干貨丨一步步教你如何入門精益數據分析
從理論到方法論,一步步教你如何入門精益數據分析。
一、認識數據——產品經理與數據分析
1.1 數據的客觀性
數據是量化事物的手段,投射到不同的人身上又會導致解讀的結論偏差,因此我能需要“求證”地分析第三方網站提供的調研數據(網站改版案例)。
大量的數據如何為我們所用呢。大概包含以下幾點:明確問題本質;了解產品業務;大量深入的產品實踐。
1.2 培養面對數據的“智慧”
好的產品經理需要學會控制自己的思維,感性的發散,理性的聚焦需要同時具備?;臼强糠磸偷木毩暫痛罅康臄祿啔v練成的吧。
產品經理開始有意識的學習數據分析的時候應該從以下兩點開始:
(1)學習如何提出數據統計需求
提出數據需求的過程,是一個“界定產品目的和目標,根據目標提出假設、預判產品效果”的過程,要求對功能目標、功能預期效果有完整且清晰的掌握。
一個完整的數據需求包含功能設計方案、功能目的和目標、功能上線后需要跟蹤的數據指標及指標精確定義。
網站注冊流程需求案例:
(2)學習如何解讀數據
對數據保持敏感,并能通過邏輯推理,進一步提出好的追問和假設,然后再通過數據或者其他手段來驗證。
分清楚因果關系和相關關系,提出好的追問假設,在不同的維度拆分數據。
電商網站案例:
1.3 數據分析當中的“誤區”
- 忽略沉默用戶;
- 用戶迫切需要的需求≠產品核心需求;
- 過分依賴數據會限制產品經理的靈感;
- 錯判因果關系和相關關系;
- 警惕表達數據的技巧(控制折線圖縱坐標范圍混淆結論);
- 不要妄談大數據(大數據特征——要用全部數據、注重相關關系、全新的計算方法)。
二、獲取數據——產品分析指標和工具
2.1 網站數據指標
- 網站排名工具:Alexa、中國網站排名、網絡媒體排名
- 網站監測工具:Google Analytics、百度統計、CNZZ
- 關鍵網站分析指標:訪問量、訪客數、瀏覽量、跳出率、頁面停留時長、網站停留時長、退出率、轉化率
- 訪問量:Session
- 訪客數:Unique Visitor,依據用戶的設備、瀏覽器分配Cookie
- 瀏覽量:PageViews
- 頁面停留時長:該頁面的總停留時長除以該頁面的訪問量
- 網站停留時長:指訪問一次會話的時間長度,等于網站所有訪問量的總停留時長除以訪問量
- 跳出率:網站的重要指標。等于只訪問了落地頁面的訪問量除以總訪問量。
- 退出率:等于從一個頁面的退出次數除以訪問次數
- 轉化率:達成某種目標的訪客數占總訪客數(訪客數換成訪問量也是同樣成立的)
2.2 移動應用類數據指標
移動應用主要指標
從獲取用戶到獲得收入基本會經歷以下幾個過程:用戶獲取、用戶活躍與參與、用戶留存、用戶轉化、獲取收入。下面依次介紹各個階段的主要指標:
- 用戶獲取階段:下載量(商店評分和排名)、安裝激活量、激活率、新增用戶數(一般就是新增設備數)、用戶獲取成本
- 用戶活躍與參與階段:日活躍用戶數、月活躍用戶數(可表示用戶規模)、活躍系數(日活除以月活)、平均使用時長、功能使用率
- 用戶留存階段:次日留存率、7日留存率、30日留存率
- 用戶轉化階段:付費用戶比例、首次付費時間、用戶平均每月營收(月收入除以月活躍用戶數)、付費用戶平均每月營收(月收入除以月付費用戶數)
- 獲取收入階段:收入金額,付費人數
使用數據指標評價版本迭代效果的方法
- 留存率對比
- 核心功能使用率
- 使用率和繼續使用率(代表功能的受歡迎程度)
- 對核心功能的促進效果(核心貢獻的概念——舉例:使用過功能A的聽歌人數比例減去未使用過功能A的聽歌人數比例)
移動應用分析工具
- 國內分析工具:友盟、TalkingData
- 國外分析工具:Flurry,Google Analytics
- Crash分析工具:Crashlytics
2.3 電商類數據指標
電商類關鍵指標
- 銷售額、購買客戶數、客單價、購買轉化率、UV、詳情頁UV、重點商品缺貨率、妥投及時率
- 銷售額:網站的收入(UV*轉化率*客單價)
- 購買客戶數:新老客戶
- 客單價:銷售額除以購買客戶數
- 購買轉化率:購買客戶數除以訪客數(UV)
- 詳情頁UV(IPV_UV)
分析數據指標方法
- 流量增長因素:PC/WAP端(不同媒體),APP端(iOS&Android)
- 客單價增長因素:客單價等于人均購買件數*件單價
- 件單價(熱銷商品價格變動)
- 人均購買件數(組合裝/單件裝比例、推薦效果)
- 轉化率因素:轉化漏斗
電商網站的詳情頁來源一般分為:
- 直接落地到詳情頁
- 從首頁進入詳情頁
- 從頻道進入詳情頁
- 從分類頁進入詳情頁面
- 從品牌頁進入詳情頁
- 通過關聯銷售進入詳情頁面
2.4 ?UGC類數據指標
UGC產品參與度指標
- 訪客數、登陸訪客數及占比、沉默用戶數及占比、平均停留時長、產出內容訪客及占比(Lofter案例)
- 訪客數:Web端訪客數+移動端訪客數
- 登陸訪客數及占比:登陸的訪客數占總訪客的比例
- 沉默用戶數及占比:超過7天未產生內容的賬號數占總賬號數的比例
- 平均停留時長:總停留時長除以訪客數
優質內容評分
- 熱度=分享次數+推薦次數+點贊次數
- 互聯網產品指標思路
- 訪客數和特征、獲取渠道及渠道質量、訪客參與深度、轉化率和轉化漏斗是否流暢
- 訪客數和特征:訪問時間段、訪問地域、設備、網絡
獲取渠道及渠道質量:
- 基本思路:帶來多少新訪客、瀏覽深度如何、留存率和轉化率
- Web端:新訪客占比(代表渠道拓展用戶的能力)、跳出率、瀏覽頁面數以及轉化率
- 移動端:新設備占比、次日留存以及轉化率
訪客參與深度:跳出率、瀏覽頁面數、轉化率
轉化率和轉化漏斗是否流暢:
轉化漏斗
獲取指標的方式
分析日志、分析工具獲取(自定義時間、自定義轉化漏斗)
三、分析數據——產品數據分析框架
3.1 基本分析方法
- 對比分析:橫向對比,縱向對比(保證對比指標之外其他因素盡可能保持一致,比如通常在做新舊版本分析的時候會盡量選擇兩個版本發布初期的新用戶)
- 趨勢分析:整體趨勢、周期變化、極值點
- 象限分析案例:渠道評估和優化(質量–數量)
象限分析
交叉分析法:
案例:多維度的數據分析(ios和安卓下載數分析)
交叉分析
3.2 數據分析框架——AARRR模型
數據分析框架的作用
- 保證結果的準確性、可靠性、針對性
- 常見的分析框架(宏觀,適用于管理和運營)
(1)PEST分析框架:
Political(政治),Economic(經濟)、Social(社會)、Technological(科技),用于企業所處宏觀環境的分析。
(2)5W2H分析框架:
What+Why+When+Where+Who+How+How Much,常用于決策和執行性的活動措施
(3)SWOT分析:
Strengths(內部優勢), Weaknesses(內部劣勢) Opportunities(外部機會) Threats(外部威脅)
運用這種方法,可以對研究對象所處的情景進行全面、系統、準確的研究,從而根據研究結果制定相應的發展戰略、計劃以及對策等。
(4)SMART原則36大數據(http://www.36dsj.com/)
Specific(具體的), Measurable(可衡量的),Attainable(可達到的),Relevant(相關的),Time-Bound(有明確結束期限的),常用于目標管理。
(5)4P理論36大數據(http://www.36dsj.com/)
Product(產品),Price(價格),Place(渠道),促銷(Promotion),用于制定營銷策略。
(6)AARRR分析框架
Acquisition(獲取)Activation(激活) Retention(留存) Revenue(收入) Refer(推薦)
AARRR模型
AARRR分析思路
AARRR模型應用
提升AARRR各環節指標的對應操作(渠道分析案例)
渠道分析案例
渠道分析案例
3.3 數據分析框架——邏輯分層拆解與漏斗分析
邏輯分層拆解
- 邏輯拆解【相關指標和核心指標存在邏輯關聯】
- 分層拆解【同一層指標不相關】
邏輯分層拆解
漏斗分析法
關鍵路徑的轉化率、轉化率對比分析、Google Analytics行為流
3.4 數據會說謊
- 改變坐標軸:添加趨勢線及其公式
- 樣本量的誤差:決定樣本量大小的因素(總體大小、總體內部差異程度)
- 平均數的數據謊言:當數據呈現正態分布,平均數才能近似代表整體的情況
- 辛普森悖論:數據集中的變量被分組,其相關性被降低或不存在相關性(注意不用混淆變量分組數據)
四、利用數據——數據驅動產品
4.1 數據應用的場景
需求分析階段:36大數據(http://www.36dsj.com/)
對用戶層面的需求,通過數據去偽存真。對公司層面的需求,通過數據驗證并提供證據(網易考拉海購退出率案例)
產品設計階段:
設計前——發現問題,設計中——輔助決策,判斷思路(A/B test),設計后——驗證方案(對比核心指標)
4.2 數據驅動產品的方法
通過數據發現問題:
對導出率、跳出率、滿意度、各端用戶占比進行對比分析
確定改版數據指標:
綜合用戶需求和數據反映問題擬定核心指標
產品設計:
品牌調性(用戶調研)、首頁架構和陳列樣式、展現形式
上線后的數據驗證:
對之前的數據核心指標進行對比認證,并發現新問題
4.3 如何培養數據分析能力
心法層面:
好奇心、求知欲、觀察生活
基礎層面:
核心基礎概念、基本統計原理
實戰層面:
數據驅動產品閉環,熟悉業務,時刻關注數據、保持敏感
作者:Summer先生_
來源:http://www.36dsj.com/archives/66889
本文來源于人人都是產品經理合作媒體@36大數據,作者@Summer先生_
蜜汁盜版~
1.3中,指這6點是誤區嗎?
好像只有第一個是誤區……