以Google Analytics為例,盤點BI產(chǎn)品四大要素

5 評論 10898 瀏覽 45 收藏 13 分鐘

對一款成熟、完善的BI產(chǎn)品來說,什么是它構建的四大要素呢?在這些要素的規(guī)劃實現(xiàn)中,我們又要注意哪些點呢?針對這些問題,本文將展開詳細的介紹。

本文以Google Analytics為例,分析了BI產(chǎn)品構建的四個要素,希望能對你有所幫助。

  • BI產(chǎn)品提供的是一種解決方案
  • 可拓展的報表展示
  • 分析能力
  • 可視化能力

01 BI產(chǎn)品提供的是一種解決方案

在開始本小結的介紹之前,我先簡單介紹一下Google Analytics這款產(chǎn)品。

官方對它的介紹是:

Google Analytics是著名互聯(lián)網(wǎng)公司Google為網(wǎng)站提供的數(shù)據(jù)統(tǒng)計服務??梢詫δ繕司W(wǎng)站進行訪問數(shù)據(jù)統(tǒng)計和分析,并提供多種參數(shù)供網(wǎng)站擁有者使用。

簡單來說,Google Analytics提供的最核心的能力就是數(shù)據(jù)統(tǒng)計,在此基礎上擴展了數(shù)據(jù)預測、智能檢測等分析能力。

打開Google Analytics的官網(wǎng)(https://www.google.com/analytics/),你會發(fā)現(xiàn)Google Analytics是一套完整的數(shù)據(jù)解決方案。從產(chǎn)品初期數(shù)據(jù)采集到數(shù)據(jù)處理、查詢以及產(chǎn)品上線后的廣告分析、A/B test,甚至還提供了一套標準的代碼管理器。Google Analytics基本覆蓋了一個產(chǎn)品前中期的整條數(shù)據(jù)鏈路。

這也是我本節(jié)要說的,BI提供的應該是完整的數(shù)據(jù)解決方案,Google Analytics很好的做到了這一點。

當然要做到這一點也并不簡單,回首看一下Google Analytics的發(fā)展歷史:

從2005年GA分析上線,直到2016年,其不斷豐富產(chǎn)品線,才形成了Google Analytics Solutions,在2018年,官方將GA Solution升級為Google Marketing Platform,整合了DoubleClick廣告技術,幫助企業(yè)購買和追蹤廣告的有效性,實現(xiàn)更強的聯(lián)動合作。

簡單介紹一下Google Marketing Platform主要的幾款產(chǎn)品:

  • GA:負責網(wǎng)站數(shù)據(jù)收集并通過GA提供的API等組件完成網(wǎng)站數(shù)據(jù)報告的輸出。(本文主要介紹這款產(chǎn)品,其他產(chǎn)品請關注作者的其他文章)
  • Optimize:A/B測試工具,可以使用它來進行網(wǎng)站體驗優(yōu)化。
  • 跟蹤代碼管理器:對網(wǎng)站和應用的數(shù)據(jù)相關代碼進行管理及更新。
  • Data Studio:可以將Google Analytics產(chǎn)品生成的數(shù)據(jù)輸出成易于分享與查看的可視化面板及分析報告。
  • Attribution 360:以跨渠道、設備的歸因為模型,針對廣告展示、點擊轉化等的分析工具。
  • Audience Center 360:網(wǎng)站、應用的受眾管理平臺,可以合并受眾與用戶數(shù)據(jù)建立新的受眾群體,將這些受眾發(fā)布到營銷平臺,并檢測其效果。
  • Surveys 360:用戶問卷調(diào)查工具。

02 可拓展的報表展示

如何讓數(shù)據(jù)能夠快速、準確的提供給業(yè)務用戶是BI產(chǎn)品要解決的首要問題,說白了用戶使用BI產(chǎn)品最主要的目的就是查詢數(shù)據(jù)。

我們來看一下GA是如何解決這個問題的,首先我們看一下GA整體的數(shù)據(jù)處理流程:

可以看到GA數(shù)據(jù)處理流程整體可以分為三個部分:數(shù)據(jù)采集、配置&數(shù)據(jù)處理、數(shù)據(jù)報告。這三個步驟的處理讓整個數(shù)據(jù)處理流程做到了規(guī)范化、自動化。這也是目前BI產(chǎn)品處理數(shù)據(jù)一般的流程,下面我們簡單對三個部分進行說明:

1. 數(shù)據(jù)采集

GA提供了一些標準的JS組件及SDK,這使得網(wǎng)站、應用的基礎數(shù)據(jù)收集變的簡單,只需接入JS庫或者SDK即可自動收集網(wǎng)站的用戶行為及受眾特征。

為了在接下來的流程中能夠順利處理收集到的數(shù)據(jù),GA提供了開放的Measurement Protocol,及數(shù)據(jù)測量協(xié)議,它定義了一套標準的數(shù)據(jù)參數(shù)規(guī)則,并支持針對收集到的數(shù)據(jù)進行參數(shù)驗證,保證了收集到的數(shù)據(jù)是符合數(shù)據(jù)規(guī)范的。

千萬別小看這一步,數(shù)據(jù)收集的自動化和規(guī)范化為后續(xù)的數(shù)據(jù)處理打下了堅實的基礎,依賴這一套標準的規(guī)范,BI產(chǎn)品實現(xiàn)高度組件化才變得切實可行。

2. 數(shù)據(jù)處理

采集到一條條標準化的數(shù)據(jù)日志,數(shù)據(jù)處理便變得簡單了。

通過幾層數(shù)據(jù)處理,根據(jù)數(shù)據(jù)的屬性及分類,GA生產(chǎn)了一些可供用具使用的數(shù)據(jù)應用視圖如:實時數(shù)據(jù)視圖、基礎數(shù)據(jù)視圖、用戶受眾視圖等,依賴GA工具本身強大的細分分析能力,用戶可以對數(shù)據(jù)視圖進行組合、過濾等操作,完成數(shù)據(jù)報告的生產(chǎn)。

3. 數(shù)據(jù)報告

基于生成的數(shù)據(jù)視圖,GA提供了一套標準的數(shù)據(jù)報告API,通過對接這些API,可以將數(shù)據(jù)視圖與GA連接,并生成一套自動化的標準數(shù)據(jù)報告,簡單介紹一下這幾個API:

  • Reporting API:支持請求多個維度的數(shù)據(jù),支持請求指標,含指標的數(shù)學表達式組合,并支持生成用戶生命周期報告
  • Realtime API:通過此API可創(chuàng)建并顯示實時用戶數(shù)據(jù),實時獲取網(wǎng)站、應用的最熱門內(nèi)容
  • Multi-channel API:通過此API可獲取多渠道的數(shù)據(jù)
  • Embed API:通過此API可將創(chuàng)建的數(shù)據(jù)視圖內(nèi)嵌至第三方系統(tǒng)
  • Metadata API:基礎數(shù)據(jù)API可訪問所有維度和指標,并支持自動發(fā)現(xiàn)新的指標及維度

4. 配置

了解了GA數(shù)據(jù)處理的三個流程,我們可以看到GA通過一些Open API可以讓業(yè)務快速接入數(shù)據(jù)并生成標準數(shù)據(jù)視圖,基于這些標準數(shù)據(jù)視圖,GA數(shù)據(jù)配置的組件化就順利成章了。
配置方面,GA也提供了兩個標準的API,Management API以及Provisioning API:

  • Management API:通過此API可對數(shù)據(jù)視圖進行管理,包括進行數(shù)據(jù)過濾、數(shù)據(jù)關聯(lián)等操作。另外還支持對用戶的賬號及權限進行管理
  • Provisioning API:與Management API不同的是,Provisioning API的可控制范圍相對小一些,這個API主要用于控制用戶創(chuàng)建的賬號或者第三方合作伙伴的賬號。

03 分析能力

BI產(chǎn)品提供的分析能力,我們主要分為兩個部分:用戶自助分析的能力、系統(tǒng)提供的智能分析能力。

1. 自助分析能力

通過程序化接入應用或網(wǎng)站后,GA自動生成了一些基礎報告,這些報告包括實時流量報表、受眾特征報告、流量獲取報告、轉化報告…同時,用戶也可以自助進行數(shù)據(jù)視圖的處理以及自助完成自定報告創(chuàng)建、漏斗分析、用戶路徑分析等操作。

  • 數(shù)據(jù)視圖管理:前面我們已經(jīng)有介紹到GA提供了標準的配置API,對接API后,可以在GA后臺進行數(shù)據(jù)視圖的管理,你可以對數(shù)據(jù)視圖進行過濾也可以自定一些計算指標,方便你輸出更加精細化的報告
  • 創(chuàng)建自定義報告:有了標準的數(shù)據(jù)視圖,在創(chuàng)建自定義報告時只需對指標和維度進行選擇、篩選即可生成報告,生成的報告也可根據(jù)不同的維度進行細分

2. 智能分析能力

除了用戶自助分析能力外,GA還提供了一系列的智能分析能力:

  • 智能異常檢測:GA將貝葉斯狀態(tài)時空序列模型應用于歷史數(shù)據(jù),使用90天的歷史數(shù)據(jù)訓練預測模型,以預測時間序列中最新觀察到的數(shù)據(jù)點的值。該功能可以為用戶提供數(shù)據(jù)診斷報告,集中分析異常數(shù)據(jù)
  • 預測:一是預測能夠最大限度提高轉化次數(shù)的受眾群體,將機器學習應用于轉化數(shù)據(jù),以確定哪些用戶最有可能在后續(xù)會話中進行轉化。二是預測能夠最大限度提高轉化次數(shù)的操作,使用機器學習檢查網(wǎng)站會話的的一些特征,確定最佳會話,配合Google Ads可實現(xiàn)CPA自動出價

04 可視化能力

在提供數(shù)據(jù)的基礎上,如何讓數(shù)據(jù)的有效信息更加快速直接的傳遞給業(yè)務也是BI產(chǎn)品的一個重要能力。

這里我們抽幾個比較典型的可視化案例簡單進行簡單介紹,關于數(shù)據(jù)可視化更多的介紹請持續(xù)關注作者的其他文章。

1. 折線圖

下圖的折線圖有兩個優(yōu)點:

  1. 結合了數(shù)字卡與趨勢圖的顯示方式,可以一眼觀察到幾個數(shù)據(jù)的真實值,而且解決了不同量級的數(shù)據(jù)放置在同一個趨勢圖中的問題,可以切換card的交互,為數(shù)據(jù)可視化界面節(jié)省了很多空間。
  2. 使用虛線顯示了上周同比的趨勢,更方便用戶觀察到異常數(shù)據(jù)并做出反應。

2. 堆積柱狀圖

各維度數(shù)據(jù)量使用不同的顏色深淺顯示,堆積部分自動按照顏色深淺排序。這樣做更方便對兩個維度的數(shù)據(jù)進行橫向以及縱向的對比。

3. 地圖

地圖+水平條形圖的展現(xiàn)形式,地圖中使用顏色深淺標識指標數(shù)據(jù)量的大小,柱狀圖按照指標數(shù)據(jù)量排序。單一的數(shù)據(jù)地圖難以對各個地區(qū)數(shù)據(jù)量有直觀感受,地圖+水平條形圖的組合讓用戶有了更直觀的感受。

4. 頻次分布圖

使用日期作為橫坐標、每個日期的多個時間段作為縱坐標建立時間分布坐標軸,將每個日期的每個時間段表示為一個矩形模塊,每個矩形模塊顏色的深淺標識該時間段的數(shù)據(jù)量大小。使用頻次分布情況一眼即可觀察到

 

本文由 @羅可靠。 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協(xié)議

更多精彩內(nèi)容,請關注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 1.提供一套解決方案
    2.可視化

    回復
    1. 3.分析能力
      4.可拓展的數(shù)據(jù)展示

      回復
    2. 可拓展的報表展示

      回復
  2. 這里歸納的BI系統(tǒng)需要提供的能力總結非常有指導意義哦

    來自上海 回復
    1. 哈哈,歡迎多交流

      來自北京 回復