中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語：數(shù)據(jù)分析是為了提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程，我們在日常工作中總會用到數(shù)據(jù)分析，它極大的幫助了我們看數(shù)據(jù)對比、細(xì)分?jǐn)?shù)據(jù)等方面；本文作者介紹了數(shù)據(jù)分析三板斧，我們一起來學(xué)習(xí)一下。

前兩天有個小伙伴問我關(guān)于數(shù)據(jù)分析相關(guān)的東西，說來慚愧，自己也不是特別擅長這塊，只能說會些簡單的應(yīng)用。

先總結(jié)下現(xiàn)在了解的一些東西，等以后有更深的感悟之后再繼續(xù)更新吧。

如題，本文主要是數(shù)據(jù)分析相關(guān)的一些東西，三板斧指的是趨勢、對比、細(xì)分。

一、看趨勢

顧名思義就是追蹤數(shù)據(jù)的趨勢變化，找到一些增長或者下降的拐點(diǎn)，然后去分析對應(yīng)的原因，適用于一些指標(biāo)的長期追蹤或者衡量一些關(guān)鍵動作有無效果。

比如產(chǎn)品的核心指標(biāo)是GMV，那肯定就需要定期關(guān)注增長的趨勢是否正常、是否符合預(yù)期，在追蹤的時候，自然而然就需要對比著來分析。

二、看對比

光看趨勢不一定靠譜，因為某些指標(biāo)是一直增長的，比如注冊用戶數(shù)，這個數(shù)據(jù)肯定是一直在增加，除非沒有新用戶進(jìn)來了。

另外沒有對比就沒有傷害，比如你的增長速率是每年50%，覺得已經(jīng)很不錯了，也許你的競爭對手正在以每年500%的速率進(jìn)行增長。

所以，通常情況下，數(shù)據(jù)會對比著來看，一方面是縱向比較，即自身和自身進(jìn)行對比，另一方面是橫向比較，即自身和別人進(jìn)行對比。

縱向?qū)Ρ韧ǔ０ōh(huán)比、同比：

• 環(huán)比就是本期統(tǒng)計數(shù)據(jù)與上期比較，比如拿2018年9月份的數(shù)據(jù)和2018年8月份的數(shù)據(jù)進(jìn)行對比。
• 同比指的是本期統(tǒng)計數(shù)據(jù)和上一周期的同期數(shù)據(jù)進(jìn)行比較，比如拿2018年9月份的數(shù)據(jù)和2017年9月份的數(shù)據(jù)進(jìn)行對比。

通常情況下，我們在進(jìn)行數(shù)據(jù)分析的時候大都會用本周的數(shù)據(jù)和上周的進(jìn)行對比，或者用本月的數(shù)據(jù)和上個月的進(jìn)行對比，然后控制不同的變量進(jìn)行分析。

這里面需要關(guān)注一些周期性的波動，比如某些產(chǎn)品會有明顯的周末效應(yīng)；以我們的產(chǎn)品為例，DAU基本上是周一最低、周二周三持續(xù)低迷、周四小幅回血、周五下降、周六周日達(dá)到巔峰，然后持續(xù)循環(huán)。

之前有個其他部門的同事問我做了什么，為什么昨天的數(shù)據(jù)漲的很厲害；我翻了下，發(fā)現(xiàn)是周四，就告訴他和上周同期的數(shù)據(jù)對比下，然后把這個周期拉長一些，以周為單位再看下。

按照經(jīng)驗來看，大多數(shù)APP在小長假期間數(shù)據(jù)都會下跌，特別是春節(jié)這種節(jié)日，下降的會非常厲害。

遇到這種情況先不要方，先看看有沒有新發(fā)版本，確認(rèn)下埋點(diǎn)是否有異常，再看看是否處在節(jié)日影響范圍內(nèi)，和其它同周期的數(shù)據(jù)對比看下，之后再找找其他原因。

橫向?qū)Ρ韧ǔ０ㄐ袠I(yè)競品、全站數(shù)據(jù)、測試AB組等。

和競品對比，主要是為了了解我們目前做的怎么樣，業(yè)界的領(lǐng)先水平是怎樣的，雖然這部分?jǐn)?shù)據(jù)很難獲得。

全站數(shù)據(jù)通常指的是大盤數(shù)據(jù)，有可能你負(fù)責(zé)某個功能模塊的時候發(fā)現(xiàn)數(shù)據(jù)漲了，最后絞盡腦汁也沒分析出來原因；然后回頭一看，哦，原來是整體的數(shù)據(jù)漲了，順帶著躺贏了一把。

測試AB組指的就是實驗組和對照組了，控制不同的變量對比分析不同的結(jié)果。

三、看細(xì)分

通常情況下用的最多的就是數(shù)據(jù)細(xì)分，不僅能夠追溯到問題發(fā)生的原因，還能為后續(xù)的一些動作提供參考依據(jù)。

本部分主要分為維度和度量、拆數(shù)據(jù)、拆用戶和拆因子這幾部分；維度和度量主要是概念說明，后面幾部分則是具體如何看細(xì)分?jǐn)?shù)據(jù)。

1. 維度和度量

很多時候數(shù)據(jù)分析都是通過不同的維度和度量進(jìn)行交叉對比分析，找到一些可能的原因，然后再去驗證猜想。

• 維度：指的就是分析數(shù)據(jù)的角度，比如城市、時間、瀏覽器、新老用戶、操作系統(tǒng)、終端等。
• 度量：指的就是具體的數(shù)據(jù)值，比如UV、PV、轉(zhuǎn)化率、跳出率等。

通常情況下，單獨(dú)的數(shù)據(jù)值只能傳遞整體的概況，細(xì)分查看需要結(jié)合著維度。

比如整體DAU可能是在逐漸上升的，同時老用戶的留存可能卻是在下降的，如果我們只是看度量的話，有可能就被蒙蔽掉。

通常情況度量需要結(jié)合著具體業(yè)務(wù)來看，比如以一款內(nèi)容型產(chǎn)品為例，用戶最核心的路徑是瀏覽內(nèi)容——產(chǎn)生互動行為。

那需要關(guān)注的度量就是人均瀏覽時長、人均瀏覽條數(shù)、使用頻次、點(diǎn)贊、評論、轉(zhuǎn)發(fā)等互動行為。

在此基礎(chǔ)上，再結(jié)合著新老用戶、男女用戶、年齡分布、地域分布、終端分布、行為差異等維度再來進(jìn)行更細(xì)致的分析。

2. 拆數(shù)據(jù)

這部分就是基于數(shù)據(jù)本身來做一些拆解，可以分為單指標(biāo)和多指標(biāo)兩種形式。

單指標(biāo)主要是衡量功能本身的表現(xiàn)情況，比如說：

• 功能本身的深度：使用頻次、使用時長、分布情況等；
• 功能本身的廣度：使用人數(shù)、DAU%等；
• 功能本身的留存度：留存率；
• 功能本身的轉(zhuǎn)化率：各環(huán)節(jié)轉(zhuǎn)化率。

多指標(biāo)主要是對其它關(guān)聯(lián)指標(biāo)的貢獻(xiàn)，比如對目標(biāo)值的貢獻(xiàn)度，如留存率，轉(zhuǎn)化率、相關(guān)性等；比如新用戶閱讀了X篇文章，留存下來的可能性會增加多少。

3. 拆用戶

主要是針對用戶本身進(jìn)行分群，再結(jié)合著數(shù)據(jù)指標(biāo)進(jìn)行交叉對比，通常情況下可以按照用戶的靜態(tài)屬性和動態(tài)屬性進(jìn)行拆分。

靜態(tài)屬性主要指新老用戶、版本、終端、地域、操作系統(tǒng)、渠道等。

動態(tài)屬性主要指用戶的行為，比如按照用戶的點(diǎn)擊次數(shù)，用戶購買商品的客單價，或者某個行為路徑的操作步驟來進(jìn)行分群。

結(jié)合著分析的目標(biāo)，把數(shù)據(jù)和用戶拆分之后，應(yīng)該就能得到一些思路了，然后再繼續(xù)分解和交叉對比，直到找到一些結(jié)論。

4. 拆因子

這部分主要指的是一種思考方式，盡量先把目標(biāo)值抽象成一個具體的公式，然后再按照因子去拆解。

比如上司來找你說我們這段時間DAU下降了，你去分析分析是什么原因造成的。

那首先我們可以考慮一下DAU相關(guān)的部分都有什么，可以用這樣一個公式來進(jìn)行概括：

DAU=新增用戶數(shù)+活躍用戶數(shù)+回流用戶數(shù)

先排除一下數(shù)據(jù)異常、周期性波動，再結(jié)合著這個公式來看下各因子的細(xì)分情況。

首先看下各部分的構(gòu)成變化，是新用戶下降，還是活躍用戶下降，還是回流用戶下降。

如果是新用戶數(shù)下降，那就去看看最近一段時間新增的用戶數(shù)有沒有變化，是數(shù)量下降，還是質(zhì)量下降；按照渠道和日期來拆解每天的新增數(shù)量，然后再拆解各渠道的留存率看看。

如果是活躍用戶數(shù)下降，就按照新老用戶的留存率對比分析看下，是新用戶留下來的少了，還是老用戶留下來的少了；前者就在新用戶激活的路徑上找找原因，后者就在最近新上的功能上找找原因。

如果是回流用戶數(shù)下降，按照回流的渠道拆解一下，看推送、短信召回、活動召回等形式帶回來的用戶數(shù)有沒有變化，然后再結(jié)合著具體的變化繼續(xù)找對應(yīng)的原因。

最后結(jié)合著分析出來的原因，產(chǎn)出初步的結(jié)論，后續(xù)做一些對應(yīng)的動作進(jìn)行干預(yù)，觀察對應(yīng)的數(shù)據(jù)指標(biāo)變化。

四、最后

經(jīng)過上面的層層細(xì)分和交叉分析，一種可能性是你找到了潛在可能的問題，然后去證實或者證偽了你的猜想，另一種可能性是怎么著也找不到原因。

這時候一般有三種解決方案：

• 一種是看能不能找找原始日志信息，翻翻用戶的行為記錄，看看用戶到底在干什么，究竟卡在哪里了。
• 另一種是直接把這些用戶拉出來，找找對應(yīng)的聯(lián)系方式，直接和用戶溝通，做做用研。
• 最后一種是實在沒轍了，通常情況下會歸因于數(shù)據(jù)異常、自然增長、常規(guī)波動等。

以上，就是本文的主要內(nèi)容，愿你有所收獲，歡迎斧正、指點(diǎn)、拍磚。

#專欄作家#

王家郴 ，公眾號：產(chǎn)品經(jīng)理從0到1，人人都是產(chǎn)品經(jīng)理專欄作家，喜歡網(wǎng)球和騎行的產(chǎn)品汪，目前奔走在產(chǎn)品的道路上，漫漫產(chǎn)品路，與君共勉。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 unsplash，基于 CC0 協(xié)議