)及分析，可以更有針對(duì)性的進(jìn)行數(shù)據(jù)觀察。

第四節(jié) · 漏斗分析模型

什么是漏斗分析模型

漏斗分析模型是用來(lái)觀察用戶在使用產(chǎn)品過(guò)程中，多個(gè)關(guān)鍵行為之間的轉(zhuǎn)化與流失。

漏斗模型的價(jià)值

有助于精細(xì)化運(yùn)營(yíng)&設(shè)計(jì)。

構(gòu)建方式

1. 整理目標(biāo)結(jié)構(gòu)框架

   創(chuàng)建步驟：

   1. 明確觀察目標(biāo)

   2. 整理全部可觸達(dá)目標(biāo)頁(yè)面的“入口”，即為流量流入

   3. 梳理核心路徑。標(biāo)定首要觀察的路徑

   4. 梳理可能存在的跳轉(zhuǎn)“出口”，即為流失

   5. 使用腦圖勾畫出整體結(jié)構(gòu)框架

2. 選定待分析路徑

3. 確定相關(guān)參數(shù)變量

   1. 用戶類型，包括：全量用戶、活躍用戶、普通會(huì)員用戶、鉆石會(huì)員用戶、普通用戶

   2. 時(shí)間段，包括：日、月、季度、半年、一年和自定義。

4. 數(shù)據(jù)觀察與比較

   1. 整體觀察：關(guān)注轉(zhuǎn)化的衰減情況，觀察“陡減”區(qū)間

   2. 數(shù)據(jù)比較：不同變量同樣路徑間比較，觀察數(shù)據(jù)差異

第五節(jié) · 留存分析模型

什么是留存分析模型？

用來(lái)了解不同類型用戶的參與量以及活躍程度的分析模型，涉及核心業(yè)務(wù)流程以及運(yùn)營(yíng)活動(dòng)。

關(guān)鍵詞：

參與量：觀察不同時(shí)間點(diǎn)或不同時(shí)間段中，用戶的參與數(shù)量。

活躍程度：關(guān)注單位群體在平臺(tái)中的“依賴”程度（黏性）。

核心業(yè)務(wù)流程：產(chǎn)品“主線”。

運(yùn)營(yíng)活動(dòng)：以平臺(tái)為基礎(chǔ)，發(fā)起的伴有不同目的的組織形式。

留存分析模型的價(jià)值

通過(guò)留存分析模型分析產(chǎn)品對(duì)用戶的黏性，是評(píng)價(jià)產(chǎn)品對(duì)用戶是否有價(jià)值的重要依據(jù)。

1. 基礎(chǔ)效用

   評(píng)估產(chǎn)品挽留用戶能力（黏性）

2. 診斷能力

   檢驗(yàn)業(yè)務(wù)邏輯中的癥結(jié)所在

3. 效果評(píng)估

   評(píng)估產(chǎn)品迭代調(diào)優(yōu)的實(shí)際業(yè)務(wù)效果

如何計(jì)算近日留存量

計(jì)算近日留存量方法

第六節(jié) · 路徑分析模型

什么是路徑分析模型？

觀察某個(gè)人或某個(gè)樣本群體再訪問(wèn)產(chǎn)品或平臺(tái)時(shí)，針對(duì)每個(gè)頁(yè)面和不同路徑的訪問(wèn)次數(shù)及順序進(jìn)行數(shù)據(jù)統(tǒng)計(jì)與分析的模型。

關(guān)鍵詞：

某個(gè)人：指?jìng)€(gè)體用戶

某個(gè)樣本群體：指在某種條件下的抽樣群體

次數(shù)：訪問(wèn)頻次

順序：訪問(wèn)的先后順序

統(tǒng)計(jì)與分析：基于前期準(zhǔn)備，通過(guò)統(tǒng)計(jì)與分析得出結(jié)論

路徑分析模型的價(jià)值

全局路徑與流失節(jié)點(diǎn)觀察

1. 了解個(gè)體及群體的整體路徑

   通過(guò)對(duì)用戶使用路徑的觀察，可以了解用戶的使用習(xí)慣以及用戶是否可以很好的適應(yīng)各個(gè)流程鏈路

2. 可視化流失節(jié)點(diǎn)

   通過(guò)對(duì)各個(gè)遞進(jìn)頁(yè)面中數(shù)據(jù)衰減的觀察，分析流失原因，制定優(yōu)化方案。

分析方法

• 產(chǎn)品結(jié)構(gòu)/框架/功能拆解

  • 梳理結(jié)構(gòu)框架，基于用戶使用流程進(jìn)行功能拆解

• 路徑選定

  • 基于數(shù)據(jù)觀察的目的選定目標(biāo)路徑

• 數(shù)據(jù)統(tǒng)計(jì)與分析

  • 觀察數(shù)據(jù)遞增與衰減情況，橫向?qū)Ρ?，根?jù)差異分析問(wèn)題所在

第七節(jié) · 分布分析模型

什么是分布分析模型？

概念：對(duì)用戶在平臺(tái)中的消費(fèi)頻次、金額或活躍程度等行為進(jìn)行分類分析的模型。

價(jià)值：

1. 挖掘用戶分布規(guī)律，優(yōu)化產(chǎn)品及運(yùn)營(yíng)策略

2. 核心用戶篩選與分類，需求定制化

RFM分析模型

RFM主要根據(jù)客戶活躍程度和平臺(tái)交易金額貢獻(xiàn)所做的分類。

近度：Recency，用字母R表示，代表客戶最近一次的活躍距離目前的天數(shù)。在這部分客戶中，有些優(yōu)質(zhì)客戶值得通過(guò)一定的有效手段進(jìn)行激活。

頻度：Frequency，用字母F表示，代表客戶過(guò)去某段時(shí)間內(nèi)的活躍頻率。針對(duì)消費(fèi)頻度較小且消費(fèi)額較大的客戶，可以推行一些運(yùn)營(yíng)策略刺激用戶，增加消費(fèi)頻次。

額度：Monetary，用字母M表示，代表客戶最近一次消費(fèi)金額或某個(gè)時(shí)間段內(nèi)平均消費(fèi)金額。通過(guò)該項(xiàng)指標(biāo)可以評(píng)估不同消費(fèi)水平的用戶分布情況。

RFM模型

搭建步驟

• 數(shù)據(jù)抓取

  • 通過(guò)編寫SQL或研發(fā)人員協(xié)助取得待分析數(shù)據(jù)

• 定義區(qū)間

  • 基于基礎(chǔ)數(shù)據(jù)的分布情況，定義分析區(qū)間

• RFM取值

  • 對(duì)照“定義區(qū)間表”填寫RFM的對(duì)應(yīng)值

• 水平定義

  • 基于RFM均值定義“高低”水平

• 用戶分層

  • 定義用戶類型，將系統(tǒng)類型用戶合并分析

• 策略制定

  • 針對(duì)不同類型用戶制定相應(yīng)策略