來源|簡書  ID:Jason每周看

作者|馮子玄

隨著數(shù)據(jù)分析這兩年的火熱，作為產(chǎn)品/運(yùn)營不懂點(diǎn)數(shù)據(jù)分析，特別是在供需市場趨于平衡甚至過于飽和的情況下，如何讓自己的產(chǎn)品脫穎而出，獲得更大的用戶增長？如何做好一次運(yùn)營活動(dòng)？......

最近在學(xué)習(xí)一些數(shù)據(jù)分析方法，結(jié)合自己的一些心得，梳理出以下數(shù)據(jù)分析文章，讀完本文大概需要8-10分鐘。

一、什么是數(shù)據(jù)分析？

數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)方法對收集來的數(shù)據(jù)進(jìn)行分析，以求最大化的發(fā)揮數(shù)據(jù)的價(jià)值。

數(shù)據(jù)如同金錢一樣，本身并沒有太多的價(jià)值，而正是由于使用分析方法的存在，利用分析方法來得出一定的結(jié)論與發(fā)現(xiàn)問題，從而挖掘其巨大的價(jià)值。

二、為什么數(shù)據(jù)分析？

很多時(shí)候，VC投資需要看數(shù)據(jù)，做投資決策；公司產(chǎn)品/運(yùn)營需要做迭代的依據(jù)... 數(shù)據(jù)需求的可能會來自多個(gè)方面，總體而言，數(shù)據(jù)分析的原因主要有以下四種：

1.驅(qū)動(dòng)產(chǎn)品迭代：
用戶使用產(chǎn)品的真實(shí)軌跡是怎樣的？為什么他們會這么做，有沒有更簡便的流程，以幫助我們作出優(yōu)化決策？也可以分析產(chǎn)品過往的數(shù)據(jù)，來洞悉問題，驅(qū)動(dòng)有目標(biāo)的產(chǎn)品迭代。

2.深度需求分析
對用戶所處馬斯諾幾個(gè)層面的需求，用數(shù)據(jù)來支撐；對交互需求，用數(shù)據(jù)佐證；對公司層面的需求，通過數(shù)據(jù)驗(yàn)證合理性。

3.驅(qū)動(dòng)運(yùn)營決策：
產(chǎn)品新功能上線后效果怎么樣？新功能的用戶活躍度、用戶留存率的變化？A方案和B方案哪個(gè)更好？諸如此類的問題，評判一個(gè)問題的好壞，比較可靠的恐怕就是數(shù)據(jù)了。感性的定義很多時(shí)候往往會產(chǎn)生大量的不必要的爭執(zhí)。

4.決策商業(yè)機(jī)會：
針對商業(yè)機(jī)會的評估，必要的需求調(diào)研及市場調(diào)研顯得尤為關(guān)鍵。一個(gè)新市場是否值得介入？一個(gè)新項(xiàng)目是否值得投資？是否可以收購某公司等等？

三、如何數(shù)據(jù)分析？

viri.png

1、數(shù)據(jù)采集：

原則1：全量而非抽樣

采集多種數(shù)據(jù)來源，前端與后端、業(yè)務(wù)數(shù)據(jù)庫的全面采集。前端有網(wǎng)頁端與APP客戶端等，后端采集用來補(bǔ)充前端行為事件所無法采集到的數(shù)據(jù)。

原則2：多維細(xì)分

針對客戶行為事件實(shí)現(xiàn)5W1H的全面細(xì)化，將行為中的什么人、什么時(shí)候、從哪里、什么原因、什么事情、如何做的行為軌跡全面記錄下來，并進(jìn)行細(xì)化，人（who）可以從注冊賬號、性別、年齡、個(gè)人成長階段等細(xì)分；時(shí)間(when)可以從起始時(shí)間、結(jié)束時(shí)間等細(xì)分；從哪里(where)可以從IP、位置信息、運(yùn)營商、OS、機(jī)型、IMEI、網(wǎng)絡(luò)接入方式（2G/3G/4G/WIFI）等細(xì)分；原因(why)可以從愛好、需求層級等細(xì)分；事情(what)可以從主題、步驟等細(xì)分。行為事件與維度的結(jié)合，就能得出需要的指標(biāo)，比如用戶在什么地域下的訂單......

目前數(shù)據(jù)采集（埋點(diǎn)）方式主要有三種：

• 第一種：使用第三方統(tǒng)計(jì)分析標(biāo)準(zhǔn)SDK接入到應(yīng)用中

• 第二種：使用無埋點(diǎn)方式

• 第三種：自己開發(fā)，精細(xì)化運(yùn)營與產(chǎn)品決策

2、數(shù)據(jù)建模：

搭建數(shù)據(jù)指標(biāo)模型大致要考慮以下三大要素：

a.打通行為數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)；
       b.回歸關(guān)鍵數(shù)據(jù)指標(biāo)
       c.多維度考慮數(shù)據(jù)可行性

• 第一關(guān)鍵指標(biāo)方法

找出第一關(guān)鍵重要指標(biāo)，然后衍生于子指標(biāo)，比如：電商銷售額
       如果你想提升銷售額，要么提升買家數(shù)，要么提升客單價(jià)。
       銷售額=買家數(shù)x客單價(jià)
       銷售額=流量x轉(zhuǎn)化率x客單價(jià)
       在到達(dá)商品詳情頁中，這個(gè)還可以衍生為：
       銷售量=商詳uv x 下單率 x 付款率x客單價(jià)
       銷售量= 活動(dòng)展現(xiàn) x 活動(dòng)轉(zhuǎn)化率x 下單率x付款率x客單價(jià)

• 各階段指標(biāo)側(cè)重：

  
  

各階段.png

• MVP階段（驗(yàn)證）：驗(yàn)證可行性與以用戶留存率為目標(biāo)，定性分析，這個(gè)階段本身并沒有多少數(shù)據(jù)可言（數(shù)據(jù)型產(chǎn)品）除外。

• 增長階段（跨越鴻溝）：大多數(shù)公司都沒能到這個(gè)階段，增長階段的數(shù)據(jù)分析需要適當(dāng)?shù)娜?yīng)相應(yīng)的數(shù)據(jù)產(chǎn)品分析師，或者使用更深度的數(shù)據(jù)工具來做相應(yīng)的決策。

• 可以分為兩個(gè)層面:

  
  1.留存階段，主要以留存率為指標(biāo)（次日留存、7日留存、15日留存、30日留存率等）；
  2.引薦階段，主要考慮病毒系數(shù)與病毒周期：平均一個(gè)用戶能帶來多少個(gè)新用戶。所以當(dāng)病毒系數(shù)大于1時(shí)，信息將會不斷擴(kuò)散，而總傳播人數(shù)是發(fā)散的。相反，當(dāng)病毒系數(shù)小于1時(shí)，總傳播人數(shù)是收斂的，以及NPS（凈推薦值）。

• 平臺期（激活轉(zhuǎn)化）：有專門的數(shù)據(jù)分析師、工程師，團(tuán)隊(duì)對數(shù)據(jù)分析更加深入。主要關(guān)注的是平臺用戶的活躍度、轉(zhuǎn)化率，使得度過平臺期迎來下一個(gè)增長期。

• 變現(xiàn)期:營收成本、用戶激活召回、LTV、CAC、渠道分析等指標(biāo)

3、數(shù)據(jù)分析：

       分析方法：有效的數(shù)據(jù)分析方法能夠深度挖掘數(shù)據(jù)的價(jià)值，常見的數(shù)據(jù)分析法與模型有用戶分群、A/B測試、多維事件分析、漏斗分析、AARRR分析等等

這里主要以漏斗分析法、AARRR分析模型、A/B測試、多維事件分析為例展開：

● 漏斗分析法

分析從潛在用戶到最終轉(zhuǎn)化用戶這個(gè)過程中用戶數(shù)量的變化趨勢，從而尋找到最佳的優(yōu)化空間，這個(gè)方法被普遍用于產(chǎn)品運(yùn)營的各個(gè)關(guān)鍵流程分析中。

何為用戶轉(zhuǎn)化漏斗，就是你的業(yè)務(wù)是如何一步步將一個(gè)用戶轉(zhuǎn)化過來。比如：

活動(dòng)：活動(dòng)展示—>點(diǎn)擊詳情—>轉(zhuǎn)化
約妹子：搭訕—>約會—>牽手->......

經(jīng)過的每個(gè)階段，都可以拆為好幾個(gè)子階段。而每一個(gè)階段都會有用戶流失、用戶留存下來。對漏斗的每一個(gè)環(huán)節(jié)準(zhǔn)確地記錄數(shù)據(jù)，以便分析和優(yōu)化各個(gè)環(huán)節(jié)的轉(zhuǎn)化率，是數(shù)據(jù)化運(yùn)營的基礎(chǔ)設(shè)施。

比如一個(gè)電商的活動(dòng)頁，它的漏斗模型應(yīng)該是這樣的：

下單率.png

從瀏覽活動(dòng)頁面到詳情頁的轉(zhuǎn)化率是50%，在詳情頁下單的下單率是10%，最終下單到付款的轉(zhuǎn)化率是40%。

有這么個(gè)漏斗，我們就可以分析每個(gè)環(huán)節(jié)代表了什么，該如何去改善：

活動(dòng)頁—>詳情頁uv：頁面上的內(nèi)容是否醒目，商品是否是用戶喜歡的，需根據(jù)頁面點(diǎn)擊情況及時(shí)替換點(diǎn)擊效果差的商品。
詳情頁uv—>下單人數(shù)：詳情頁是否吸引人，頁面加載速度是否有影響，是否需要將商品重新排序。
下單人數(shù)—>付款人數(shù)：是否支付引導(dǎo)差，支付工具是否有故障，是否低于業(yè)內(nèi)平均指標(biāo)。

另外，在同一個(gè)系統(tǒng)內(nèi)部，也需要做轉(zhuǎn)化率進(jìn)行對比，比如本月與上月，本周與上周，增加了還是減少了，這樣才能得出更為準(zhǔn)確的結(jié)論與發(fā)現(xiàn)問題。

● AARRR模型

AARRR（Acquisition、Activation、Retention、Revenue、Refer）是硅谷的一個(gè)風(fēng)險(xiǎn)投資人戴維 · 麥克魯爾在2008年時(shí)創(chuàng)建的，分別是指獲取、激活、留存、收入和推薦。

AARRR.png

以下例子中渠道A與渠道B哪一個(gè)更優(yōu)？

比如游戲AARRR各階段指標(biāo)
      1.A（How do users find us?）
      DNU(日新注冊且登陸用戶數(shù))、推廣渠道監(jiān)測（成本、流量）

2.A（Do users have a great first experience?）
       DAU（每日登陸過游戲用戶數(shù)）、日均使用時(shí)長、道具關(guān)聯(lián)分析模型

3.R（Do users come back?）
       留存率（次日留存、7日留存、21日留存、30留存）、流失率、流失預(yù)警分析模型

4.R（How do you make money?）
       PR（付費(fèi)率）、 ARPU（平均每用戶收入）、ARPPU（平均每付費(fèi)用戶收入））、LTV（生命周期價(jià)值）

5.R（Do users tell others?）
       K-factor、NPS等

● A/B測試

A/B測試就是通過數(shù)據(jù)支撐，不同渠道、不同人群、最終選定方案。

A/B測試需要有一定的數(shù)據(jù)支撐，建立準(zhǔn)確性與效率高的框架，比如針對不同渠道、用戶分群發(fā)布、灰度發(fā)布等來得出合適方案,這里不加以展開.

AB測.png

● 多維事件分析法

多維事件分析，從多個(gè)角度細(xì)分?jǐn)?shù)據(jù)，從中發(fā)現(xiàn)數(shù)據(jù)變化的具體原因。行為事件與維度的結(jié)合可以得到數(shù)據(jù)指標(biāo)，比如在電商應(yīng)用中：
行為事件（1H）：搜索商品、點(diǎn)擊商品詳情、提交訂單、支付訂單、售后服務(wù)等等都是一系列事件
維度(5W)：人（who）可以從姓名、性別、年齡；時(shí)間(when)可以從停留時(shí)間、下單事件、付款事件、到貨時(shí)間等細(xì)分；從哪里(where)可以從IP、城市、運(yùn)營商、OS、機(jī)型、IMEI、網(wǎng)絡(luò)接入方式（2G/3G/4G/WIFI）等細(xì)分；原因(why)可原因(why)可以從愛好、需求層級等細(xì)分；事情(what)可以從主題、步驟等細(xì)分。
兩者結(jié)合就可以得出多維度指標(biāo)，比如用戶在哪個(gè)區(qū)域下訂單，從什么渠道過來的，過去一段事件支付訂單款項(xiàng)多少等等......

四、數(shù)據(jù)不是萬能的

數(shù)據(jù)雖然不可或缺，但也不是萬能的，比如在產(chǎn)品創(chuàng)新方向上很難獲得驅(qū)動(dòng)，在長期的用戶反饋上很難獲得數(shù)據(jù)的足夠判斷，那么真正能驅(qū)動(dòng)一款產(chǎn)品的用戶快速增長，靠的都是什么方法呢？

驗(yàn)證.png

- 做真正有意義的產(chǎn)品

市場上很大一部分產(chǎn)品都是意義不大的，尤其在這個(gè)存量過于飽和的市場下，要獲得用戶的快速增長，還是應(yīng)該回到產(chǎn)品的核心上來，創(chuàng)造真正有價(jià)值的東西，輔以數(shù)據(jù)驅(qū)動(dòng)，這樣的結(jié)合可能能獲得更大的增長。

- 塑造品牌價(jià)值
對核心用戶尤其要重點(diǎn)塑造品牌觀念，在傳統(tǒng)行業(yè)中，眾多企業(yè)做品牌的重視度高于互聯(lián)網(wǎng)行業(yè)的企業(yè)，而在互聯(lián)網(wǎng)確是常常不被重視的，與本身的燥熱有很大關(guān)系，也許我們可以看看健身應(yīng)用Keep的slogan與品牌塑造案例里面學(xué)習(xí)到更多的東西。

- 利用增長黑客技術(shù)
在《增長黑客》這本書里面，談到了很多增長黑客技術(shù)增長的案例，如何低成本的獲得用戶增長等等。

五、最后推薦一些國內(nèi)外的統(tǒng)計(jì)分析工具與數(shù)據(jù)分析書籍

8款國內(nèi)數(shù)據(jù)分析工具

國內(nèi)的數(shù)據(jù)分析工具大多由小部分免費(fèi)功能+高級的收費(fèi)功能服務(wù)相結(jié)合。

1、友盟  （https://www.umeng.com/）
       2、Growing IO（無埋點(diǎn) https://www.growingio.com/）
       3、神策數(shù)據(jù)分析（https://www.sensorsdata.cn/）
       4、TalkingData（http://www.talkingdata.com/）
       5、 諸葛iO（https://zhugeio.com/）
       6、 百度移動(dòng)統(tǒng)計(jì)（https://mtj.baidu.com/web/welcome/login）
       7、 ASO100（http://aso100.com/）
       8、 蟬大師（http://www.ddashi.com/）

8款國外數(shù)據(jù)分析工具

1、Google Analytics
       2、Flurry Analytics (免費(fèi))-更好的了解用戶群體
       3、Crashlytics-Crash分析工具
       4、亞馬遜移動(dòng)分析 (免費(fèi))
       5、Tap stream (免費(fèi))-生命周期的分析

6、Followapps – App精細(xì)化分析平臺

7、App Annie

8、Claritics – App BI數(shù)據(jù)分析

數(shù)據(jù)分析入門書籍推薦

1、《Head First Statistics》：深入淺出統(tǒng)計(jì)學(xué)

2、《精益數(shù)據(jù)分析》

3、《數(shù)據(jù)之魅-基于開源工具的數(shù)據(jù)分析》

4、《數(shù)據(jù)挖掘-市場營銷、銷售與客戶關(guān)系管理領(lǐng)域應(yīng)用》

5、《R語言實(shí)戰(zhàn)》

馮子玄   三年創(chuàng)業(yè)&產(chǎn)品狗 ，在社交，健身領(lǐng)域應(yīng)用摸爬滾打，微信公眾號（每周看），個(gè)人微信eistudio，簡書id：Jason每周看，歡迎勾搭。

姑婆那些事兒推廣服務(wù) 點(diǎn)擊 :http://www.3377on.com/news/4585.html

大家都愛搜:ASM 互聯(lián)網(wǎng)資訊類類有話說App推廣運(yùn)營經(jīng)驗(yàn)線下推廣活動(dòng)推薦微信營銷姑婆專題姑婆圈ASO校園推廣地推ASO100渠道刷量校園運(yùn)營團(tuán)隊(duì)

姑婆那些事兒(www.3377on.com)是互聯(lián)網(wǎng)推廣運(yùn)營知識分享平臺,關(guān)注移動(dòng)推廣(android,ios)運(yùn)營,網(wǎng)站推廣運(yùn)營、校園推廣及互聯(lián)網(wǎng)領(lǐng)域最新動(dòng)態(tài) 。歡迎關(guān)注我們的微信(gupo520),新浪微博(姑婆那些事兒)。

版權(quán)聲明:本文來源于互聯(lián)網(wǎng),僅作分享學(xué)習(xí)之用,姑婆那些事兒負(fù)責(zé)整理推薦。文章僅代表原作者獨(dú)立觀點(diǎn),不代表本平臺運(yùn)營者觀點(diǎn)與立場。如有版權(quán)問題,請聯(lián)系姑婆那些事兒—小秘書(微信號:gpxms001)協(xié)商解決