閱讀356
標(biāo)簽：
移動互聯(lián)網(wǎng)，物聯(lián)網(wǎng)產(chǎn)生了海量的數(shù)據(jù)，大數(shù)據(jù)計算技術(shù)完美的解決了海量數(shù)據(jù)收集、計算、存儲、分析的問題。催生了大數(shù)據(jù)時代的到來，大數(shù)據(jù)時代會數(shù)據(jù)分析的產(chǎn)品經(jīng)理將會越來越吃香，因為數(shù)據(jù)分析的結(jié)果，可以幫助我們進(jìn)行精準(zhǔn)營銷、優(yōu)化產(chǎn)品設(shè)計、提供決策支持...，這些都讓數(shù)據(jù)前所未有的值錢，不信你看大數(shù)據(jù)發(fā)展趨勢。
數(shù)據(jù)(data)是事實或觀察的結(jié)果，是對客觀事物的邏輯歸納，是用于表示客觀事物的未經(jīng)加工的的原始素材。
這樣可能比較抽象，舉個例子，你去辦理銀行卡的時候，填寫的姓名、電話、住址、聯(lián)系人....就是數(shù)據(jù)。
按照數(shù)據(jù)來源來分外部數(shù)據(jù)和內(nèi)部數(shù)據(jù)。外部數(shù)據(jù)包含宏觀經(jīng)濟(jì)數(shù)據(jù)、市場發(fā)展趨勢、新聞輿情數(shù)據(jù)、社會人口數(shù)據(jù)，內(nèi)部數(shù)據(jù)可分為用戶行為數(shù)據(jù)、服務(wù)端日志數(shù)據(jù)、交易數(shù)據(jù) 。
數(shù)據(jù)不是目的，數(shù)據(jù)分析的結(jié)果才是我們想要的。
數(shù)據(jù)分析就是提取有用的數(shù)據(jù)來指導(dǎo)實踐。
1、數(shù)據(jù)不要流于形式，要以結(jié)果為導(dǎo)向。
2、數(shù)據(jù)可視化，這樣便于發(fā)現(xiàn)數(shù)據(jù)背后提供的信息。
3、提取有用的數(shù)據(jù)，不是自嗨。
舉個例子：互聯(lián)網(wǎng)金融都會有渠道推廣這個東西，比如有A B C D 四個渠道，可以統(tǒng)計從各個渠道過來的用戶數(shù)量和在投金額。站在老板的角度就會選擇花的錢最少，但是帶來收益最高的那個渠道，也就是ROI最高的那個渠道。
如果再進(jìn)一步細(xì)分，如果A渠道10個人帶來了200萬，B渠道300個人帶來了200萬，那么說明A渠道高凈值人群比較多，如果和我們目標(biāo)用戶一樣的話，可以重點維護(hù)！加大宣傳投入成本，所以目的不一樣，看的數(shù)據(jù)也不一樣
外部數(shù)據(jù)：比達(dá)咨詢、易觀智庫、酷傳、百度指數(shù)等，都會有對于行業(yè)數(shù)據(jù)的分析。
自有的數(shù)據(jù)系統(tǒng)：比如公司內(nèi)部自建的BI系統(tǒng)，這些數(shù)據(jù)一般來源于公司內(nèi)部,是原始的數(shù)據(jù)，分析出來的結(jié)果最具有說服力！
第三方數(shù)據(jù)分析工具：例如諸葛io、友盟、百度統(tǒng)計、Growing io等
公司可以自建一個power BI系統(tǒng)，然后再嵌入第三方的數(shù)據(jù)分析工具，達(dá)到對數(shù)據(jù)一個全面分析的作用。
a、友盟
友盟提供iOS、Android平臺服務(wù)，幫助移動應(yīng)用開發(fā)商統(tǒng)計和分析流量來源、內(nèi)容使用、用戶屬性和行為數(shù)據(jù)，但是無法對關(guān)鍵數(shù)據(jù)在突發(fā)異樣時進(jìn)行跟蹤。
b、百度移動統(tǒng)計
免費移動應(yīng)用統(tǒng)計分析工具，支持iOS和Android兩大平臺，開發(fā)者通過嵌入統(tǒng)計SDK，即可實現(xiàn)對移動應(yīng)用的全面監(jiān)測，百度統(tǒng)計可以分析用戶行為、用戶屬性、地域分布、終端分析等。
c、諸葛io
諸葛io，是一款基于用戶洞察的精細(xì)化運營管理工具。以用戶跟蹤技術(shù)和簡單易用的集成開發(fā)方法，幫助移動應(yīng)用的運營者們挖掘用戶的真實行為與屬性?？梢詫⑵溆糜趇OS、Android應(yīng)用平臺。
d、Growing io
優(yōu)部部署代價低，無須埋點，讓程序員專注于寫代碼。同時統(tǒng)計全面，分析效率比較高，優(yōu)化產(chǎn)品體驗，實現(xiàn)精細(xì)化運營。
1、入口分析
用戶從哪些渠道進(jìn)入產(chǎn)品，對比運營策略分析量多或量少的原因，提出優(yōu)化方案。例如，你的app用戶有從app store來的，有從不同的安卓市場來的，有從第三方渠道來的，有地推來的，有運營發(fā)布的文章來的，你需要分析從不同渠道來的用戶數(shù)量和質(zhì)量以及投入成本，就像我上面舉得互聯(lián)網(wǎng)金融的例子，通過投入產(chǎn)出比來選擇渠道，同時通過每個渠道來的用戶貢獻(xiàn)程度，來分析出每個渠道的用戶質(zhì)量。
2、用戶分析
分類用戶群體，獲取用戶基本信息，包括地區(qū)、性別、職業(yè)等你的產(chǎn)品需要關(guān)心的元素；這一部分相當(dāng)于用戶畫像，你可以通過自己建立的power BI系統(tǒng)來進(jìn)行分析，也可以通過第三方提供的工具來進(jìn)行分析，可以根據(jù)這些數(shù)據(jù)信息來做你的用戶畫像。用戶畫像的五個維度，可以參考我之前的文章《產(chǎn)品經(jīng)理如何進(jìn)行用戶畫像上》
統(tǒng)計新增用戶、活躍用戶、流失用戶數(shù)據(jù)，思考如何刺激轉(zhuǎn)化；這就是用戶運營的工作，哪些是新增用戶，哪些是活躍用戶，哪些是流失用戶。重點考慮新增用戶的轉(zhuǎn)化和流失用戶流失的原因，以及定期做一些運營活動來促進(jìn)用戶的活躍。
3、事件分析
各個功能的使用情況，驗證功能設(shè)計時的想法，有沒有出現(xiàn)與設(shè)計時相悖的數(shù)據(jù)，例如 PV、UV、頁面跳出率、頁面停留時長、轉(zhuǎn)化率這些指標(biāo)，下面的這個例子就是很好的一個事件分析的例子。
案例：客棧通APP訂單詳情頁優(yōu)化
客棧通是一款幫助民宿客棧老板管理房態(tài)、處理訂單的軟件，在這款A(yù)PP上，訂單詳情的展示對老板至關(guān)重要，但是訂單內(nèi)信息較多，在最初的版本上做了逐行展示，用戶要看全信息必須上下滑動3屏。
產(chǎn)品上線后就開始監(jiān)測這個頁面所涉及的數(shù)據(jù)指標(biāo)，我們發(fā)現(xiàn)，進(jìn)入訂單詳情的用戶大多只是查看信息，做出修改的只占13%；而修改操作中，修改訂單狀態(tài)的又遠(yuǎn)多于修改訂單內(nèi)容的。訂單修改頁面的平均停留時長達(dá)到11秒，說明用戶定位到要修改的信息再完成修改有一定費力度。雖然對訂單信息做了逐行展示，但有些字段長度有限，可以考慮合并；而有些字段（如房型名稱、房間號）長度可能超出但對用戶這全不是問題——客棧老板對自己的房間如數(shù)家珍，并不強求完整展示。
于是，改版設(shè)計方向明確，我們對訂單信息重新布局，分成預(yù)訂、住客、房間和結(jié)算四個小模塊，每個模塊內(nèi)信息精簡展示，令一屏內(nèi)能完整展示訂單的重要信息；將低頻的修改訂單內(nèi)容操作（如添加房間、入住人）通過入口隱藏起來；同時將我們要強化的修改狀態(tài)操作置底顯示，引導(dǎo)用戶進(jìn)入主流程（辦理預(yù)訂-辦理入住-辦理離店）。
商戶端產(chǎn)品的用戶數(shù)與客戶端不在一個數(shù)量級，因此設(shè)計驗證我們未采用更適于海量數(shù)據(jù)的A/B測試，而是實地走訪多家客棧，通過高保真原型演示和任務(wù)模擬，直接觀察客棧老板的操作，來進(jìn)行可用性測試。
優(yōu)化版本上線后的數(shù)據(jù)令人欣喜，訂單查看和修改頁面的PV有了30%以上的增長，訂單平均修改時長由11秒顯著降低至4秒；而與此同時，APP的訂單修改量增加了30倍。顯然，快捷方便的體驗令更多用戶把修改訂單操作由PC轉(zhuǎn)向手機(jī)。
4、漏斗分析
也叫做漏斗模型，比如一個p2p購買流程。
瀏覽標(biāo)的—-》查看標(biāo)的詳情—》購買—》輸入支付密碼—》成功支付
你可以分析用戶的每一個操作步驟，你如有100個人瀏覽你的標(biāo)的，80個人查看詳情，60個購買，5個人購買成功。說明用戶在輸入支付密碼那一塊漏的比較厲害，需要重點優(yōu)化，這就是漏斗模型的作用。
我覺得對于產(chǎn)品來說，有兩大流程需要進(jìn)行漏斗模型分析。一個就是注冊流程，這個決定了用戶會不會在你注冊環(huán)節(jié)流失。另外一個就是主要流程。例如電商的支付流程，金融平臺產(chǎn)品購買流程和充值流程。
5、留存分析
次日留存、三日留存、月留存。所謂留存率，就是指一組用戶在初始時間(比如首次打開應(yīng)用)之后第 N 天，還在使用產(chǎn)品的用戶比例(即留存下來的用戶比例)，一般稱之為N 天留存率。對于留存率你要辯證的看，如果你是做的社交產(chǎn)品，那么留存率是一個很重要的指標(biāo)。如果你做的是旅游機(jī)票這種產(chǎn)品，類似于攜程，可能有的用戶半年就買一次機(jī)票，買機(jī)票的時候才想起你，這種低頻的使用產(chǎn)品，你再分析留存率就沒啥意思。
總結(jié)：數(shù)據(jù)分析是一個很重要的產(chǎn)品需求來源，你自己提的想法可能不靠譜，老板的想法可能在天上，覺得運營提的需求太傻逼，但是數(shù)據(jù)永遠(yuǎn)不會說謊，做好你的數(shù)據(jù)分析，從現(xiàn)在開始。數(shù)據(jù)分析可加微信（yw5201a1）交流。
更多干貨，請關(guān)注微信公眾號：chanpinliu880
聯(lián)系客服
