一步步教你如何入門精益數(shù)據(jù)分析
和你一起學(xué)習(xí)大數(shù)據(jù)，這里是大數(shù)據(jù)科學(xué)
導(dǎo)讀：一篇干貨滿滿的長(zhǎng)文，除是一篇手把手教你做數(shù)據(jù)分析的系統(tǒng)文章，更是分享了各類業(yè)務(wù)的數(shù)據(jù)指標(biāo)體系、分析框架、分析模型、經(jīng)典分析案例，推薦仔細(xì)閱讀且收藏mark。
一
認(rèn)知數(shù)據(jù)
——產(chǎn)品經(jīng)理與數(shù)據(jù)分析
1.1、數(shù)據(jù)的客觀性
數(shù)據(jù)是量化事物的手段，投射到不同的人身上又會(huì)導(dǎo)致解讀的結(jié)論偏差，因此我們需要“求證”地分析第三方網(wǎng)站提供的調(diào)研數(shù)據(jù)（網(wǎng)站改版案例）。
大量的數(shù)據(jù)如何為我們所用呢。大概包含以下幾點(diǎn)：明確問(wèn)題本質(zhì)；了解產(chǎn)品業(yè)務(wù)；大量深入的產(chǎn)品實(shí)踐。
1.2、培養(yǎng)面對(duì)數(shù)據(jù)的“智慧”
好的產(chǎn)品經(jīng)理需要學(xué)會(huì)控制自己的思維，感性的發(fā)散，理性的聚焦需要同時(shí)具備?；臼强糠磸?fù)的練習(xí)和大量的數(shù)據(jù)閱歷練成的吧。
產(chǎn)品經(jīng)理開(kāi)始有意識(shí)的學(xué)習(xí)數(shù)據(jù)分析的時(shí)候應(yīng)該從以下兩點(diǎn)開(kāi)始：
1）學(xué)習(xí)如何提出數(shù)據(jù)統(tǒng)計(jì)需求
提出數(shù)據(jù)需求的過(guò)程，是一個(gè)“界定產(chǎn)品目的和目標(biāo)，根據(jù)目標(biāo)提出假設(shè)、預(yù)判產(chǎn)品效果”的過(guò)程，要求對(duì)功能目標(biāo)、功能預(yù)期效果有完整且清晰的掌握。
一個(gè)完整的數(shù)據(jù)需求包含功能設(shè)計(jì)方案、功能目的和目標(biāo)、功能上線后需要跟蹤的數(shù)據(jù)指標(biāo)及指標(biāo)精確定義。
案例：
（網(wǎng)站注冊(cè)流程需求案例）
學(xué)習(xí)如何解讀數(shù)據(jù)
對(duì)數(shù)據(jù)保持敏感，并能通過(guò)邏輯推理，進(jìn)一步提出好的追問(wèn)和假設(shè)，然后再通過(guò)數(shù)據(jù)或者其他手段來(lái)驗(yàn)證。
分清楚因果關(guān)系和相關(guān)關(guān)系，提出好的追問(wèn)假設(shè)，在不同的維度拆分?jǐn)?shù)據(jù)。
（電商網(wǎng)站案例）
1.3、數(shù)據(jù)分析當(dāng)中的“誤區(qū)”
忽略沉默用戶
用戶迫切需要的需求≠產(chǎn)品核心需求
過(guò)分依賴數(shù)據(jù)會(huì)限制產(chǎn)品經(jīng)理的靈感
錯(cuò)判因果關(guān)系和相關(guān)關(guān)系
警惕表達(dá)數(shù)據(jù)的技巧（控制折線圖縱坐標(biāo)范圍混淆結(jié)論）
不要妄談大數(shù)據(jù)(大數(shù)據(jù)特征——要用全部數(shù)據(jù)、注重相關(guān)關(guān)系、全新的計(jì)算方法)
二
獲取數(shù)據(jù)
——產(chǎn)品分析指標(biāo)和工具
2.1、網(wǎng)站數(shù)據(jù)指標(biāo)
網(wǎng)站排名工具：Alexa、中國(guó)網(wǎng)站排名、網(wǎng)絡(luò)媒體排名
網(wǎng)站監(jiān)測(cè)工具：Google Analytics、百度統(tǒng)計(jì)、CNZZ
關(guān)鍵網(wǎng)站分析指標(biāo)：訪問(wèn)量、訪客數(shù)、瀏覽量、跳出率、頁(yè)面停留時(shí)長(zhǎng)、網(wǎng)站停留時(shí)長(zhǎng)、退出率、轉(zhuǎn)化率
訪問(wèn)量：Session
訪客數(shù)：Unique Visitor，依據(jù)用戶的設(shè)備、瀏覽器分配Cookie
瀏覽量：PageViews
頁(yè)面停留時(shí)長(zhǎng)：該頁(yè)面的總停留時(shí)長(zhǎng)除以該頁(yè)面的訪問(wèn)量
網(wǎng)站停留時(shí)長(zhǎng)：指訪問(wèn)一次會(huì)話的時(shí)間長(zhǎng)度，等于網(wǎng)站所有訪問(wèn)量的總停留時(shí)長(zhǎng)除以訪問(wèn)量
跳出率：網(wǎng)站的重要指標(biāo)。等于只訪問(wèn)了落地頁(yè)面的訪問(wèn)量除以總訪問(wèn)量。
退出率：等于從一個(gè)頁(yè)面的退出次數(shù)除以訪問(wèn)次數(shù)
轉(zhuǎn)化率：達(dá)成某種目標(biāo)的訪客數(shù)占總訪客數(shù)（訪客數(shù)換成訪問(wèn)量也是同樣成立的）
Google Analytics操作介紹
4大模塊：受眾群體分析、流量獲取分析、用戶行為分析、用戶轉(zhuǎn)化分析
掌握對(duì)數(shù)據(jù)的宏觀分析思路，避免陷入到數(shù)據(jù)細(xì)節(jié)中，如下：
a.訪客數(shù)和訪問(wèn)深度
查看GA上的受眾群體概覽頁(yè)來(lái)了解網(wǎng)站的訪客數(shù)和訪問(wèn)深度。
b.訪客來(lái)源，渠道效果
查看GA上的流量獲取的概覽頁(yè)
Referral：引薦網(wǎng)站，如博客、聯(lián)盟等等
Direct：直接進(jìn)入網(wǎng)站
Organic Search：自然搜索
Paid Search：付費(fèi)搜索
c.分析用戶在網(wǎng)頁(yè)的行為
關(guān)注流量最大的著陸頁(yè)，降低跳出率
關(guān)注瀏覽最大的其他頁(yè)面，與著陸頁(yè)對(duì)比
頁(yè)面點(diǎn)擊熱圖
主要流程的轉(zhuǎn)化漏斗
2.2、移動(dòng)應(yīng)用類數(shù)據(jù)指標(biāo)
移動(dòng)應(yīng)用主要指標(biāo)
從獲取用戶到獲得收入基本會(huì)經(jīng)歷以下幾個(gè)過(guò)程：用戶獲取、用戶活躍與參與、用戶留存、用戶轉(zhuǎn)化、獲取收入。下面依次介紹各個(gè)階段的主要指標(biāo)：
用戶獲取階段：
下載量（商店評(píng)分和排名）、安裝激活量、激活率、新增用戶數(shù)（一般就是新增設(shè)備數(shù)）、用戶獲取成本
用戶活躍與參與階段：
日活躍用戶數(shù)、月活躍用戶數(shù)（可表示用戶規(guī)模）、活躍系數(shù)（日活除以月活）、平均使用時(shí)長(zhǎng)、功能使用率
用戶留存階段：
次日留存率、7日留存率、30日留存率
用戶轉(zhuǎn)化階段：
付費(fèi)用戶比例、首次付費(fèi)時(shí)間、用戶平均每月?tīng)I(yíng)收（月收入除以月活躍用戶數(shù)）、付費(fèi)用戶平均每月?tīng)I(yíng)收（月收入除以月付費(fèi)用戶數(shù)）
獲取收入階段：
收入金額，付費(fèi)人數(shù)
使用數(shù)據(jù)指標(biāo)評(píng)價(jià)版本迭代效果的方法
留存率對(duì)比
核心功能使用率
使用率和繼續(xù)使用率（代表功能的受歡迎程度）
對(duì)核心功能的促進(jìn)效果（核心貢獻(xiàn)的概念——舉例：使用過(guò)功能A的聽(tīng)歌人數(shù)比例減去未使用過(guò)功能A的聽(tīng)歌人數(shù)比例）
移動(dòng)應(yīng)用分析工具
國(guó)內(nèi)分析工具：友盟、TalkingData
國(guó)外分析工具：Flurry，Google Analytics
Crash分析工具：Crashlytics
2.3、電商類數(shù)據(jù)指標(biāo)
電商類關(guān)鍵指標(biāo)
銷售額、購(gòu)買客戶數(shù)、客單價(jià)、購(gòu)買轉(zhuǎn)化率、UV、詳情頁(yè)UV、重點(diǎn)商品缺貨率、妥投及時(shí)率
銷售額：網(wǎng)站的收入（UV*轉(zhuǎn)化率*客單價(jià)）
購(gòu)買客戶數(shù)：新老客戶
客單價(jià)：銷售額除以購(gòu)買客戶數(shù)
購(gòu)買轉(zhuǎn)化率：購(gòu)買客戶數(shù)除以訪客數(shù)（UV）
詳情頁(yè)UV（IPV_UV）
分析數(shù)據(jù)指標(biāo)方法
流量增長(zhǎng)因素：
PC/WAP端（不同媒體），APP端（iOS&Android）
客單價(jià)增長(zhǎng)因素：
客單價(jià)等于人均購(gòu)買件數(shù)*件單價(jià)
件單價(jià)（熱銷商品價(jià)格變動(dòng)）
人均購(gòu)買件數(shù)（組合裝/單件裝比例、推薦效果）
轉(zhuǎn)化率因素：
（轉(zhuǎn)化漏斗）
詳情頁(yè)來(lái)源分析
電商網(wǎng)站的詳情頁(yè)來(lái)源一般分為：直接落地到詳情頁(yè)、從首頁(yè)進(jìn)入詳情頁(yè)、從頻道進(jìn)入詳情頁(yè)、從分類頁(yè)進(jìn)入詳情頁(yè)面、從品牌頁(yè)進(jìn)入詳情頁(yè)、通過(guò)關(guān)聯(lián)銷售進(jìn)入詳情頁(yè)面
（圖：詳情頁(yè)來(lái)源分析）
2.4、UGC類數(shù)據(jù)指標(biāo)
UGC產(chǎn)品參與度指標(biāo)
訪客數(shù)、登陸訪客數(shù)及占比、沉默用戶數(shù)及占比、平均停留時(shí)長(zhǎng)、產(chǎn)出內(nèi)容訪客及占比（Lofter案例）
訪客數(shù)：Web端訪客數(shù)+移動(dòng)端訪客數(shù)
登陸訪客數(shù)及占比：登陸的訪客數(shù)占總訪客的比例
沉默用戶數(shù)及占比：超過(guò)7天未產(chǎn)生內(nèi)容的賬號(hào)數(shù)占總賬號(hào)數(shù)的比例
平均停留時(shí)長(zhǎng)：總停留時(shí)長(zhǎng)除以訪客數(shù)
優(yōu)質(zhì)內(nèi)容評(píng)分
熱度=分享次數(shù)+推薦次數(shù)+點(diǎn)贊次數(shù)
互聯(lián)網(wǎng)產(chǎn)品指標(biāo)思路
訪客數(shù)和特征、獲取渠道及渠道質(zhì)量、訪客參與深度、轉(zhuǎn)化率和轉(zhuǎn)化漏斗是否流暢
訪客數(shù)和特征：訪問(wèn)時(shí)間段、訪問(wèn)地域、設(shè)備、網(wǎng)絡(luò)
獲取渠道及渠道質(zhì)量
a.基本思路：帶來(lái)多少新訪客、瀏覽深度如何、留存率和轉(zhuǎn)化率
b.Web端：新訪客占比（代表渠道拓展用戶的能力）、跳出率、瀏覽頁(yè)面數(shù)以及轉(zhuǎn)化率
c.移動(dòng)端：新設(shè)備占比、次日留存以及轉(zhuǎn)化率
訪客參與深度：跳出率、瀏覽頁(yè)面數(shù)、轉(zhuǎn)化率
轉(zhuǎn)化率和轉(zhuǎn)化漏斗是否流暢：
（圖：轉(zhuǎn)化漏斗）
獲取指標(biāo)的方式
分析日志、分析工具獲?。ㄗ远x時(shí)間、自定義轉(zhuǎn)化漏斗）
三
分析數(shù)據(jù)
——產(chǎn)品數(shù)據(jù)分析框架
3.1、基本分析方法
對(duì)比分析：
橫向?qū)Ρ龋v向?qū)Ρ龋ūＷC對(duì)比指標(biāo)之外其他因素盡可能保持一致，比如通常在做新舊版本分析的時(shí)候會(huì)盡量選擇兩個(gè)版本發(fā)布初期的新用戶）
趨勢(shì)分析：
整體趨勢(shì)、周期變化、極值點(diǎn)
象限分析：
案例：渠道評(píng)估和優(yōu)化（質(zhì)量–數(shù)量）
（圖：象限分析）
交叉分析法：
案例：多維度的數(shù)據(jù)分析（ios和安卓下載數(shù)分析）
（圖：交叉分析）
3.2、數(shù)據(jù)分析框架——AARRR模型
數(shù)據(jù)分析框架的作用：
保證結(jié)果的準(zhǔn)確性、可靠性、針對(duì)性
常見(jiàn)的分析框架（宏觀，適用于管理和運(yùn)營(yíng)）
PEST分析框架：
Political（政治），Economic（經(jīng)濟(jì)）、Social（社會(huì)）、Technological（科技），用于企業(yè)所處宏觀環(huán)境的分析。
5W2H分析框架：
What+Why+When+Where+Who+How+How Much,常用于決策和執(zhí)行性的活動(dòng)措施
SWOT分析
Strengths（內(nèi)部?jī)?yōu)勢(shì)）， Weaknesses（內(nèi)部劣勢(shì)） Opportunities（外部機(jī)會(huì)） Threats（外部威脅）
運(yùn)用這種方法，可以對(duì)研究對(duì)象所處的情景進(jìn)行全面、系統(tǒng)、準(zhǔn)確的研究，從而根據(jù)研究結(jié)果制定相應(yīng)的發(fā)展戰(zhàn)略、計(jì)劃以及對(duì)策等。
SMART原則
Specific（具體的）， Measurable（可衡量的），Attainable（可達(dá)到的），Relevant（相關(guān)的），Time-Bound（有明確結(jié)束期限的），常用于目標(biāo)管理。
4P理論
Product（產(chǎn)品），Price（價(jià)格），Place（渠道），促銷（Promotion），用于制定營(yíng)銷策略。
AARRR分析框架
Acquisition（獲取）Activation（激活） Retention（留存） Revenue（收入） Refer（推薦）
AARRR模型
（圖：AARRR分析思路）
AARRR模型應(yīng)用
提升AARRR各環(huán)節(jié)指標(biāo)的對(duì)應(yīng)操作（渠道分析案例）
（圖：渠道分析案例）
（圖：渠道分析案例）
3.3、數(shù)據(jù)分析框架——邏輯分層拆解與漏斗分析
邏輯分層拆解
邏輯拆解【相關(guān)指標(biāo)和核心指標(biāo)存在邏輯關(guān)聯(lián)】
分層拆解【同一層指標(biāo)不相關(guān)】
（圖：邏輯分層拆解）
漏斗分析法
關(guān)鍵路徑的轉(zhuǎn)化率、轉(zhuǎn)化率對(duì)比分析、Google Analytics行為流
3.4、數(shù)據(jù)會(huì)說(shuō)謊
改變坐標(biāo)軸：添加趨勢(shì)線及其公式
樣本量的誤差：決定樣本量大小的因素（總體大小、總體內(nèi)部差異程度）
平均數(shù)的數(shù)據(jù)謊言：當(dāng)數(shù)據(jù)呈現(xiàn)正態(tài)分布，平均數(shù)才能近似代表整體的情況
辛普森悖論：數(shù)據(jù)集中的變量被分組，其相關(guān)性被降低或不存在相關(guān)性（注意不用混淆變量分組數(shù)據(jù)）
四
應(yīng)用數(shù)據(jù)
——數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品
4.1、數(shù)據(jù)應(yīng)用的場(chǎng)景
需求分析階段：
對(duì)用戶層面的需求，通過(guò)數(shù)據(jù)去偽存真。對(duì)公司層面的需求，通過(guò)數(shù)據(jù)驗(yàn)證并提供證據(jù)（網(wǎng)易考拉海購(gòu)?fù)顺雎拾咐?/p>
產(chǎn)品設(shè)計(jì)階段：
設(shè)計(jì)前——發(fā)現(xiàn)問(wèn)題，設(shè)計(jì)中——輔助決策，判斷思路（A/B test），設(shè)計(jì)后——驗(yàn)證方案（對(duì)比核心指標(biāo)）
4.2、數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品的方法
通過(guò)數(shù)據(jù)發(fā)現(xiàn)問(wèn)題：
對(duì)導(dǎo)出率、跳出率、滿意度、各端用戶占比進(jìn)行對(duì)比分析
確定改版數(shù)據(jù)指標(biāo)：
綜合用戶需求和數(shù)據(jù)反映問(wèn)題擬定核心指標(biāo)
產(chǎn)品設(shè)計(jì)：
品牌調(diào)性（用戶調(diào)研）、首頁(yè)架構(gòu)和陳列樣式、展現(xiàn)形式
上線后的數(shù)據(jù)驗(yàn)證：
對(duì)之前的數(shù)據(jù)核心指標(biāo)進(jìn)行對(duì)比認(rèn)證，并發(fā)現(xiàn)新問(wèn)題
4.3、如何培養(yǎng)數(shù)據(jù)分析能力
心法層面：
好奇心、求知欲、觀察生活
基礎(chǔ)層面：
核心基礎(chǔ)概念、基本統(tǒng)計(jì)原理
實(shí)戰(zhàn)層面：
數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品閉環(huán)，熟悉業(yè)務(wù)，時(shí)刻關(guān)注數(shù)據(jù)、保持敏感
注：內(nèi)容整理于網(wǎng)易產(chǎn)品經(jīng)理微專業(yè)
文／Summer先生_（簡(jiǎn)書作者）
原文鏈接：http://www.jianshu.com/p/501987a77f3f
覺(jué)得好看，請(qǐng)點(diǎn)【這里】↓↓↓