摘要: 做運(yùn)營(yíng)，不能從自己個(gè)人角度想問(wèn)題，要學(xué)會(huì)做數(shù)據(jù)，從數(shù)據(jù)中查找問(wèn)題，分析問(wèn)題，解決問(wèn)題。

數(shù)據(jù)分析是什么，小伙伴們自行去問(wèn)度娘哈。我特別不喜歡只會(huì)裝逼，看文章也一樣不喜歡華而不實(shí)的。所以督促自己寫文章時(shí)，把懂的、經(jīng)歷過(guò)的能細(xì)就寫的盡量詳細(xì);不懂的就去學(xué)，然后把整理的筆記分享出來(lái)，數(shù)據(jù)分析方面我涉入不多，內(nèi)容由于缺少實(shí)戰(zhàn)經(jīng)驗(yàn)，會(huì)比較基礎(chǔ)和理論，希望同樣對(duì)你有幫助。

1. 明確數(shù)據(jù)分析的目的

做數(shù)據(jù)分析，必須要有一個(gè)明確的目的，知道自己為什么要做數(shù)據(jù)分析，想要達(dá)到什么效果。比如：為了評(píng)估產(chǎn)品改版后的效果比之前有所提升;或通過(guò)數(shù)據(jù)分析，找到產(chǎn)品迭代的方向等。

明確了數(shù)據(jù)分析的目的，接下來(lái)需要確定應(yīng)該收集的數(shù)據(jù)都有哪些。

2. 收集數(shù)據(jù)的方法

說(shuō)到收集數(shù)據(jù)，首先要做好數(shù)據(jù)埋點(diǎn)。

所謂“埋點(diǎn)”，個(gè)人理解就是在正常的功能邏輯中添加統(tǒng)計(jì)代碼，將自己需要的數(shù)據(jù)統(tǒng)計(jì)出來(lái)。

目前主流的數(shù)據(jù)埋點(diǎn)方式有兩種：

第一種：自己開(kāi)發(fā)。開(kāi)發(fā)時(shí)加入統(tǒng)計(jì)代碼，并搭建自己的數(shù)據(jù)查詢系統(tǒng)。

第二種：利用第三方統(tǒng)計(jì)工具。

常見(jiàn)的第三方統(tǒng)計(jì)工具有：

網(wǎng)站分析工具：Alexa、中國(guó)網(wǎng)站排名、網(wǎng)絡(luò)媒體排名(iwebchoice)、Google Analytics、百度統(tǒng)計(jì)

移動(dòng)應(yīng)用分析工具：Flurry、Google Analytics、友盟、TalkingData、Crashlytics

不同產(chǎn)品，不同目的，需要的支持?jǐn)?shù)據(jù)不同，確定好數(shù)據(jù)指標(biāo)后，選擇適合自己公司的方式來(lái)收集相應(yīng)數(shù)據(jù)。

3. 產(chǎn)品的基本數(shù)據(jù)指標(biāo)

新增：新用戶增加的數(shù)量和速度。如：日新增、月新增等。

活躍：有多少人正在使用產(chǎn)品。如日活躍(DAU)、月活躍(MAU)等。用戶的活躍數(shù)越多，越有可能為產(chǎn)品帶來(lái)價(jià)值。

留存率：用戶會(huì)在多長(zhǎng)時(shí)間內(nèi)使用產(chǎn)品。如：次日留存率、周留存率等。

傳播：平均每位老用戶會(huì)帶來(lái)幾位新用戶。

流失率：一段時(shí)間內(nèi)流失的用戶，占這段時(shí)間內(nèi)活躍用戶數(shù)的比例。

4. 常見(jiàn)的數(shù)據(jù)分析法和模型

這里主要科普下漏斗分析法和AARRR分析模型。

漏斗分析法

用來(lái)分析從潛在用戶到最終用戶這個(gè)過(guò)程中用戶數(shù)量的變化趨勢(shì)，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)品各個(gè)關(guān)鍵流程的分析中。

比如，這個(gè)例子是分析從用戶進(jìn)入網(wǎng)站到最終購(gòu)買商品的變化趨勢(shì)。

從用戶進(jìn)入網(wǎng)站到瀏覽商品頁(yè)面，轉(zhuǎn)化率是40%;瀏覽商品到加入購(gòu)物車轉(zhuǎn)化率是20%等，那要找出哪個(gè)環(huán)節(jié)的轉(zhuǎn)化率最低，我們需要有對(duì)比數(shù)據(jù)。

比如第一個(gè)，進(jìn)入網(wǎng)站到瀏覽商品，如果同行業(yè)水平的轉(zhuǎn)化率是45%，而我們只有40%，那說(shuō)明這個(gè)過(guò)程，沒(méi)有達(dá)到行業(yè)平均水平，我們就需要分析具體原因在哪里，再有針對(duì)性的去優(yōu)化和改善。

當(dāng)然，上面這是我們?cè)O(shè)計(jì)的一種理想化的漏斗模型，數(shù)據(jù)有可能是經(jīng)過(guò)匯總后得出的。而真實(shí)的用戶行為往往可能并不是按照這個(gè)簡(jiǎn)單流程來(lái)的。此時(shí)需要分析用戶為什么要經(jīng)過(guò)那么復(fù)雜的路徑來(lái)達(dá)到最終目的，思考這中間有沒(méi)有可以優(yōu)化的空間。

AARRR模型

這個(gè)是所有的產(chǎn)品經(jīng)理都必須要掌握的一個(gè)數(shù)據(jù)分析模型。

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。

舉個(gè)例子，用AARRR模型來(lái)衡量一個(gè)渠道的好壞。

如果單從數(shù)據(jù)表面來(lái)看，A渠道會(huì)更劃算，但實(shí)際這種結(jié)論是有問(wèn)題的，用AARRR模型具體分析如下：

渠道A的單個(gè)留存用戶成本是60元，單個(gè)付費(fèi)用戶成本是300元;而渠道B的單個(gè)留存用戶成本是20元，單個(gè)付費(fèi)用戶成本是33元，這樣對(duì)比下來(lái)，明顯B渠道的優(yōu)勢(shì)遠(yuǎn)遠(yuǎn)大于A渠道。

交叉分析法

交叉分析法：通常是把縱向?qū)Ρ群蜋M向?qū)Ρ染C合起來(lái)，對(duì)數(shù)據(jù)進(jìn)行多角度的結(jié)合分析。?舉個(gè)例子：

a. 交叉分析角度：客戶端+時(shí)間

從這個(gè)數(shù)據(jù)中，可以看出iOS端每個(gè)月的用戶數(shù)在增加，而Android端在降低，總體數(shù)據(jù)沒(méi)有增長(zhǎng)的主要原因在于Android端數(shù)據(jù)下降所導(dǎo)致的。

那接下來(lái)要分析下為什么Android端二季度新增用戶數(shù)據(jù)在下降呢?一般這個(gè)時(shí)候，會(huì)加入渠道維度。

b. 交叉分析角度：客戶端+時(shí)間+渠道

從這個(gè)數(shù)據(jù)中可以看出，Android端A預(yù)裝渠道占比比較高，而且呈現(xiàn)下降趨勢(shì)，其他渠道的變化并不明顯。

因此可以得出結(jié)論：Android端在二季度新增用戶降低主要是由于A預(yù)裝渠道降低所導(dǎo)致的。

所以說(shuō)，交叉分析的主要作用，是從多個(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。

5. 如何驗(yàn)證產(chǎn)品新功能的效果

驗(yàn)證產(chǎn)品新功能的效果需要同時(shí)從這幾方面入手：

a. 新功能是否受歡迎?

衡量指標(biāo)：活躍比例。即：使用新功能的活躍用戶數(shù)/同期活躍用戶數(shù)。

使用人數(shù)的多少還會(huì)受該功能外的很多因素影響，千萬(wàn)不可只憑這一指標(biāo)判斷功能好壞，一定要結(jié)合下面的其他方面綜合評(píng)估。

b. 用戶是否會(huì)重復(fù)使用?

衡量指標(biāo)：重復(fù)使用比例。即：第N天回訪的繼續(xù)使用新功能的用戶數(shù)/第一天使用新功能的用戶數(shù)。

c. 對(duì)流程轉(zhuǎn)化率的優(yōu)化效果如何?

衡量指標(biāo)：轉(zhuǎn)化率和完成率。轉(zhuǎn)化率即：走到下一步的用戶數(shù)/上一步的用戶數(shù)。完成率即：完成該功能的用戶數(shù)/走第一步的用戶數(shù)。

這個(gè)過(guò)程中，轉(zhuǎn)化率和完成率可以使用(上)篇中提到的漏斗分析法進(jìn)行分析。

d. 對(duì)留存的影響?

衡量指標(biāo)：留存率。用戶在初始時(shí)間后第N天的回訪比例，即：N日留存率。常用指標(biāo)有：次日留存率、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(shí)用戶行為軌跡往往比我們?cè)O(shè)想的使用路徑要復(fù)雜的多，如果使用的數(shù)據(jù)監(jiān)測(cè)平臺(tái)可以看到相關(guān)數(shù)據(jù)，能引起我們的反思，為什么他們會(huì)這么走，有沒(méi)有更簡(jiǎn)便的流程，以幫助我們作出優(yōu)化決策。

6. 如何發(fā)現(xiàn)產(chǎn)品改進(jìn)的關(guān)鍵點(diǎn)

產(chǎn)品改進(jìn)的關(guān)鍵點(diǎn)，是藏在用戶的行為中。

想要找到這些關(guān)鍵點(diǎn)，除了通過(guò)用戶調(diào)研、訪談等切實(shí)的洞察用戶外，在產(chǎn)品中設(shè)置相關(guān)數(shù)據(jù)埋點(diǎn)記錄用戶的行為，觀察其行為軌跡，不能完全替代洞察用戶的行為，不過(guò)也可以有助于決策產(chǎn)品改進(jìn)點(diǎn)。

操作步驟：

7. 寫在最后

數(shù)據(jù)分析這個(gè)領(lǐng)域，需要學(xué)習(xí)的內(nèi)容，不僅僅只有我寫的這些，如果對(duì)數(shù)據(jù)分析很感興趣的小伙伴，也可以看看這兩個(gè)網(wǎng)站：

網(wǎng)站分析在中國(guó)

http://www.chinawebanalytics.cn

藍(lán)鯨的網(wǎng)站分析筆記

http://bluewhale.cc