当前位置:   article > 正文

数据分析综合指南_数据分析入门教程

数据分析入门教程

​​​​​

1、为什么要做数据的分析?

  • 认清现状
  • 了解趋势:产品发展健康
  • 发现问题:埋点
  • 认清用户

意义:用适当的统计分析方法对搜集来的大量数据进行分析,将他们加以汇总和理解和消化,以最大化地开发数据的功能,发挥数据的作用。

步骤:

  1. 明确分析目的和思路
  2. 数据收集
    1.  数据收集途径:数据库后台、评价数、热点图、评价模型、第三方统计、互联网、公开出版物、竞争对手财报、市场调查;
    2. 过程:数据清洗、数据转化、数据提取、数据计算等 ;
  3. 数据处理
  4. 数据分析
  5. 数据展现
  6. 报告撰写

数据分析法

常用的数据分析工具 : Excel、Acess、SPSS、SAS 

常用的数据指标和术语:

数据分析三字经

1.学习:先了解,后深入;先记录,后记忆;先理论,后实践;先模仿,后创新;

2.方法:先思路,后方法;先框架,后细化;先方法,后工具;先思考,后动手;

3.分析:先业务,后数据;先假设,后验证;先总体,后局部;先总结,后建议。

2、数据分析流程DMAIC

  • Define.定义
  • Measure.测量
  • Analyse.分析
  • Improve.改进
  • Control.控制

3、常用数据指标

(1)站外推广类指标

  • 曝光量:广告展示量;
  • 点击量:实际点击;
  • 点击率:CTR表示;点击量/曝光量

(2)流量类指标

[流量的质量取决于流量的来源,并不是流量越多越好,]

  • 到达率:到达量/点击量
  • IP:工具ip地址来判断用户属于哪个区域,二三线城市还是一线城市更加受欢迎;
  • UV:独立访客数
  • PV:页面浏览量、页面曝光量
  • visit:访问(有一个时间戳,多久访问一次)
  • 新访问占比:新访问量/总访问量
  • 访问深度:看了多少页面=PV/访问量--->感兴趣(适当的深度)or不会用(太深)
  • 网站停留时间:=最后一次请求的时间戳-第一次请求时间戳
  • 跳出率:跳出的访问/落地页访问
  • 退出率:页面推出的访问/页面总访问
  • 实例数:每次检测的对象代码触发一次,则实例数加1;(判断哪个转化率大一点)

(3)目标类转化率

  • 产品转换率=产品页面访问量.总访问量 = 产品页UV/总UV
  • 加入购物车转换率 = 加入购物车访问量/总访问量 = 加入购物车UV/总UV
  • 结算转化率 = 结算访问量/总访问量 = 结算UV/中UV
  • 下载转换率=下载访问量/总访问量 = 下载UV/总UV
  • 注册转化率 = 注册会员数/总UV数
  • 购物车内转换率 = 提交订单的访问量/加入购物车的访问量 = 提交订单的UV/总购物车的UV

(4)销售类指标

  • 订单量:计算逻辑去重后订单ID的数量
  • 订单金额=商品销售金额+运费-优惠凭证-其它折扣
  • 每订单金额 :订单金额/订单量
  • 商品销售量:订单商品的数量;
  • 商品销售额,件单价件单价,订单转换率,支付转换率

(5)妥投类指标

有效订单量、有效订单金额、有效每订单金额、有效商品销售量、单有效率、废单率、有效商品销售额、有效件单价、有效订单转化率

(6)商品运营指标

销售任务、已完成销售、销售完成比例、商家SKU数、浏览SKU数浏览、售卖SKU数(sku:商品的属性)、妥投SKU数、毛利=商品妥投销售额-商品批次进货成本、毛利率=毛利/商品妥投销售额

(7)产品会员指标

总注册会员数、总购买会员数、整体会员活跃度、可营销会员数、会员异动比(新增的)、会员流失率(流失的)

(8)控制成本类

  • 总成本、成本占比、
  • 流量类成本:CPM(每千)、CPD(每天)、CPC(每点击成本)、CPA(每个动作成本)、每uv成本=广告费用/UV、没访问成本=广告费/访问量;
  • 销售类成本:每订单成本、没有笑订单成本
  • 会员类成本
  • 促销类成本:优惠券、积分、限价、现价、促销

(9)收益控制流指标

总收益、流量类收益、会员类指标、促销类指标;

(10)AARRR模型

(11)留存

  • 承上启下

  • 用户ID类型(eg访问用户)、时间范围(eg7日、14日等)、起始行为(eg新增用户)、回访行为(eg任意行为)

  • GrowingIO

(12)电商分析指标8大类

  • 总体运营指标(流量类、订单生产效率指标、总体销售业绩指标、整体指标)
  • 网站流量指标(流量规模类、流量成本类指标、流量质量类指标、会员类指标)
  • 销售转化类指标(每个流程都有指标需要分析:【流程(漏斗模型)】:推广渠道->进入网站->商品页面->购物车->创建订单->支付订单->完成订单)
  • 客户价值指标(客户指标、新客户指标、老用户指标)
  • 商品类目类指标(产品总数指标(sku、spu)、产品优势性指标、品牌存量、商家、首发)
  • 营销活动指标(市场营销活动指标、广告投放指标)
  • 风险控制指标(买家评价指标、投诉指标)
  • 市场竞争指标(市场份额相关【市场占有率、市场扩大率、用户份额】、网站排名)

(13)移动数据分析的五大维度

  • 用户规模和质量(新增用户指标、用户留存指标、活跃用户指标、用户构成指标、每个用户总活跃天数指标)
  • 参与度分析(启动次数指标、使用时长、访问页面、使用时间间隔)
  • 渠道分析:研究推广渠道所带来的用户是否是真的用户
  • 功能分析(功能活跃指标、页面访问路径分析、漏斗模型)
  • 用户属性分析(设备终端分析、网络及元以上分析、地域分析、用户画像分析)

4、数据分析思路方法和模型

分析思路:

  • 时间维度:(eg年前、年中)xmind做
  • 空间维度(eg生产能力、管理能力、营销能力、财务能力、其他能力等)
  • 综合维度(eg用户行为轨迹:产生需求->吸收剂-->方案比对-->购买决策->购后行为),用5W1H分析用户行为

分析方法:

  • 对比分析
  • 分类分析
  • 分布分析(分析一组客户)
  • 相关分析(影响元素)

分析模型:

  • PEST:主要用于行业分析。

    PEST,即政治(Political)、经济(Economic)、社会(Social)和技术(Technological)

    P:构成政治环境的关键指标有,政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。

    E:构成经济环境的关键指标有,GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

    S:构成社会文化环境的关键指标有:人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。

    T:构成技术环境的关键指标有:新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素

  • 波特五力模型: 竞争环境分析(直接竞争者、潜在进入者、购买者、替代品、供应商)

  • 兰查斯特战略模式:

  • SWOT模型:竞争对手分析

  • GE矩阵:

  • 德尔菲分析法:

  • 回归分析:双方的影响方向是正向的还是负向的

  • 时间序列(趋势、季节的波动、周期的变动、不规则的变动)

  • 4P:主要用于公司整体经营情况分析。

    4P,即产品(Product)、价格(Price)、渠道(Place)、促销(Promotion)

  • 聚类分析:类内间距最小化。内间间距最大化。

  • kano模型:需求功能排序

  • PSM模型:定价模型

  • 用户使用行为:用途较为单一,就是用于用户行为的研究分析。

用户使用行为,即用户为获取、使用物品或服务所采取的各种行动。

用户对产品首先需要有一个认知、熟悉的过程,然后试用,再决定是否继续消费使用,最后成为忠诚用户。

用户使用行为的完整过程:

可以利用用户使用行为理论,梳理产品分析的各关键指标之间的逻辑关系,构建符合公司实际业务的产品分析指标体系。

eg:仅作举例,不代表只考虑这几点因素

5、数据分析实例

(1)基于产品数据分析的生命周期

a 、清楚自己要分析什么很重要!!!(场景)

(2)用“用户画像”进行个性化运营

用户画像:基本属性、购买能力、行为特征、社交网络、心理特征、兴趣爱好

用户画像建立方法:标签体系的方法(标签的集合)

用户画像四个阶段:战略解读、建模体系、维度分析、应用流程

用户画像的意义:

  • 战略分析(业务经营收入、收入分析、竞争分析、用户维护)
  • 完善产品运营,提升用户体验(业务运营监控、用户体验优化)
  • 对外服务,提升盈利(精细化营销、数据服务)

用户构建的难度:

用户画像的微观事例:

用户画像的标签建模:

用户画像的数据架构:

用户画像的个性化运营:

  • 用户画像的3种形态:

  • 个性化运营的价值【增加长尾内容的曝光、提高站内用户体验、提高网站转化率、提高订客单价和销售额】
  • 个性化推荐的在线应用(根据用户浏览数据的个性化推荐;根据购买数据的个性化运营;根据搜索数据的个性化运营;根据用户复合数据的个性化运营)
  • 个性化网站运营的离线应用(根据在线事件的个性化触发、根据离线规则的个性化触发)
  • 个性化网站运营的实现

  • 个性化运营遇到的问题:底层系统绑架问题、内部利益协调问题、推荐系统本身存在的问题

(3)竞品分析---发现创新点

你的创意是否可行(伪需求还是真的需求)?

利用APP Store评估你的需求(1.类别和搜索; 2.从评论中找到未被满足的点;3.关注版本更新内容;4.精品推荐

6、网站分析工具

工具的选择:

(1)整体解决方案的能力

(2)产品的易用性(IT部门、业务部门)

(3)功能的丰富性(基本维度、基本指标、APP跟踪、WAP跟踪、用户权限管理、热力图、Excel插件、下钻功能)

(4)自定义功能

(5)高级功能

增值服务价值:

推荐工具:

  • GrowingIO:用户行为、无埋点、多平台覆盖、全数据采集、自定义圈选、自定义维度、快捷制图、

7、数据可视化

(1)数据可视化图:

  • 气泡图
  • 堆栈图
  • 地图
  • 标签云
  • 矩阵图
  • 平行坐标轴
  • 时间轴、折线图、赛点图、数据表、流程图等
  • 热力图:密度、频率、温度
  • 树图:总体占比
  • 甘特图:任务进度、时间安排
  • 雷达图:占比

(2)数据可视化工具:

(3)数据可视化步骤:

(4)图表呈现4步骤

  • 柱状图:二维数据、小规模数据集、区分个体变量间的差异;
  • 曲线图:二维、大数据集、变化趋势
  • 饼状图:二维数据集、占比
  • 散点图:两个变量、坐标点分布情况、判断变量间的关联或分布趋势;
  • 气泡图:三或四个变量、散点图基础上、气泡大小代表第三位变量值、颜色深浅表示第四个变量;
  • 雷达图:多维数据、单位可以不同但同比例分布、建议添加文字说明;
  • 网络图:不同数据元素间的二元关系;
  • 弦图:多个节点间的连接关系;
  • 信息图:图标表现的形式
  • 地图:空间位置的数据集

(5)制作图表

  • 格式要完整(信息标题、图标标题、坐标标题、数字标签、单位、标签、图例、资料来源、脚注)

  • 制作要真实

  • 信息要清晰:(1)减少文字描述;(2)重点要突出;(3)图标要少而精
  • 观点要明确
  • 呈现要生动:(1)编故事,情绪共鸣;(2)打破惯性思维,令人眼前一亮;(3)加强喜剧效果

(6)数据报告

  • 报告的准备

  • 报告的结构

  • 报告的论述

(1)数据可靠,界定严谨;(2)用词准确,论证合理;(3)概念一致,标准统一;(4)呈现直观,通俗易懂;(5)结论准确,建议合理;

数据分析易犯的错误:

1. 选取的样本容量有误

在做数据对比分析时,对于样本的选取,需要制定相同的抽样规则,减少分析结论的偏差性。

2. 忽略沉默用户

用户迫切需要的需求≠产品的核心需求

产品经理在听到部分用户反馈的时候就做出决策,花费大量的时间开发相应的功能,往往结果,可能这些功能只是极少部分用户的迫切需求,而大部分用户并不在乎。

忽略沉默用户,没有全盘的考虑产品大部分目标用户的核心需求,可能造成人力物力的浪费,更有甚者,会错失商业机会。

3. 错判因果关系

在分析数据的时候,正确判断数据指标的逻辑关系,是指导我们做出产品决策的前提。

4. 被数据的表达技巧所蒙蔽

在做数据分析时,我们需要警惕一些数据处理的小计俩,不要被数据的视觉效果所蒙蔽。

5. 过度依赖数据

过度依赖数据,一方面,会让我们做很多没有价值的数据分析;另一方面,也会限制产品经理本来应有的灵感和创意。

很多优秀甚至伟大的产品决策,并非通过数据发现的,而是一个产品经理综合智慧的体现。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/煮酒与君饮/article/detail/914746
推荐阅读
相关标签
  

闽ICP备14008679号