数极客首页

数据分析8个流程与常用7个思路

在产品运营过程中,数据剖析

具有极端
重要的战略意义,是产品优化和产品决策的中心
大脑。因而

做好数据剖析

,是产品运营中最重要的环节之一。

那么怎样
做好支付的数据剖析

呢?以下梳理出数据剖析

的8步流程,以及常见的7种剖析

思绪
。新手在启动数据剖析

前,最好跟主管或数据阅历

较丰厚
的童鞋确认每一步的剖析

流程。

一、数据剖析

八流程:

1、为什么剖析

?

第一
,你得知道

为什么剖析

?弄分明

此次数据剖析

的目的。比如

,这次短信方式的数据剖析

,为什么要做这个剖析

。你一切
的剖析

都的盘绕
这个为什么来回答

。避免

不契合
目的
重复

返工,这个过程会很痛苦。

2、剖析

目的
是谁?

剖析

目的
是谁?要牢记分明

的剖析

因子,统计维度是订单,还是用户,还是金额,还是用户行为。避免

把订单当用户算,把用户当订单算(上周运营同窗
真实案例),算出的结果是差别

十分

大的。

3、想抵达

什么效果?

经过
剖析

各个维度的用户,订单,找到真正的问题。例如这次的XX通道的剖析

,全盘下线,或维持现状不动,都不契合
利益最大化准绳
。经过
剖析

,找到真正的问题本源

,发现用户精密

化运营曾经
十分

必要了。

4、需求
哪些数据?

支付的数据,茫茫大海,数据繁多,用“海”来形容一点都不为过。需求
哪些源数据?付费总额,付费人数?新老用户维度?付费次数?转移人数?留存率?用户特征?画像?先整理好思绪
,列一个表。避免

数据部门同窗
今天跑一个数据,明天又跑一个数据,数据部门同窗
也会比较

烦。

5、怎样
采集?

直接数据库调取?或者交给程序猿导出? 自己

写SQL?运营同窗
无妨
都学一下SQL,自给自足

6、怎样
整理?

整理数据是门技术活。不得不招认

EXCEL是个强大工具,数据透视表的熟练

运用
和技巧,作为支付数据剖析

必不可少,各种函数和公式也需求
略懂一二,避免

低效率的数据整理。Spss也是一个十分

优秀的数据处置
工具,特别在数据量比较

大,而且当字段由特殊字符的时分
,比较

好用。

7、怎样
剖析

?

整理终了
,怎样
对数据中止

综合剖析

,相关剖析

?这个是很考验逻辑思想
和推理才干

的。同时剖析

推理过程中,需求
对产品了如指掌,对用户很了解

,对渠道很熟习
。看似一个简单的数据剖析

,其实是各方面才干

的表现
。第一
是技术层面,对数据来源的抽取-转换-载入原理的了解

和认识;其实是全局观,对时节
性、公司等层面的业务有明晰
的了解

;最终
是专业度,对业务的流程、设计等了如指掌。练就数据剖析

的洪荒之力并非一朝一夕之功,而是在理论
中不时
生长
和升华。一个好的数据剖析

应该以价值为导向,放眼全局、立足业务,用数据来驱动增长。运营同窗
比较

容易聚在某个点上转圈走不出来。

8、怎样
展示

和输出?

数据可视化也是一个学问。怎样
用合适

的图表表现?每一种图表的寓意是什么?下面罗列
下常用的8个图表:

(1)、折线图:合适

用于随时间而变化的连续数据,例如随时间收入变化,及增长率变化。

(2)、柱型图:主要用来表示各组数据之间的差别

。主要有二维柱形图、三维柱形图、圆柱图、圆锥图和棱锥图。如支付宝与微信掩盖
率差别

(3)、堆积柱形图:堆积柱形图不只
能够

显现
同类别中每种数据的大小,还能够

显现
总量的大小。例如我们需求
表示各个支付方式的人数及总人数时。

(4)、线-柱图:这种类

型的图不只
能够

显现
出同类别的比较

,还能够

显现
出趋向
状况

(5)、条形图:相似

于横向的柱状图,和柱状图的展示

效果相同,主要用于各项类的比较

(6)、饼图:主要显现
各项占比状况

。饼图普通
慎用,除非占比区别十分

显然
。由于
肉眼对对饼图的占比比例分辨并不直观。而且饼图的项,普通
不要超越
6项。6项后倡议

用柱形图更为直观。

(7)、复合饼图:普通
是对某项比例的下一步剖析

(8)、母子饼图:可直观地剖析

项目的组成结构

与比重。例如上次短信支付才干

用户中,没有第3方支付才干

的用户,中间有X%比例是没银行卡,X%比例是没微信支付账号等。

图表不用
太花哨,一个表说一个问题就好。用友好的可视化图表,俭省
阅读者的时间,也是对阅读者的尊重。

有一些数据,辛辛劳
苦做了整理和剖析

,最终
发现对结论输出是没有关系的,固然
做了很多工作,但不能为了表现
工作量而堆砌数据。

在展示

的过程中,请注明数据的来源,时间,指标的阐明

,公式的算法,不只
表现
数据剖析

的专业度,更是对报告阅读者的尊重。

二、数据剖析

七思绪

1、简单趋向

经过
实时访问趋向
了解

产品运用
状况

。如总流水,总用户,总胜利

率,总转化率。

2、多维合成

依据

剖析

需求
,从多维度对指标中止

合成
。例如新老用户、支付方式、游戏维度、产品版本维度、推行
渠道、来源、地域
、设备品牌等等维度。

3、转化漏斗

依照

已知的转化途径
,借助漏斗模型剖析

总体和每一步的转化状况

。常见的转化情境有下单率,胜利

转化率等。

4、用户分群

在精密

化剖析

中,常常需求
对有某个特定行为的用户群组中止

剖析

和比对;数据剖析

需求
将多维度和多指标作为分群条件,有针对性地优化产品,提升用户体验。例如我们这次对短信这类用户,短信里又有第3方和无第3方支付才干

的,需求
再中止

分群的运营。

5、细查途径

数据剖析

能够

察看

用户的行为轨迹,探求

用户与产品的交互过程;进而从中发现问题、激起
灵感亦或考证
假定
。例如我们这次对新用户的运营,也十分

有意义

6、留存剖析

留存剖析

是探求

用户行为与回访之间的关联。普通
我们讲的留存率,是指“新增用户”在一段时间内“回访”的比例。经过
剖析

不同用户群组的留存差别

、运用
过不同功用
用户的留存差别

来找到产品的增长点。

7、A/B 测试

a/b测试就是同时中止

多个计划

并行测试,但是每个计划

仅有一个变量不同;然后以某种规则(例如用户体验、数据指标等)优胜略汰选择最优的计划

数据剖析

需求
在这个过程当选

择合理的分组样本、监测数据指标、事后数据剖析

和不同计划

评价

不单是支付的数据剖析

,其他的产品运营数据剖析

流程和思绪
也一样适用,只是支付数据相对其他产品而言,维度很多,以及组合的维度也十分

多,因而

就需求
更明晰
的思绪
和大局观,避免

堕入
到数据海洋中。

源:秋天e云,作者:秋云

发表评论

评论已关闭。

相关文章