一.指标建模
1.1 互联网产品常用指标
1.2 选好数据指标的通用方法论
三部曲
1.从业务的最终目的出发梳理业务模块
拆解:多问几个how
目的:我要卖货
手段:通过图文来买货
支撑手段的手段:通过社区创作的优美的图文来卖货
2.判断业务模块所属类型
业务类型
二.数据分析方法论
2.1 对比分析
绝对值(本身具备价值的数字) eg:销售金融 阅读数
比例值(在具体环境中看比例才具备对比价值) eg:活跃占比 注册转化率
环比: 与当前时间范围相邻的上一个时间范围对比 eg:月环比 10月与9月比
同比: 与历史同时期比较,就是与不同年份(月份)的同一时期作比较，例如2005年7月份与2004年7月份相比，叫同比。
2.2 多维度拆解
数据分析的本质就是用不同的视角去拆分,观察同一个数据指标
2.3 数据涨跌异动如何分析
跌:采取动作,减缓趋势
涨:弄清原因,并放大
常见假设:
活动影响:查对应活动页面及对应动作的数据波动,关注活动是否有地域属性
版本发布:版本号
渠道投放:
策略调整:
服务故障
PV变化分析
一.首先查看是否有产品bug
比如页面加载速度慢,可能会导致用户重复刷新
二.多维度拆分分析
1.分流量来源分析:豆瓣,百度,知乎等 查看异常流量来源的渠道
2.分城市来源分析 查看异常流量来源分布
3.按浏览器类型来分:爬虫一般不会改浏览器名称
4.按浏览器版本进行拆解:爬虫有时候不会传浏览器版本号
产品日活DAU下降分析
第一步:确认数据真实性
确定是否是数据报表统计或者数据源头的问题
第二步: 分维度确定异常原因
新老用户,登陆平台,版本,登陆渠道,用户所在区域,时间(假期,日夜,产品周期性)
计算影响系数：每一项数据都要和以往正常值做对比，算出影响系数。
影响系数=(今日量-昨日量)/(今日总量-昨日总量)
老用户影响系数=(77.89-78)/(78.8-79.5)=0.16
新用户影响系数=(0.98-1.5)/(78.8-79.5)=0.84
影响系数越大，说明此处就是主要的下降点
以上是几种常见的初步拆分维度，通过初步拆分，定位原因大致范围。
第三步:异常范围定位后，进一步做假设
假设维度:
产品侧:功能,策略方面
技术侧:系统性能,加载速度,关键行为路径上是否出现重大bug
运营侧:运营策略,push效果,拉新渠道,投放推广,近期活动
2.4 留存分析
日留存-了解某一个渠道的质量
周留存/月留存-观察整个大盘:以周/月为单位,衡量产品的健康情况,观察用户在平台上的粘性
月留存用来验证产品长期价值
精准留存分析
1.过滤进行过指定行为的用户ID,再计算
Case:比较用户阅读某种类型小说后的留存率 VS 用户大盘留存率
用来分析不同内容渠道的质量以及用户粘性分析
2.将用户分为不同的群体后,观察其之间留存的区别
适用场景:评估产品功能粘性,验证产品长期价值
维度:
流量来源:了解不同渠道引流的用户长期表现怎么样
登陆平台:仅使用网站端产品的用户留存率显著低于移动应用端,这时考虑如何完成这部分网页到应用的转换
行为分群：
以视频网站为例可以分为
视频观看者:驱动他们留存的因素更多的是能不能找到自己喜欢的视频。
视频评论者:这部分人不光看视频,也会留言,相比普通的视频观看者,他们参与度更高,留存率也会更高。驱动他们留存的因素除了视频的质量,可能还包括和创造者以及其他评论者之间的互动。
视频创造者:很小比例的用户,驱动他们留存的因素是粉丝数,与粉丝互动和金钱收入。
2.5 功能内容价值评估
1.如果上线后的目标与价值清晰明确,涉及具体指标变化,例如用户增长,GMV增长等
以上线付费漫画功能为例
1.在一定时间内,我们可以通过漏斗分析,对比看过付费漫画后到购买VIP会员的转化率以及看过同期漫画后到购买VIP会员的转化率
2.如果用户行为在这个功能上转化关系很复杂,比如我看付费漫画,前面剧情不怎么精彩,我可以等到下周再更新,但是一旦漫画剧情get到我的点,我可能立马付费成为VIP会员,这种情况下,只靠短期时间窗口内的漏斗分析是不够的,我们可以通过用户分群对比,比较VIP和普通用户中看过付费漫画的比例
3.上线后关注其对产品价值的提升
4.上线以探索更长期的产品潜力
对比上线前后一段时间 使用频次以及使用场景是否改变
三.专题-电商数据分析
3.1 电商指标体系
1.三大族谱:财务+经营+体验
聚焦生意本质:财务指标
助力业务增长:经营指标 KPI+KSF
从满意到忠诚:体验指标 NPS体系
电商核心指标
3.2 用户数据分析
1.内功心法:拆分与整合
拆分:通过多维度的拆分,还原真实的用户结构,认识平台用户,拆分要结合业务场景,拆分方法多种多样
整合:结合用户需求与产品定位,在全量用户中找出特定场景的目标用户
2.用户分新老
销售额 = 新用户销售额 + 老用户销售额
新用户:在平台进行用户生命周期的首笔消费
老用户:已经在平台支付过的用户在此进行消费
新用户(保质保量获新客)关注点:
来源渠道分析 用户质量评估 首单流程体验 获客商品分析
老用户(保持活跃持续消费)关注点:
用户价值评估 用户活跃度分析 用户品类偏好 用户优惠敏感度 售后服务体验 用户传播能力
用户内容偏好及贡献
销售额拆分案例
销售额 = 新用户销售额 + 老用户销售额
新用户销售额可以按不同渠道和不同拉新措施来拆分
老用户销售额可以按照不同活跃度用户和不同层次用户来拆分,例如近期高活跃用户为什么销售额减少,是否是流失用户召回策略问题导致老用户销售额降低等等
GMV分析思路
原文链接：https://zhuanlan.zhihu.com/p/116017580
本文转转自微信公众号凹凸数据原创https://mp.weixin.qq.com/s/Wx_cljUc4J5VNoucY2nnQA，可扫描二维码进行关注：
如有侵权，请联系删除。
