你好,游客 登录 注册 搜索
背景:
阅读新闻

你应该懂的数据分析入门知识(上)

[日期:2016-06-13] 来源:简书  作者:杜王丹 [字体: ]

  数据分析是什么,小伙伴们自行去问度娘哈。为了降低阅读压力,不让篇幅太长,我特意拆成上、下两篇来分享自己这几天学到的知识。参考资料我会附在下一篇的末尾,感兴趣的小伙伴可以系统了解下。

  我特别不喜欢只会装逼的产品经理,看文章也一样不喜欢华而不实的。所以督促自己写文章时,把懂的、经历过的能细就写的尽量详细;不懂的就去学,然后把整理的笔记分享出来,数据分析方面我涉入不多,内容由于缺少实战经验,会比较基础和理论,希望同样对你有帮助。

数据分析

  1. 明确数据分析的目的

  做数据分析,必须要有一个明确的目的,知道自己为什么要做数据分析,想要达到什么效果。比如:为了评估产品改版后的效果比之前有所提升;或通过数据分析,找到产品迭代的方向等。

  明确了数据分析的目的,接下来需要确定应该收集的数据都有哪些。

  2. 收集数据的方法

  说到收集数据,首先要做好数据埋点。

  所谓“埋点”,个人理解就是在正常的功能逻辑中添加统计代码,将自己需要的数据统计出来。

  目前主流的数据埋点方式有两种:

  第一种:自己研发。开发时加入统计代码,并搭建自己的数据查询系统。

  第二种:利用第三方统计工具。

  常见的第三方统计工具有:

  网站分析工具

  Alexa、中国网站排名、网络媒体排名(iwebchoice)、Google Analytics、百度统计

  移动应用分析工具

  Flurry、Google Analytics、友盟、TalkingData、Crashlytics

  不同产品,不同目的,需要的支持数据不同,确定好数据指标后,选择适合自己公司的方式来收集相应数据。

  3. 产品的基本数据指标

  新增: 新用户增加的数量和速度。如:日新增、月新增等。

  活跃: 有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多,越有可能为产品带来价值。

  留存率: 用户会在多长时间内使用产品。如:次日留存率、周留存率等。

  传播: 平均每位老用户会带来几位新用户。

  流失率: 一段时间内流失的用户,占这段时间内活跃用户数的比例。

  4. 常见的数据分析法和模型

  这里主要科普下漏斗分析法和AARRR分析模型。

  漏斗分析法

  用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势,从而寻找到最佳的优化空间,这个方法被普遍用于产品各个关键流程的分析中。

  比如,这个例子是分析从用户进入网站到最终购买商品的变化趋势。

  从用户进入网站到浏览商品页面,转化率是40%;浏览商品到加入购物车转化率是20%等,那要找出哪个环节的转化率最低,我们需要有对比数据。

  比如第一个,进入网站到浏览商品,如果同行业水平的转化率是45%,而我们只有40%,那说明这个过程,没有达到行业平均水平,我们就需要分析具体原因在哪里,再有针对性的去优化和改善。

  当然,上面这是我们设计的一种理想化的漏斗模型,数据有可能是经过汇总后得出的。而真实的用户行为往往可能并不是按照这个简单流程来的。此时需要分析用户为什么要经过那么复杂的路径来达到最终目的,思考这中间有没有可以优化的空间。

  AARRR模型

  这个是所有的产品经理都必须要掌握的一个数据分析模型。

  AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一个风险投资人戴维 · 麦克鲁尔在2008年时创建的,分别是指获取、激活、留存、收入和推荐。

  举个例子,用AARRR模型来衡量一个渠道的好坏。

  如果单从数据表面来看,A渠道会更划算,但实际这种结论是有问题的,用AARRR模型具体分析如下:

  渠道A的单个留存用户成本是60元,单个付费用户成本是300元;而渠道B的单个留存用户成本是20元,单个付费用户成本是33元,这样对比下来,明显B渠道的优势远远大于A渠道。

 

  (未完待续)





收藏 推荐 打印 | 录入:elainebo | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款