互聯網公司數據分析的應用場景

運營：用戶運營（用戶分類，用戶生命周期），活動運營，內容運營，商品運營

產品：產品功能，產品體驗，產品調研，用戶需求調研

市場：商務合作效果，渠道推廣效果，投入產出比

流程

需求分析——數據收集——數據清洗——數據分析——報告撰寫——報告分享——投入應用，收集反饋

數據類型

定性數據（一般通過問卷調查獲取）

· 分類數據：男生/女生 天氣好/壞……

分類數據不能區分大小，也不可以進行算術計算

· 順序數據：滿意度評分，教育水平等級，年齡層……

順序數據可以區分大小

定量數據（一般通過日志獲取）

· 離散型：用戶數，消費次數……

可加減，進行頻數分析

·連續型：成績，消費金額……

可算術運算，進行頻數分析，集中趨勢分析（均值，眾數，中位數）&離散程度分析（標準差，方差，最大值，最小值，全距/范圍）

數據收集

（1）數據埋點??

UV，PV，用戶數，用戶停留時間，瀏覽頁面等用戶行為數據

（2）第三方數據平臺

Growing IO，SimilarWeb, Google Analytics, 國家統計局網站……

（3）問卷調查

線上問卷調查，線下問卷調查 & 電話回訪

數據清洗

（1）數據異常表現：空值，波動太大，不同數據源獲取的數據相互矛盾

（2）數據異常原因：系統故障 & 人為因素

（3）清洗方法：刪除異常值，平均值填充，通過統計計算值填充 & 不同數據源交叉驗證

數據分析體系

常用數據分析指標（Key Performance Indicator）

網站分析指標：

UV（unique visitor)? 獨立訪客數

PV? (page view)? 網頁瀏覽量

VV (visit view)? 訪客網站的訪問次數，該網站所有頁面visit=page1+page2+……

IP(?Internet Protocol)? ?獨立IP數

DAU （daily active user）日活躍用戶

點擊率，轉化率，網頁停留時間，網站停留時間，跳出率，退出率等

eg：小皮用ADSL撥號上網，今天9am訪問了www.universityofwarwick.co.uk下的兩個網頁，5pm訪問了同一個網站下的五個網頁，則：

PV=7，UV=1，VV=2，IP=2（ADSL撥號上網每次IP不同）

渠道分析指標：

新增用戶數，用戶轉化率，渠道ROI（return on investment），渠道流量，渠道流量占比

活動效果指標：

活動點擊率，活動參與人數，活動轉化率，活動ROI

收入指標：

付費人數，轉化率，訂單數，客單價，GMV，復購頻次，毛利率，毛利額

用戶類指標：

新增用戶，活躍用戶，留存用戶，回流用戶，流失用戶

用戶價值指標：

用戶最近一次下單時間，用戶下單頻次，用戶消費總金額

#####通過需求分析，找到目標，把目標拆解成不同指標（一級指標，二級指標等）####

橫向拆解數據體系原則：遵循MECE原則，即互相獨立，完全窮盡；同一類型的數據在同一層級

縱向拆解數據體系原則：拆解的時候只能選一條主流程；主流程應該選擇大多數用戶的操作流程

不同類產品關注常見指標「例子」：

電商類

{GMV=流量*轉化率*客單價；毛利額=流量*轉化率*客單價*毛利率}

工具/社群類產品

?{活躍用戶數=新增活躍用戶數+已有活躍用戶數

二級：活躍用戶數=新訪客流量*新用戶激活率+已有用戶數*已有用戶留存率}

游戲類產品

{付費收入=活躍用戶數*付費率*ARPU

二級：付費收入=（新活躍用戶數+留存用戶數）*付費率*ARPU

三級：付費收入=(渠道流量*轉化率+老用戶*留存率)*付費率*ARPU}

O2O類產品

{訂單完成率=已完成訂單數/需求訂單數

二級：（新用戶訂單數+老用戶訂單數）/（新用戶需求數+老用戶訂單數）

常用數據分析框架（數據分析方法論）

1. QQ模型

數量（絕對數）：用戶數，瀏覽量，點擊量

質量（相對數）：留存率，轉化率，參與率

eg：某banner活動點擊量很高，但參與率低，說明可能活動能吸引用戶，但是參與門檻高

2. 用戶行為理論

3. 5W2H分析法

4. AARRR模型（“海盜模型”）

5. RFM模型（用戶價值模型）

6. 人貨場模型

常用數據分析方法

對比分析法，分組分析法，矩陣關聯分析，邏輯樹分析方法，漏斗分析法