轉（數據分析的意義）

1. 明確數據分析的目的

作數據分析，必需要有一個明確的目的，知道本身爲何要作數據分析，想要達到什麼效果。好比：爲了評估產品改版後的效果比以前有所提高;或經過數據分析，找到產品迭代的方向等。

明確了數據分析的目的，接下來須要肯定應該收集的數據都有哪些。

2. 收集數據的方法

說到收集數據，首先要作好數據埋點。

所謂「埋點」，我的理解就是在正常的功能邏輯中添加統計代碼，將本身須要的數據統計出來。

目前主流的數據埋點方式有兩種：

第一種：本身研發。開發時加入統計代碼，並搭建本身的數據查詢系統。

第二種：利用第三方統計工具。

常見的第三方統計工具備：

網站分析工具

Alexa、中國網站排名、網絡媒體排名(iwebchoice)、Google Analytics、百度統計

移動應用分析工具

Flurry、Google Analytics、友盟、TalkingData、Crashlytics

不一樣產品，不一樣目的，須要的支持數據不一樣，肯定好數據指標後，選擇適合本身公司的方式來收集相應數據。

3. 產品的基本數據指標

新增：新用戶增長的數量和速度。如：日新增、月新增等。

活躍：有多少人正在使用產品。如日活躍(DAU)、月活躍(MAU)等。用戶的活躍數越多，越有可能爲產品帶來價值。

留存率：用戶會在多長時間內使用產品。如：第二天留存率、周留存率等。

傳播：平均每位老用戶會帶來幾位新用戶。

流失率：一段時間內流失的用戶，佔這段時間內活躍用戶數的比例。

4. 常見的數據分析法和模型

這裏主要科普下漏斗分析法和AARRR分析模型。

漏斗分析法

用來分析從潛在用戶到最終用戶這個過程當中用戶數量的變化趨勢，從而尋找到最佳的優化空間，這個方法被廣泛用於產品各個關鍵流程的分析中。

好比，這個例子是分析從用戶進入網站到最終購買商品的變化趨勢。

 

 

數據分析

從用戶進入網站到瀏覽商品頁面，轉化率是40%;瀏覽商品到加入購物車轉化率是20%等，那要找出哪一個環節的轉化率最低，咱們須要有對比數據。

好比第一個，進入網站到瀏覽商品，若是同行業水平的轉化率是45%，而咱們只有40%，那說明這個過程，沒有達到行業平均水平，咱們就須要分析具體緣由在哪裏，再有針對性的去優化和改善。

固然，上面這是咱們設計的一種理想化的漏斗模型，數據有多是通過彙總後得出的。而真實的用戶行爲每每可能並非按照這個簡單流程來的。此時須要分析用戶爲何要通過那麼複雜的路徑來達到最終目的，思考這中間有沒有能夠優化的空間。

AARRR模型

這個是全部的產品經理都必需要掌握的一個數據分析模型。

AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一個風險投資人戴維 · 麥克魯爾在2008年時建立的，分別是指獲取、激活、留存、收入和推薦。

 

 

舉個例子，用AARRR模型來衡量一個渠道的好壞。

 

 

若是單從數據表面來看，A渠道會更划算，但實際這種結論是有問題的，用AARRR模型具體分析以下：

 

 

渠道A的單個留存用戶成本是60元，單個付費用戶成本是300元;而渠道B的單個留存用戶成本是20元，單個付費用戶成本是33元，這樣對比下來，明顯B渠道的優點遠遠大於A渠道。

5. 常見的數據分析法和模型

在上篇提到的漏斗分析法和AARRR模型外，這裏再補充一個：交叉分析法。

交叉分析法：一般是把縱向對比和橫向對比綜合起來，對數據進行多角度的結合分析。

舉個例子

a. 交叉分析角度：客戶端+時間

 

 

從這個數據中，能夠看出iOS端每月的用戶數在增長，而Android端在下降，整體數據沒有增加的主要緣由在於Android端數據降低所致使的。

那接下來要分析下爲何Android端二季度新增用戶數據在降低呢?通常這個時候，會加入渠道維度。

b. 交叉分析角度：客戶端+時間+渠道

 

 

從這個數據中能夠看出，Android端A預裝渠道佔比比較高，並且呈現降低趨勢，其餘渠道的變化並不明顯。

所以能夠得出結論：Android端在二季度新增用戶下降主要是因爲A預裝渠道下降所致使的。

因此說，交叉分析的主要做用，是從多個角度細分數據，從中發現數據變化的具體緣由。

6. 如何驗證產品新功能的效果

驗證產品新功能的效果須要同時從這幾方面入手：

a. 新功能是否受歡迎?

衡量指標：活躍比例。即：使用新功能的活躍用戶數/同期活躍用戶數。

 

 

使用人數的多少還會受該功能外的不少因素影響，千萬不可只憑這一指標判斷功能好壞，必定要結合下面的其餘方面綜合評估。

b. 用戶是否會重複使用?

衡量指標：重複使用比例。即：第N天回訪的繼續使用新功能的用戶數/第一天使用新功能的用戶數。

 

 

c. 對流程轉化率的優化效果如何?

衡量指標：轉化率和完成率。轉化率即：走到下一步的用戶數/上一步的用戶數。完成率即：完成該功能的用戶數/走第一步的用戶數。

這個過程當中，轉化率和完成率可使用(上)篇中提到的漏斗分析法進行分析。

d. 對留存的影響?

衡量指標：留存率。用戶在初始時間後第N天的回訪比例，即：N日留存率。經常使用指標有：第二天留存率、7日留存率、21日留存率、30日留存率等。

 

 

　　e. 用戶怎樣使用新功能?

真實用戶行爲軌跡每每比咱們設想的使用路徑要複雜的多，若是使用的數據監測平臺能夠看到相關數據，能引發咱們的反思，爲何他們會這麼走，有沒有更簡便的流程，以幫助咱們做出優化決策。

7. 如何發現產品改進的關鍵點

產品改進的關鍵點，是藏在用戶的行爲中。

想要找到這些關鍵點，除了經過用戶調研、訪談等切實的洞察用戶外，在產品中設置相關數據埋點記錄用戶的行爲，觀察其行爲軌跡，不能徹底替代洞察用戶的行爲，不過也能夠有助於決策產品改進點。

操做步驟：

 

 

這一部分的實際案例，小夥伴們能夠下載該電子書，查閱第四章的內容。

下載地址：

http://pan.baidu.com/s/1skJR4LZ

 

做者：PMCamp連接：https://www.jianshu.com/p/dc6cd6d2115b來源：簡書著做權歸做者全部。商業轉載請聯繫做者得到受權，非商業轉載請註明出處。