如何進行數據分析

移動互聯網，物聯網產生了海量的數據，大數據計算技術完美的解決了海量數據收集、計算、存儲、分析的問題。催生了大數據時代的到來，大數據時代會數據分析的產品經理將會愈來愈吃香，由於數據分析的結果，能夠幫助咱們進行精準營銷、優化產品設計、提供決策支持...，這些都讓數據史無前例的值錢，不信你看大數據發展趨勢。

 

什麼是數據？

數據(data)是事實或觀察的結果，是對客觀事物的邏輯概括，是用於表示客觀事物的未經加工的的原始素材。

這樣可能比較抽象，舉個例子，你去辦理銀行卡的時候，填寫的姓名、電話、住址、聯繫人....就是數據。

 

按照數據來源來分外部數據和內部數據。外部數據包含宏觀經濟數據、市場發展趨勢、新聞輿情數據、社會人口數據，內部數據可分爲用戶行爲數據、服務端日誌數據、交易數據 。

數據不是目的，數據分析的結果纔是咱們想要的。

 

什麼是數據分析？

數據分析就是提取有用的數據來指導實踐。

一、數據不要流於形式，要以結果爲導向。

二、數據可視化，這樣便於發現數據背後提供的信息。

三、提取有用的數據，不是自嗨。

舉個例子：互聯網金融都會有渠道推廣這個東西，好比有A B C D 四個渠道，能夠統計從各個渠道過來的用戶數量和在投金額。站在老闆的角度就會選擇花的錢最少，可是帶來收益最高的那個渠道，也就是ROI最高的那個渠道。

若是再進一步細分，若是A渠道10我的帶來了200萬，B渠道300我的帶來了200萬，那麼說明A渠道高淨值人羣比較多，若是和咱們目標用戶同樣的話，能夠重點維護！加大宣傳投入成本，因此目的不同，看的數據也不同

 

數據從哪裏獲取？

外部數據：比達諮詢、易觀智庫、酷傳、百度指數等，都會有對於行業數據的分析。

自有的數據系統：好比公司內部自建的BI系統，這些數據通常來源於公司內部,是原始的數據，分析出來的結果最具備說服力！

第三方數據分析工具：例如諸葛io、友盟、百度統計、Growing io等，公司能夠自建一個power BI系統，而後再嵌入第三方的數據分析工具，達到對數據一個全面分析的做用。

如下是對第三方數據分析工具的簡單介紹：

a、友盟

友盟提供iOS、Android平臺服務，幫助移動應用開發商統計和分析流量來源、內容使用、用戶屬性和行爲數據，可是沒法對關鍵數據在突發異樣時進行跟蹤。

b、百度移動統計

免費移動應用統計分析工具，支持iOS和Android兩大平臺，開發者經過嵌入統計SDK，便可實現對移動應用的全面監測，百度統計能夠分析用戶行爲、用戶屬性、地域分佈、終端分析等。

c、諸葛io

諸葛io，是一款基於用戶洞察的精細化運營管理工具。以用戶跟蹤技術和簡單易用的集成開發方法，幫助移動應用的運營者們挖掘用戶的真實行爲與屬性。能夠將其用於iOS、Android應用平臺。

d、Growing io

優部部署代價低，無須埋點，讓程序員專一於寫代碼。同時統計全面，分析效率比較高，優化產品體驗，實現精細化運營。

 

具體的分析方法（步驟）？

5個基本的分析步驟：

 

一、入口分析

分析用戶從哪裏來，而後看這個來源的用戶的貢獻怎麼樣，從而分析出每一個渠道的用戶質量。用戶從哪些渠道進入產品，對比運營策略分析量多或量少的緣由，提出優化方案。例如，你的app用戶有從app store來的，有從不一樣的安卓市場來的，有從第三方渠道來的，有地推來的，有運營發佈的文章來的，你須要分析從不一樣渠道來的用戶數量和質量以及投入成本，就像我上面舉得互聯網金融的例子，經過投入產出比來選擇渠道，同時經過每一個渠道來的用戶貢獻程度，來分析出每一個渠道的用戶質量。

 

二、用戶分析

對用戶進行畫像分析。分類用戶羣體，獲取用戶基本信息，包括地區、性別、職業等你的產品須要關心的元素；這一部分至關於用戶畫像，你能夠經過本身創建的power BI系統來進行分析，也能夠經過第三方提供的工具來進行分析，能夠根據這些數據信息來作你的用戶畫像。至於怎麼作用戶畫像，能夠參考個人另一篇文章《如何構建用戶畫像》。

統計新增用戶、活躍用戶、流失用戶數據，思考如何刺激轉化；這就是用戶運營的工做，哪些是新增用戶，哪些是活躍用戶，哪些是流失用戶。重點考慮新增用戶的轉化和流失用戶流失的緣由，以及按期作一些運營活動來促進用戶的活躍。

 

三、事件分析

各個功能的使用狀況，驗證功能設計時的想法，有沒有出現與設計時相悖的數據，例如 PV、UV、頁面跳出率、頁面停留時長、轉化率這些指標，下面的這個例子就是很好的一個事件分析的例子。

案例：客棧通APP訂單詳情頁優化

客棧通是一款幫助民宿客棧老闆管理房態、處理訂單的軟件，在這款APP上，訂單詳情的展現對老闆相當重要，可是訂單內信息較多，在最初的版本上作了逐行展現，用戶要看全信息必須上下滑動3屏。

 

產品上線後就開始監測這個頁面所涉及的數據指標，咱們發現，進入訂單詳情的用戶大多隻是查看信息，作出修改的只佔13%；而修改操做中，修改訂單狀態的又遠多於修改訂單內容的。訂單修改頁面的平均停留時長達到11秒，說明用戶定位到要修改的信息再完成修改有必定費力度。雖然對訂單信息作了逐行展現，但有些字段長度有限，能夠考慮合併；而有些字段（如房型名稱、房間號）長度可能超出但對用戶這全不是問題——客棧老闆對本身的房間如數家珍，並不強求完整展現。

因而，改版設計方向明確，咱們對訂單信息從新佈局，分紅預訂、住客、房間和結算四個小模塊，每一個模塊內信息精簡展現，令一屏內能完整展現訂單的重要信息；將低頻的修改訂單內容操做（如添加房間、入住人）經過入口隱藏起來；同時將咱們要強化的修改狀態操做置底顯示，引導用戶進入主流程（辦理預訂-辦理入住-辦理離店）。

商戶端產品的用戶數與客戶端不在一個數量級，所以設計驗證咱們未採用更適於海量數據的A/B測試，而是實地走訪多家客棧，經過高保真原型演示和任務模擬，直接觀察客棧老闆的操做，來進行可用性測試。

 

優化版本上線後的數據使人欣喜，訂單查看和修改頁面的PV有了30%以上的增加，訂單平均修改時長由11秒顯著下降至4秒；而與此同時，APP的訂單修改量增長了30倍。顯然，快捷方便的體驗令更多用戶把修改訂單操做由PC轉向手機。

 

四、漏斗分析

分析你的一個流程的每個步驟的人數，從而找到失去用戶的最主要的步驟在哪，從而完善這個步驟。其也叫作漏斗模型，好比一個p2p購買流程。

瀏覽標的—-》查看標的詳情—》購買—》輸入支付密碼—》成功支付

你能夠分析用戶的每個操做步驟，你若有100我的瀏覽你的標的，80我的查看詳情，60個購買，5我的購買成功。說明用戶在輸入支付密碼那一塊漏的比較厲害，須要重點優化，這就是漏斗模型的做用。

我以爲對於產品來講，有兩大流程須要進行漏斗模型分析。一個就是註冊流程，這個決定了用戶會不會在你註冊環節流失。另一個就是主要流程。例如電商的支付流程，金融平臺產品購買流程和充值流程。

 

五、留存分析

第二天留存、三日留存、月留存。所謂留存率，就是指一組用戶在初始時間(好比首次打開應用)以後第 N 天，還在使用產品的用戶比例(即留存下來的用戶比例)，通常稱之爲N 天留存率。對於留存率你要辯證的看，若是你是作的社交產品，那麼留存率是一個很重要的指標。若是你作的是旅遊機票這種產品，相似於攜程，可能有的用戶半年就買一次機票，買機票的時候纔想起你，這種低頻的使用產品，你再分析留存率就沒啥意思。

 

總結：數據分析是一個很重要的產品需求來源，你本身提的想法可能不靠譜，老闆的想法可能在天上，以爲運營提的需求太傻逼，可是數據永遠不會說謊，作好你的數據分析

 

註明：參照連接：http://www.jianshu.com/p/9de6f11bef41