數據-數據指標-分析框架-分析方法

一、數據

數據：量化事物的指標

了解數據的來源
看這個數據的樣本范圍，提取手段，處理方式等其他手段，才能評斷這個數據所反映的問題。

數據分析的錯誤：忽略沉默用戶、錯判因果關系，相關關系

二、數據指標

2.1構建數據指標

界定產品目的和目標，根據目標提出假設、預判產品效果。
1.功能設計方案
2.功能目的和目標
3.功能上線后需要跟蹤的數據指標，及指標精確定義

舉例：
網站注冊流程功能的數據統計需求。
做這個功能的意義：讓所有新用戶快速完成注冊流程，并正確提供所需的必要個人信息
所需指標及定義：圍繞目標設計所需的數據指標，思考哪些數據指標，可以描述目標完成情況；
比如：每一個注冊環節的用戶跳出率，每一個注冊填寫字段的出錯率，各類注冊錯誤的出現頻次分布等

三、分析數據

對數據足夠敏感，能夠敏銳的發現數據當中的隱含信息，通過邏輯推理，進一步提出好的追問和假設，然后通過數據或其他手段來驗證。

3.1一般思路

發現問題--提出假設--驗證假設

• 發現問題

  根據數據，全面地描述這個問題。
  1.數據指標到底處于什么樣的一個水平？
  主要通過，橫向對比、縱向對比（歷史同期水平）分析
  2.數據指標是如何變化的？
  趨勢分析（歷史所有的變化）

1.對比分析
橫向對比：行業均值、競爭對手的水平
縱向對比：同比，環比
2.趨勢分析
整體趨勢
周期性
離群點

• 提出假設-驗證假設
  交叉分析法。
  假設，某因素與該問題相關，那么可以加入這個維度，再來分析細分數據的情況。

3.交叉分析法
對數據在不同維度進行交叉展現，進行多角度的結合分析
從多個維度細分數據，從中發現最為相關的維度來探索數據變化的原因。

3.2一般模型框架分析

邏輯分層拆解

邏輯分層拆解
核心指標
邏輯拆解：
找到的指標一定要能夠影響核心指標變動，他們之間對應要存在強烈的邏輯關聯，在用這些相關指標之前，我們必須清楚的了解他們是如何影響核心指標的。
分層拆解：
第一層：直接解釋核心指標變動的大的方向
第二層：針對這個大方向的細分，從而能夠將問題定位的更加準確和可操作性

3.3 特殊情況的分析框架：

1.AARRR模型
AARRR模型，通過各個階段的指標分析，可以了解用戶是從哪些渠道引入的，哪些渠道的用戶引入的用戶轉化率高，留存高，什么類型的用戶喜歡傳播我們的產品

AARRR模型：
獲取Acquisition：曝光數、點擊數、打開率、下載量、安裝量、用戶獲取成本
激活Activation：設備激活量、新注冊用戶數、訂閱數量、事件達成數、瀏覽數、日活躍率
留存Retention：次日留存率、7日留存率、距離上次使用時長、DAU/MAU、7日回訪率
收入Revenue：付費率、付費頻次、客單價、用戶價值
推薦Refer：轉發數、邀請數、評論數、K因子

2.漏斗模型——流程相關

它可以廣泛應用于流量監控、產品目標轉化等日常數據運營工作中。之所以稱為漏斗，就是因為用戶（或者流量）集中從某個功能點進入（這是可以根據業務需求來自行設定的），可能會通過產品本身設定的流程完成操作。