数极客首页

如何入门精益数据分析

一、认识数据——产品经理与数据剖析

1.1数据的客观性

数据是量化事物的伎俩

,投射到不同的人身上又会招致
解读的结论倾向

,因而

我们需求
“求证”地剖析

第三方网站提供的调研数据(网站改版案例)。

大量的数据怎样
为我们所用呢。大约
包含以下几点:明白
问题实质

;了解

产品业务;大量深化
的产品理论

1.2培育
面对数据的“聪明

好的产品经理需求
学会控制自己

的思想
,理性
的发散,理性的聚焦需求
同时具备。基本

是靠重复

的练习和大量的数据阅历练成的吧。

产品经理开端
有认识
的学习数据剖析

的时分
应该从以下两点开端

第一、学习怎样
提出数据统计需求

提出数据需求的过程,是一个“界定产品目的和目的
,依据

目的
提出假定
、预判产品效果”的过程,央求

对功用
目的
、功用
预期效果有完好
且明晰
的控制

一个完好
的数据需求包含功用
设计计划

、功用
目的和目的
、功用
上线后需求
跟踪的数据指标及指规范


定义。

案例:

怎样入门精益数据剖析

网站注册流程需求案例 第二、学习怎样
解读数据

对数据坚持
敏感,并能经过
逻辑推理,进一步提出好的追问和假定
,然后再经过
数据或者其他伎俩

来考证

分分明

因果关系和相关关系,提出好的追问假定
,在不同的维度拆分数据。

怎样入门精益数据剖析

电商网站案例

1.3数据剖析

当中的“误区”

a.疏忽

缄默

用户

b.用户迫切需求
的需求≠产品中心
需求

c.过火
依赖数据会限制产品经理的灵感

d.错判因果关系和相关关系

e.警惕

表达数据的技巧(控制折线图纵坐标范围混杂
结论)

f.不要妄谈大数据(大数据特征——要用全部数据、注重相关关系、全新的计算办法

)

二、获取数据——产品剖析

指标和工具

2.1网站数据指标

网站排名工具:Alexa、中国网站排名、网络媒体排名

网站监测工具:Google Analytics、百度统计、CNZZ

关键网站剖析

指标:访问量、访客数、阅读
量、跳出率、页面停留时长、网站停留时长、退出率、转化率

访问量:Session

访客数:Unique Visitor,依据

用户的设备、阅读
器分配Cookie

阅读
量:PageViews

页面停留时长:该页面的总停留时长除以该页面的访问量

网站停留时长:指访问一次会话的时间长度,等于网站一切
访问量的总停留时长除以访问量

跳出率:网站的重要指标。等于只访问了落地页面的访问量除以总访问量。

退出率:等于从一个页面的退出次数除以访问次数

转化率:达成某种目的
的访客数占总访客数(访客数换成访问量也是同样成立的)

Google Analytics操作引见

4大模块:受众群体剖析

、流量获取剖析

、用户行为剖析

、用户转化剖析

控制
对数据的宏观剖析

思绪
,避免

堕入
到数据细节中,如下:

a.访客数和访问深度

查看GA上的受众群体概览页来了解

网站的访客数和访问深度。

b.访客来源,渠道效果

查看GA上的流量获取的概览页

Referral:引荐

网站,如博客、联盟等等

Direct:直接进入网站

Organic Search:自然搜索

Paid Search:付费搜索

c.剖析

用户在网页的行为

关注流量最大的着陆页,降低跳出率

关注阅读
最大的其他页面,与着陆页对比

页面点击热图

主要流程的转化漏斗

2.2移动

应用类数据指标

移动

应用主要指标

从获取用户到取得

收入基本

会阅历
以下几个过程:用户获取、用户生动

与参与、用户留存、用户转化、获取收入。下面依次引见
各个阶段的主要指标:

用户获取阶段:

下载量(商店评分和排名)、装置

激活量、激活率、新增用户数(普通
就是新增设备数)、用户获取本钱

用户生动

与参与阶段:

日生动

用户数、月生动

用户数(可表示用户范围
)、生动

系数(日活除以月活)、平均

运用
时长、功用
运用

用户留存阶段:

次日留存率、7日留存率、30日留存率

用户转化阶段:

付费用户比例、初次
付费时间、用户平均

每月营收(月收入除以月生动

用户数)、付费用户平均

每月营收(月收入除以月付费用户数)

获取收入阶段:

收入金额,付费人数

运用
数据指标评价版本迭代效果的办法

留存率对比

中心
功用
运用

运用
率和继续运用
率(代表功用
的受欢送

水平

对中心
功用
的促进效果(中心
贡献

的概念——举例:运用
过功用
A的听歌人数比例减去未运用
过功用
A的听歌人数比例)

移动

应用剖析

工具

国内剖析

工具:友盟、TalkingData

国外剖析

工具:Flurry,Google Analytics

Crash剖析

工具:Crashlytics

2.3电商类数据指标

电商类关键指标

销售额、置办

客户数、客单价、置办

转化率、UV、详情页UV、重点商品缺货率、妥投及时率

销售额:网站的收入(UV*转化率*客单价)

置办

客户数:新老客户

客单价:销售额除以置办

客户数

置办

转化率:置办

客户数除以访客数(UV)

详情页UV(IPV_UV)

剖析

数据指标办法

流量增长要素

PC/WAP端(不同媒体),APP端(iOS&Android)

客单价增长要素

客单价等于人均置办

件数*件单价

件单价(热销商品价钱
变动)

人均置办

件数(组合装/单件装比例、举荐

效果)

转化率要素

怎样入门精益数据剖析

转化漏斗 详情页来源剖析

电商网站的详情页来源普通
分为:直接落地到详情页、从首页进入详情页、从频道进入详情页、从分类页进入详情页面、从品牌页进入详情页、经过
关联销售进入详情页面

怎样入门精益数据剖析

详情页来源剖析

2.4 UGC类数据指标

UGC产品参与度指标

访客数、登陆访客数及占比、缄默

用户数及占比、平均

停留时长、产出内容访客及占比(Lofter案例)

访客数:Web端访客数+移动

端访客数

登陆访客数及占比:登陆的访客数占总访客的比例

缄默

用户数及占比:超越
7天未产生内容的账号数占总账号数的比例

平均

停留时长:总停留时长除以访客数

优质内容评分

热度=分享次数+举荐

次数+点赞次数

互联网产品指标思绪

访客数和特征、获取渠道及渠道质量、访客参与深度、转化率和转化漏斗能否
流利

访客数和特征:访问时间段、访问地域、设备、网络

获取渠道及渠道质量

a.基本

思绪
:带来多少新访客、阅读
深度怎样
、留存率和转化率

b.Web端:新访客占比(代表渠道拓展用户的才干

)、跳出率、阅读
页面数以及转化率

c.移动

端:新设备占比、次日留存以及转化率

访客参与深度:跳出率、阅读
页面数、转化率

转化率和转化漏斗能否
流利

怎样入门精益数据剖析

转化漏斗 获取指标的方式

剖析

日志、剖析

工具获取(自定义时间、自定义转化漏斗)

三、剖析

数据——产品数据剖析

框架

3.1基本

剖析

办法

对比

剖析

横向对比

,纵向对比

(保证对比

指标之外其他要素
尽可能坚持
分歧
,比如

通常在做新旧版本剖析

的时分
会尽量选择两个版本发布初期的新用户)

趋向
剖析

整体趋向
、周期变化、极值点

象限剖析

案例:渠道评价
和优化(质量–数据量

怎样入门精益数据剖析

象限剖析

交叉

剖析

法:

案例:多维度的数据剖析

(ios和安卓下载数剖析

怎样入门精益数据剖析

交叉

剖析

3.2数据剖析

框架——AARRR模型

数据剖析

框架的作用:

保证结果的精确

性、牢靠

性、针对性

常见的剖析

框架(宏观,适用于管理和运营)

PEST剖析

框架:

Political(政治),Economic(经济)、Social(社会)、Technological(科技),用于企业所处宏观环境的剖析

5W2H剖析

框架:

What+Why+When+Where+Who+How+How Much,常用于决策和执行性的活动措施

SWOT剖析

Strengths(内部优势), Weaknesses(内部优势
) Opportunities(外部机遇

) Threats(外部要挟

运用这种办法

,能够

对研讨
对象所处的情形
中止

全面、系统、精确

的研讨
,从而依据

研讨
结果制定相应的展开

战略、计划

以及对策等。

SMART准绳

Specific(细致

的), Measurable(可权衡
的),Aainable(可抵达

的),Relevant(相关的),Time-Bound(有明白
终了

期限的),常用于目的
管理。

4P理论

Product(产品),Price(价钱
),Place(渠道),促销(Promotion),用于制定营销战略

AARRR剖析

框架

Acquisition(获取)Activation(激活) Retention(留存) Revenue(收入) Refer(举荐

怎样入门精益数据剖析

AARRR模型 怎样入门精益数据剖析

AARRR剖析

思绪
AARRR模型应用

提升AARRR各环节指标的对应操作(渠道剖析

案例)

怎样入门精益数据剖析

渠道剖析

案例 怎样入门精益数据剖析

渠道剖析

案例 3.3数据剖析

框架——逻辑分层拆解与漏斗剖析

逻辑分层拆解

逻辑拆解【相关指标和中心
指标存在逻辑关联】

分层拆解【同一层指标不相关】

怎样入门精益数据剖析

逻辑分层拆解 漏斗剖析

关键途径
的转化率、转化率对比

剖析

、Google Analytics行为流

3.4数据会说谎

改动
坐标轴:添加趋向
线及其公式

样本量的误差:决议
样本量大小的要素
(总体大小、总体内部差别

水平

平均

数的数据谎言

:当数据呈现正态散布

,平均

数才干
近似代表整体的状况

辛普森悖论:数据集中的变量被分组,其相关性被降低或不存在相关性(留意
不用混杂
变量分组数据)

四、应用
数据——数据驱动产品

4.1数据应用的场景

需求剖析

阶段:

对用户层面的需求,经过
数据去伪存真。对公司层面的需求,经过
数据考证
并提供证据(网易考拉海购退出率案例)

产品设计阶段:

设计前——发现问题,设计中——辅助决策,判别
思绪
(A/B test),设计后——考证
计划

(对比

中心
指标)

4.2数据驱动产品的办法

经过
数据发现问题:

对导出率、跳出率、称心

度、各端用户占比中止

对比

剖析

肯定
改版数据指标:

综合用户需求和数据反映问题拟定中心
指标

产品设计:

品牌调性(用户调研)、首页架构和陈列样式

、展示

方式

上线后的数据考证

对之前的数据中心
指标中止

对比

认证,并发现新问题

4.3怎样
培育
数据剖析

才干

心法层面:

猎奇
心、求知欲、察看

生活

基础

层面:

中心
基础

概念、基本

统计原理

实战层面:

数据驱动产品闭环,熟习
业务,时辰
关注数据、坚持
敏感

注:内容整理于网易产品经理微专业

文/Summer先生_(简书作者)

转自:简书

原文链接:http://www.jianshu.com/p/501987a77f3f

发表评论

评论已关闭。

相关文章