数据分析并不是简简单单的数据整理

时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络

小提示:您能找到这篇{数据分析并不是简简单单的数据整理}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的数据分析并不是简简单单的数据整理内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您!

如果你不能衡量它,那么你就不能有效增长它。

你是否听过这样的故事:隔壁老王开了一家水果铺子,你问他每天生意怎么样,他可以回答卖的不错/很好/最近不景气。这些都是很虚的词,因为他认为卖的不错也许是卖了50个,而你认为的卖的不错,是卖了100。

现代管理学之父彼得德鲁克曾说过:“如果你不能衡量它,那么你就不能有效增长它。”

产品经理要想做好数据分析,应该有一套完整的思维体系,在价值观、方法论和工具三个层面上储备相关知识。确认运营目的,分析核心指标,指标系统分解,数据采集,数据分析及决策支持同时立足于产品和用户,用数据来打磨产品,用数据来检验迭代,不断提升用户体验。
那么…

什么是数据分析?

用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中,数据分析可帮助人们作出判断,以便采取适当行动。需要注意的是,数据分析是从数据中提取有用的信息,而不是流于形式。分析产品过往的数据,来洞悉问题,驱动有目标的产品迭代。

数据分析的核心方法

AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一个风险投资人戴维 麦克鲁尔在2008年时创建的,分别是指获取、激活、留存、收入和推荐。AARRR是Acquisition、Activation、Retention、Revenue、Refer,这个五个单词的所写,分别对应这一款移动应用生命周期中的5个重要环节。从 AARRR 框架 ( 获取、激活、留存、变现与推荐五个环节)入手进行产品分析,这是一个非常好的分析方法。当我们了解在AARRR的每个环节中,应当关注什么样的数据,什么样的数据表现才是正常的。

数据分析的工具

App

  • 友盟:国内最早做移动数据统计,产品免费,使用最广泛
  • GrowingIO:创新「无埋点」技术,可做到先集成、后提取需要数据
  • Google Analytics:功能强大,舆情 党课技术成熟,但受限国内访问不稳定性



Web

  • CNZZ:国内较早做网站统计,已被友盟合并,功能足够,用户基数大
  • 百度站长平台:功能与CNZZ类似,但增强了SEO、SEM方面功能
  • Google Analytics:功能强大,技术成熟,其定位「分析」已远超「统计」功能,独有自定义分析、电子商务集成等。国内网络统计收集可正常运行。

数据采集(埋点)主要方法

  • 第1种:使用第三方统计分析标准SDK接入到应用中
  • 第2种:使用无埋点方式
  • 第3种:自己开发,精细化运营与产品决策

下图为统计工具的使用流程,请做参考:



数据的关键指标

  • DNU:日新增用户数
  • DAU:日活跃用户数
  • WAU/MAU:周/月活跃用户数
  • DAU/MAU:用户活跃度
  • 留存:第0日新增用户在第N(1/3/7/30…)天打开数量占比
  • UV:独立访客数
  • PV:页面浏览次数
  • IP广告宣传文案怎么写:独立IP访问用户
  • ARPU:每活跃用户平均收益
  • ARPPU:每付费用户平均收益
  • ROI:投入产出比

接下来…

我们一起看看…

数据分析的思维框架

1、建立指标体系:指标体系没有放之四海而皆准的模板,不同业务形态有不同的指标体系

  • 移动APP和网站不一样
  • SaaS和电子商务不一样
  • 低频消费和高频消费不一样
  • 好比一款婚庆相关的APP,不需要考虑复购率指标;互联网金融,必须要风控指标;电子商务,潮州短视频矩阵平台如何推卖家和买家的指标各不一样

2、明确好坏指标:好指标应该是核心驱动指标(拿活跃用户数说明就懂了,我们活跃用户有10万,这能说明什么呢?这说明不了什么。如果产品本身有千万级别的注册用户,那么10万用户说明非常不健康,产品在衰退期。如果产品只拥有四五十万用户,那么说明产品的粘性很高。)



  • 核心指标是整个运营团队、产品团队乃至研发团队都统一努力的目标
  • 核心驱动指标和公司发展关联,是公司在一个阶段内的重点方向
  • 互联网公司常见的核心指标是用户数和活跃率
  • 好的指标还有一个特性,它应该是比率或者比例

3、建立正确的指标结构:指标结构的构建核心是以业务流程为思路,以结果为导向

举例:假设你是内容运营,需要对现有的业务做一个分析,提高内容相关数据,你会怎么做呢?

参考答案如下图:

数据分析流程

我们可以试着树立整体的流程:1.明确分析目的和思路 →2.数据收集 →3.数据处理 →4.数据分析 →5.数据展现 →6.报告撰写。

这个流程只是从“数据”的角度阐述了前后的流程,并未结合业务实际;但值得注意的是数据分析的最终目的是为了指导实践,而不是写一份报告。

小Q来总结:

一个优秀的产品经理在产品设计工作中是同时具备运营思维的,将想法转化成产品和运营方法。然后分析其中的数据,衡量产品或者运营的效果。如果好的话保持并大力推广,如果不好的话总结问题及时改进。在「构建」-「衡量」-「学习」的不断循环中逐渐优化,不断推动产品的进化。数据分析是一门多学科、多领域的交叉学问,涉及到的东西非常多。

 

作者:Mandy权,微信公众号:PMandyQ,一名快乐的产品经理!

本文由 @Mandy权 于。,

数据分析并不是简简单单的数据整理

上一篇:四招,搭建产品数据体系
下一篇:在数据分析中,产品经理应该注意的6个点


版权声明:以上主题为“数据分析并不是简简单单的数据整理"的内容可能是本站网友自行发布,或者来至于网络。如有侵权欢迎联系我们客服QQ处理,谢谢。
相关内容
扫码咨询
    数据分析并不是简简单单的数据整理
    打开微信扫码或长按识别二维码

小提示:您应该对本页介绍的“数据分析并不是简简单单的数据整理”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通数据分析并不是简简单单的数据整理的相关事宜。

关键词:产品优化, 数据分析, 数据

关于 | 业务 | 案例 | 免责 | 隐私
客服邮箱:545321@QQ.com
电话:400-021-1330 | 客服QQ:545321
沪ICP备12034177号 | 沪公网安备31010702002418号