初步建立数据分析框架
本帖最后由 小猫咪 于 2017-8-15 09:58 编辑初步建立数据分析框架
实际工作中，面对的数据会很多，自己遇到的第一个问题是看哪些数据？ 时至今日，面对纷杂的业务和避免为了分析数据而看数据，我依旧在思考这个问题，并且试图通过建立自己的数据分析体系解决这个问题。 通过查找资料和自己的工作经验，总结出适用自己的分析体系： 1，以具体业务为出发点，去分析数据。 2，通过AARRR模型解决产品生命周期中用户获取，激活，留存，转化和传播的通用型问题。 3，以销售额为中心的电商分析框架，能解决许多实际业务问题。（自己从事电商行业） 4，积累行业其他成熟的分析方法
一、谨记出于什么具体业务去分析数据
以始为终是产品的基本思维之一，数据分析框架像是解答数学问题的公式，该用哪个公式，如何用，首先得弄清楚题目的含义。工作中常用到的两个数据分析场景是： 1，如何评估产品的改版效果？ 2，如何通过数据继续下一次迭代？ 以上两个场景并不需要翻遍所有数据指标来解决问题，有相对成熟的方法去借鉴。 第一次接触数据的同学建议优先观察产品的日活，月活，次日，7日和30日留存，以及用户的使用时间。这几个数据可以概括地说明产品的概况与用户质量。后面再关注漏斗和页面跳转路劲，分析用户如何使用产品。
二、AARRR模型分析方法
AARRR模型是产品和运营方法论中较为成熟的思考方式了，她代表了从用户获取，激活，留存，转换和再传播的5个产品阶段。
1，用户获取阶段 主要是关注新增用户数和用户获取成本，通过安卓渠道包和第三方数据工具，可以快速看到各个渠道用户的获取情况。
2，用户激活阶段 主要关注用户数量与质量两个维度的数据。 用户数量可以通过日活跃数，月活跃用户数，活跃系数衡量。 日活跃用户数：该指标能反应当天的引流效果，波动幅度通常较大。 月活跃用户数：应用的用户规模通常用月活跃用户数表示，波动幅度不大。（面试时，面试官问到活跃用户时，回答月活跃用户数，相对来说靠谱些。） 活跃系数：该指标等于日活跃用户数/月活跃用户数，通常来说活跃系数大于0.2较为正常。 用户质量可以通过用户使用时长，打开次数来判断。 功能使用率：某功能的使用率/月活跃用户数。这个指标可以用于观察核心功能的使用情况等多个业务场景。
3，用户留存阶段 主要关注次日，七日和30日留存。 次日留存：次日留存不佳，表示产品可能在产品形态或者内容方面对用户吸引力不大，存在严重缺陷。或者引流的用户不是目标用户。 七日留存：七日留存不佳，表示产品缺乏让用户体验更久的功能。例如某些以新奇见长的产品，引入用户后，满足用户的好奇后，用户就会卸载该产品。 30日留存：表示产品迭代不佳。 通常次日，七日，30日留存能做到40%，20%，10%是较为不错的结果。
4，用户转化阶段 通过建立转化漏斗可以观察到转化情况，也可以根据漏斗中的关键事件，定位问题，优化设计。
5，再传播阶段 关注的是产品的推荐数，分享数量等指标。 通过AARRR模型五个阶段的各个指标以及对应的行业数据情况，可以在实际工作中推断自己负责产品的现状。AARRR模型进一步的应用场景是精细化运营，例如通过安卓不同的渠道包知道用户从哪儿来，跟踪不同渠道引入的效果。关注各个渠道引入用户的获取成本和用户价值（例如用户的消费情况）比单纯地关注用户ROI会效果更好。 以上数据指标绝大部分能通过第三方数据分析工具完成。
三，电商业务分析体系
因为自己从事的是电商，所以以电商举例具体业务的分析体系。 电商的业务分析可以从销售额=流量*转换率*客单价这个公式拆解。 分析现有销售额的组成或者提升销售额可以从流量，转化率，客单价三个指标分析
1，流量增长原因： 先按终端类型：App，网页端，App可以通过渠道包或者IDFA来标识，网页端可以通过媒体渠道来区分。
2，客单价原因： 首先客单价是针对某个时间段而言的，业务上计算客单件的公式： 客单价=销售额/购买客户数。 分析客单价变动原因的公式： 客单价=人均购买件数*件单价来分析客单件 人均购买件数是指每个客户购买几件商品。这个指标也经常用于衡量关联销售的效果，人均购买件数越多，关联销售效果越好。 件单价指商品的平均价格，等于销售额除以销售量，这个指标用来衡量网站商品价格高低。 某日件单价升高，可能是促销活动导致高价格的商品销量增加。 件单价变动可以 通过热销商品价格变动来分析；人均购买件数可以通过组合装/单件装比例以及推荐效果（猜你喜欢功能)来分析。
3,转化率分析 建立分析转化漏斗可以把问定位到某个页面，详情页的到达率是关键指标。从而提升转换率。
4，商品详情页来源 归纳商品详情页来源可以大致分为如下三条： A，进入产品后直接进入商品详情，直接观察该商品详情页的访客数。 B，从商品聚合页进入商品详情（搜索结果页，商品分类页等）。来源的效果可以通过导出率评估，搭配出率等于该页面点击商品的次数除以该页面的访客数。 C从商品详情页到商品详情页主要依赖关联推荐，可以通过商品点击率来衡量，该指标等于在商品详情页看到推荐的方可中，点击推荐商品的比例。
四，积累行业其他成熟分析方法
以上两种分析体系还有其他业务场景没有覆盖，需要不断积累，丰富自己的分析方法，开拓思维方式。 例如衡量改版效果可以： 1，分析设计功能的使用情况，这里可以引用“功能使用率”概念和其他功能做横向对比。或者是改版的情况下，纵向对比之前的使用率。 2，关注对核心功能的影响，特别是设计的功能对核心功能有影响时。 3，持续观察新功能的使用情况，有条件的观察继续使用率。 继续使用率：本周使用过功能A的用户占下周使用过功能A的比例。 又例如利用导出率概念： 导出率=上级页面的浏览量比下级页面的浏览量，分析某个页面各个模块的表现情况，对于导出率不佳的模块考虑是否要优化解决问题或者是设计弱化。注：AARRR模型与电商行业的相关分析方法主要来自网易云课堂《产品经理微专业》
本文转自 PMCAFF，作者：WBS文章原链接为：http://www.pmcaff.com/article/index/791718866995328
666 {:4_93:}
页:
[1]