转（数据分析的意义）

1. 明确数据分析的目的

作数据分析，必需要有一个明确的目的，知道本身为何要作数据分析，想要达到什么效果。好比：为了评估产品改版后的效果比以前有所提高;或经过数据分析，找到产品迭代的方向等。

明确了数据分析的目的，接下来须要肯定应该收集的数据都有哪些。

2. 收集数据的方法

说到收集数据，首先要作好数据埋点。

所谓“埋点”，我的理解就是在正常的功能逻辑中添加统计代码，将本身须要的数据统计出来。

目前主流的数据埋点方式有两种：

第一种：本身研发。开发时加入统计代码，并搭建本身的数据查询系统。

第二种：利用第三方统计工具。

常见的第三方统计工具备：

网站分析工具

Alexa、中国网站排名、网络媒体排名(iwebchoice)、Google Analytics、百度统计

移动应用分析工具

Flurry、Google Analytics、友盟、TalkingData、Crashlytics

不一样产品，不一样目的，须要的支持数据不一样，肯定好数据指标后，选择适合本身公司的方式来收集相应数据。

3. 产品的基本数据指标

新增：新用户增长的数量和速度。如：日新增、月新增等。

活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多，越有可能为产品带来价值。

留存率：用户会在多长时间内使用产品。如：第二天留存率、周留存率等。

传播：平均每位老用户会带来几位新用户。

流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。

4. 常见的数据分析法和模型

这里主要科普下漏斗分析法和AARRR分析模型。

漏斗分析法

用来分析从潜在用户到最终用户这个过程当中用户数量的变化趋势，从而寻找到最佳的优化空间，这个方法被广泛用于产品各个关键流程的分析中。

好比，这个例子是分析从用户进入网站到最终购买商品的变化趋势。

 

 

数据分析

从用户进入网站到浏览商品页面，转化率是40%;浏览商品到加入购物车转化率是20%等，那要找出哪一个环节的转化率最低，咱们须要有对比数据。

好比第一个，进入网站到浏览商品，若是同行业水平的转化率是45%，而咱们只有40%，那说明这个过程，没有达到行业平均水平，咱们就须要分析具体缘由在哪里，再有针对性的去优化和改善。

固然，上面这是咱们设计的一种理想化的漏斗模型，数据有多是通过汇总后得出的。而真实的用户行为每每可能并非按照这个简单流程来的。此时须要分析用户为何要通过那么复杂的路径来达到最终目的，思考这中间有没有能够优化的空间。

AARRR模型

这个是全部的产品经理都必需要掌握的一个数据分析模型。

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年时建立的，分别是指获取、激活、留存、收入和推荐。

 

 

举个例子，用AARRR模型来衡量一个渠道的好坏。

 

 

若是单从数据表面来看，A渠道会更划算，但实际这种结论是有问题的，用AARRR模型具体分析以下：

 

 

渠道A的单个留存用户成本是60元，单个付费用户成本是300元;而渠道B的单个留存用户成本是20元，单个付费用户成本是33元，这样对比下来，明显B渠道的优点远远大于A渠道。

5. 常见的数据分析法和模型

在上篇提到的漏斗分析法和AARRR模型外，这里再补充一个：交叉分析法。

交叉分析法：一般是把纵向对比和横向对比综合起来，对数据进行多角度的结合分析。

举个例子

a. 交叉分析角度：客户端+时间

 

 

从这个数据中，能够看出iOS端每月的用户数在增长，而Android端在下降，整体数据没有增加的主要缘由在于Android端数据降低所致使的。

那接下来要分析下为何Android端二季度新增用户数据在降低呢?通常这个时候，会加入渠道维度。

b. 交叉分析角度：客户端+时间+渠道

 

 

从这个数据中能够看出，Android端A预装渠道占比比较高，并且呈现降低趋势，其余渠道的变化并不明显。

所以能够得出结论：Android端在二季度新增用户下降主要是因为A预装渠道下降所致使的。

因此说，交叉分析的主要做用，是从多个角度细分数据，从中发现数据变化的具体缘由。

6. 如何验证产品新功能的效果

验证产品新功能的效果须要同时从这几方面入手：

a. 新功能是否受欢迎?

衡量指标：活跃比例。即：使用新功能的活跃用户数/同期活跃用户数。

 

 

使用人数的多少还会受该功能外的不少因素影响，千万不可只凭这一指标判断功能好坏，必定要结合下面的其余方面综合评估。

b. 用户是否会重复使用?

衡量指标：重复使用比例。即：第N天回访的继续使用新功能的用户数/第一天使用新功能的用户数。

 

 

c. 对流程转化率的优化效果如何?

衡量指标：转化率和完成率。转化率即：走到下一步的用户数/上一步的用户数。完成率即：完成该功能的用户数/走第一步的用户数。

这个过程当中，转化率和完成率可使用(上)篇中提到的漏斗分析法进行分析。

d. 对留存的影响?

衡量指标：留存率。用户在初始时间后第N天的回访比例，即：N日留存率。经常使用指标有：第二天留存率、7日留存率、21日留存率、30日留存率等。

 

 

　　e. 用户怎样使用新功能?

真实用户行为轨迹每每比咱们设想的使用路径要复杂的多，若是使用的数据监测平台能够看到相关数据，能引发咱们的反思，为何他们会这么走，有没有更简便的流程，以帮助咱们做出优化决策。

7. 如何发现产品改进的关键点

产品改进的关键点，是藏在用户的行为中。

想要找到这些关键点，除了经过用户调研、访谈等切实的洞察用户外，在产品中设置相关数据埋点记录用户的行为，观察其行为轨迹，不能彻底替代洞察用户的行为，不过也能够有助于决策产品改进点。

操做步骤：

 

 

这一部分的实际案例，小伙伴们能够下载该电子书，查阅第四章的内容。

下载地址：

http://pan.baidu.com/s/1skJR4LZ

 

做者：PMCamp连接：https://www.jianshu.com/p/dc6cd6d2115b來源：简书著做权归做者全部。商业转载请联系做者得到受权，非商业转载请注明出处。