如何进行数据分析

移动互联网，物联网产生了海量的数据，大数据计算技术完美的解决了海量数据收集、计算、存储、分析的问题。催生了大数据时代的到来，大数据时代会数据分析的产品经理将会愈来愈吃香，由于数据分析的结果，能够帮助咱们进行精准营销、优化产品设计、提供决策支持...，这些都让数据史无前例的值钱，不信你看大数据发展趋势。

 

什么是数据？

数据(data)是事实或观察的结果，是对客观事物的逻辑概括，是用于表示客观事物的未经加工的的原始素材。

这样可能比较抽象，举个例子，你去办理银行卡的时候，填写的姓名、电话、住址、联系人....就是数据。

 

按照数据来源来分外部数据和内部数据。外部数据包含宏观经济数据、市场发展趋势、新闻舆情数据、社会人口数据，内部数据可分为用户行为数据、服务端日志数据、交易数据 。

数据不是目的，数据分析的结果才是咱们想要的。

 

什么是数据分析？

数据分析就是提取有用的数据来指导实践。

一、数据不要流于形式，要以结果为导向。

二、数据可视化，这样便于发现数据背后提供的信息。

三、提取有用的数据，不是自嗨。

举个例子：互联网金融都会有渠道推广这个东西，好比有A B C D 四个渠道，能够统计从各个渠道过来的用户数量和在投金额。站在老板的角度就会选择花的钱最少，可是带来收益最高的那个渠道，也就是ROI最高的那个渠道。

若是再进一步细分，若是A渠道10我的带来了200万，B渠道300我的带来了200万，那么说明A渠道高净值人群比较多，若是和咱们目标用户同样的话，能够重点维护！加大宣传投入成本，因此目的不同，看的数据也不同

 

数据从哪里获取？

外部数据：比达咨询、易观智库、酷传、百度指数等，都会有对于行业数据的分析。

自有的数据系统：好比公司内部自建的BI系统，这些数据通常来源于公司内部,是原始的数据，分析出来的结果最具备说服力！

第三方数据分析工具：例如诸葛io、友盟、百度统计、Growing io等，公司能够自建一个power BI系统，而后再嵌入第三方的数据分析工具，达到对数据一个全面分析的做用。

如下是对第三方数据分析工具的简单介绍：

a、友盟

友盟提供iOS、Android平台服务，帮助移动应用开发商统计和分析流量来源、内容使用、用户属性和行为数据，可是没法对关键数据在突发异样时进行跟踪。

b、百度移动统计

免费移动应用统计分析工具，支持iOS和Android两大平台，开发者经过嵌入统计SDK，便可实现对移动应用的全面监测，百度统计能够分析用户行为、用户属性、地域分布、终端分析等。

c、诸葛io

诸葛io，是一款基于用户洞察的精细化运营管理工具。以用户跟踪技术和简单易用的集成开发方法，帮助移动应用的运营者们挖掘用户的真实行为与属性。能够将其用于iOS、Android应用平台。

d、Growing io

优部部署代价低，无须埋点，让程序员专一于写代码。同时统计全面，分析效率比较高，优化产品体验，实现精细化运营。

 

具体的分析方法（步骤）？

5个基本的分析步骤：

 

一、入口分析

分析用户从哪里来，而后看这个来源的用户的贡献怎么样，从而分析出每一个渠道的用户质量。用户从哪些渠道进入产品，对比运营策略分析量多或量少的缘由，提出优化方案。例如，你的app用户有从app store来的，有从不一样的安卓市场来的，有从第三方渠道来的，有地推来的，有运营发布的文章来的，你须要分析从不一样渠道来的用户数量和质量以及投入成本，就像我上面举得互联网金融的例子，经过投入产出比来选择渠道，同时经过每一个渠道来的用户贡献程度，来分析出每一个渠道的用户质量。

 

二、用户分析

对用户进行画像分析。分类用户群体，获取用户基本信息，包括地区、性别、职业等你的产品须要关心的元素；这一部分至关于用户画像，你能够经过本身创建的power BI系统来进行分析，也能够经过第三方提供的工具来进行分析，能够根据这些数据信息来作你的用户画像。至于怎么作用户画像，能够参考个人另一篇文章《如何构建用户画像》。

统计新增用户、活跃用户、流失用户数据，思考如何刺激转化；这就是用户运营的工做，哪些是新增用户，哪些是活跃用户，哪些是流失用户。重点考虑新增用户的转化和流失用户流失的缘由，以及按期作一些运营活动来促进用户的活跃。

 

三、事件分析

各个功能的使用状况，验证功能设计时的想法，有没有出现与设计时相悖的数据，例如 PV、UV、页面跳出率、页面停留时长、转化率这些指标，下面的这个例子就是很好的一个事件分析的例子。

案例：客栈通APP订单详情页优化

客栈通是一款帮助民宿客栈老板管理房态、处理订单的软件，在这款APP上，订单详情的展现对老板相当重要，可是订单内信息较多，在最初的版本上作了逐行展现，用户要看全信息必须上下滑动3屏。

 

产品上线后就开始监测这个页面所涉及的数据指标，咱们发现，进入订单详情的用户大多只是查看信息，作出修改的只占13%；而修改操做中，修改订单状态的又远多于修改订单内容的。订单修改页面的平均停留时长达到11秒，说明用户定位到要修改的信息再完成修改有必定费力度。虽然对订单信息作了逐行展现，但有些字段长度有限，能够考虑合并；而有些字段（如房型名称、房间号）长度可能超出但对用户这全不是问题——客栈老板对本身的房间如数家珍，并不强求完整展现。

因而，改版设计方向明确，咱们对订单信息从新布局，分红预订、住客、房间和结算四个小模块，每一个模块内信息精简展现，令一屏内能完整展现订单的重要信息；将低频的修改订单内容操做（如添加房间、入住人）经过入口隐藏起来；同时将咱们要强化的修改状态操做置底显示，引导用户进入主流程（办理预订-办理入住-办理离店）。

商户端产品的用户数与客户端不在一个数量级，所以设计验证咱们未采用更适于海量数据的A/B测试，而是实地走访多家客栈，经过高保真原型演示和任务模拟，直接观察客栈老板的操做，来进行可用性测试。

 

优化版本上线后的数据使人欣喜，订单查看和修改页面的PV有了30%以上的增加，订单平均修改时长由11秒显著下降至4秒；而与此同时，APP的订单修改量增长了30倍。显然，快捷方便的体验令更多用户把修改订单操做由PC转向手机。

 

四、漏斗分析

分析你的一个流程的每个步骤的人数，从而找到失去用户的最主要的步骤在哪，从而完善这个步骤。其也叫作漏斗模型，好比一个p2p购买流程。

浏览标的—-》查看标的详情—》购买—》输入支付密码—》成功支付

你能够分析用户的每个操做步骤，你若有100我的浏览你的标的，80我的查看详情，60个购买，5我的购买成功。说明用户在输入支付密码那一块漏的比较厉害，须要重点优化，这就是漏斗模型的做用。

我以为对于产品来讲，有两大流程须要进行漏斗模型分析。一个就是注册流程，这个决定了用户会不会在你注册环节流失。另一个就是主要流程。例如电商的支付流程，金融平台产品购买流程和充值流程。

 

五、留存分析

第二天留存、三日留存、月留存。所谓留存率，就是指一组用户在初始时间(好比首次打开应用)以后第 N 天，还在使用产品的用户比例(即留存下来的用户比例)，通常称之为N 天留存率。对于留存率你要辩证的看，若是你是作的社交产品，那么留存率是一个很重要的指标。若是你作的是旅游机票这种产品，相似于携程，可能有的用户半年就买一次机票，买机票的时候才想起你，这种低频的使用产品，你再分析留存率就没啥意思。

 

总结：数据分析是一个很重要的产品需求来源，你本身提的想法可能不靠谱，老板的想法可能在天上，以为运营提的需求太傻逼，可是数据永远不会说谎，作好你的数据分析

 

注明：参照连接：http://www.jianshu.com/p/9de6f11bef41