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

本文從數據采集的方式、數據構成的理解、以及如何通過數據指標和分析維度來深化產品見解等角度出發，為產品經理提供了一套全面的數據分析框架，助力其在激烈的市場競爭中做出更精準的決策。

產品經理多少要懂點數據分析，不可免俗的這篇把幾個大概念講一下。

一、數據分析的作用

數據分析是定量分析的手段。在《誰說菜鳥不會數據分析》一書中，提到了數據分析的三個作用。

• 描述：通過數據分析可以描述產品的現狀及其原因。
• 探索：數據分析還可以通過現狀，對未來進行預測和探索。
• 驗證：通過數據分析的結果，可以驗證產品假設。

二、數據的構成

來認識一下數據：一條數據是由事件、屬性、參數三個要素構成的。

數據由事件觸發，數據根據觸發的事件不同進行分類。例如，用戶的一次按鈕點擊、登錄、購買，系統的一次消息推送都是一次事件。

屬性和參數構成了對事件的完整性描述。如，一次購買事件，除了購買事件本身外，可能還需要收集用戶購買的數量、商品的金額等等。當然，也并非所有數據都需要屬性。如，統計某個按鈕的點擊數量時就不需要屬性。

三、數據采集

數據分析的第一步是數據采集。埋點是最常用的數據采集的方式，隨著數據采集需求的多樣化，無埋點技術也得到了廣泛的應用。

1. 埋點

數據埋點，就是在事件被觸發的地方，設置一個數據收集點。當觸發這個數據收集點的事件出現時，對數據進行收集。

例如需要收集注冊用戶的數據?？梢栽谧杂脩舻拇a上埋個數據收集點。每當用戶注冊時，就進行一次數據采集。

2. 無埋點

無埋點是相對于埋點來說的。無埋點是指無需代碼埋點的技術。數據收集人員可以通過數據采集工具，對需要采集的數據點進行設置。

例如，需要收集用戶點擊了購買按鈕的次數。可以通過無埋點工具將購買按鈕設置成一個數據采集點。每當用戶點擊了購買按鈕，就進行一次數據采集。

3. 埋點和無埋點對比

1）全面性

代碼埋點可以收集詳細的數據信息。例如，采集用戶一次購買行為的數據，可以采集到購買的商品數量、金額等數據。

無埋點方法則只能收集簡單的用戶行為事件。例如，統計用戶點擊了多少次購買按鈕，但是不能采集購買的詳細信息。

2）便捷性

代碼埋點每次需要收集數據，都需要修改代碼重新發布版本。對于臨時的數據收集需求并不是很方便。

無埋點方式并不需要修改代碼，將收集點設置好了之后就可以進行數據收集了。

4. 數據庫和日志

除了主動收集用戶數據外，產品的數據庫和日志，也有大量的用戶行為數據。

假設用戶在產品上設置了性別、年齡，這些數據都將被保存在數據庫上。當我們需要分析用戶年齡分布時，直接從數據庫讀取用戶的年齡數據即可。

四、數據指標

數據指標可以對業務進行衡量，便于我們把控產品和業務的發展。

1. 數據指標的分類

根據指標的作用，可以將指標成分結果型指標和過程型指標。

1）結果型指標

結果型指標往往可以衡量產品的現狀，描述的是產品“怎么樣？”。如銷售額、轉化率等，描述的是產品現狀。

2）過程型指標

過程型指標則可以了解產品現狀的原因，解決的是產品“為什么這樣？”。如瀏覽量、跳出率。銷售額是受到了瀏覽量、跳出率的影響。

根據指標的表現形式，可以將指標分成絕對指標和相對指標。

3）絕對指標

絕對指標反映規模的大小，如銷售額、用戶數等。

4）相對指標

相對指標反映質量的好壞，如存留率、轉化率等。

2. 拆解數據指標

數據指標的拆解常用的是杜邦分析法。杜邦分析法最早由美國杜邦公司應用，所以被稱為杜邦分析法。利用杜邦分析法是將核心的數據指標逐層拆解，直至最小指標。從而可以深入分析核心指標的影響因素。

以銷售額分析為例，銷售額由購買人數和客單價決定，而購買人數是在活躍用戶中產生。然后再一層層的進行拆解分析。

3. 指標的緯度

維度是指事務或者數據的特征，如年齡、地區、時間等。在做數據分析的時候，常常需要通過不同的緯度來進行分析的。

通過時間緯度，可以相同指標，在不同時期進行一個縱向的分析。如分析每天新增用戶的數量。

通過其他緯度，對同級單位的數據進行橫向分析。如不同性別、年齡、地區的用戶之間的指標差別。

可以這么說，任何不加緯度的數據分析都是耍流氓。在聽到某個產品用戶達到百萬時，其實并沒什么太多信息量。有多少用戶還在使用產品？每天新增了多少用戶又流失了多少用戶？我們一無所知。

五、常用維度

1. 時間

常見的時間緯度有年、月、日、時等單位。如年度、月度、一周、單日、日均，都是以時間為緯度。通過縱向對比不同時間，指標數據隨著時間變化的趨勢。

2. 用戶屬性

將用戶按屬性加以區分，然后分析不同分組的用戶數據。不同用戶類型會呈現出不同的用戶行為，如果不加以區分，容易掩蓋很多現象。

如按注冊時間分，將用戶分成新用戶、老用戶，按地區，將用戶分成一線、二線、三線城市用戶，按目的將用戶分成買家、賣家等。

3. 終端類型

常見的終端類型按設備類型分為PC、移動端、平板電腦。按實現類型Web、Wap、APP等，還有基于大型平臺的微信小程序、百度輕應用等。

特別是PC端和移動端的用戶，往往呈現出巨大的使用差異。

4. 版本

按版本來區分可以查看版本之間的差異，特別是某些重大的迭代更新的版本。以版本作為緯度，可以衡量產品更新后的效果。

5. 事件

通過執行某些關鍵事件對用戶進行區分，繼而對不同用戶進行區分和對比分析。

如基于注冊事件區分注冊用戶和非注冊用戶，基于發布內容事件區分內容創作用戶和普通用戶。

6. 渠道

對用戶的來源渠道進行區分，是運營日常衡量渠道作用的重要標志。對產品來說，有時候基于渠道的分析并進行針對性設計，可以有效的優化渠道效果。比如，怎么提升通過搜索引擎訪問的用戶的注冊率。