(不断更新中~如有出入,欢迎评论留言;如有前辈喜教乐导,欢迎私信~)
现正值春招实习毕业就业季,很多人说第一份工作如同初恋般难忘,而初恋的品质大概率上决定了后续的选择。-by 杏子
话不多说,上干货!
一、数据分析的细分方向
-
运营/产品数据分析
如何发挥产品价值的问题。
-
商业数据分析
如何利用数据做商业决策的问题。
-
数据挖掘
如何从数据中获取到有价值的数据,偏向于方法论,比如机器学习方法等。
-
大数据开发
如何对海量数据进行存储、处理的问题。
二、运营、产品数据分析
数据是工具,业务是重点;角色就是有理有据地基于数据对业务中产生的需求做策略。
运营数据分析的总体流程可以概括为一个顺口溜:指标体系定目标,数据分析找问题,3A3R做决策。
1 .指标体系定目标
首先我们需要明确目标和导向,因此需要对目标有清晰的定义,这就依赖于指标体系的建立。建立了指标体系才能衡量运营过程中的目标,找到前行的方向。
顶层指标->汇总指标->原子指标
自顶向下逐步拆解指标来构建一个由顶层指标到汇总指标再到原子指标的指标体系。
1.1根据运营的目的,选取不同的指标类型
从产品运营的生命周期选取:
规模类指标:用户、收入、内容、渠道规模如注册用户数,GMV成交总额等
质量类指标:用户黏性与忠诚度的指标,用户留存率,用户访问时长,人均打开次数等
营收类指标:购买转化率,首次付费周期,客单价,人均收入贡献
根据产品运营的不同阶段选取:
战略指标:北极星指标
虚荣指标:短期内增长明显长期价值低的指标,累积用户数量,成交总额等
用户的行为来选取:
行为指标:如PU页面浏览量、点击量,UV独立访客,页面停留时长,浏览位置等等
业务指标:业务完成度,如收藏、点赞数量
对指标的含义必需有统一、精准的认识,那么必须熟悉它的业务口径和更新周期。
2.北极星指标
根据商业模式,有不同的北极星指标:
类型 | 北极星指标 |
内容型 | CTR(点击通过率),浏览时长 |
电商 | 客单价,复购率 |
社交 | 互动时长 |
工具 | 活跃度,付费率 |
游戏 | 付费率,每用户平均收入 |
在业务上,北极星指标并不唯一,是由多个指标组成的北极星指标体系,包含了核心北极星指标。1~3个伴随指标。DAU一般可以细分为:新客DAU+老客DAU+沉默唤醒DAU
3. 用户留存
留存的准确定义:目标客群+考察周期+事件口径
业务留存:指用户使用过某个功能或办理过某项业务
行为留存:用户产生过某个特定行为,例如启动应用、点击首页
贡献留存:用户生产或消费过内容、商品等
被动分析,从而进行流失预警和沉默唤醒。
流失预警模型:用以流失用户特征来提取流失用户的偏好
挖掘高流失脱落点:流失前使用的功能
配置维系活动:活跃用户流失概率达到模型阈值时通过发券等活动来维系用户
二、数据分析找问题
在整个分析过程中,定性和定量分析会贯穿整个过程。数据分析是是有理有据做决策的依据。产品运营中,数据分析的主要流程为先描述分析再推断分析。
描述分析包括:描述性统计,多维分析,相关性分析三种分析手段
推断分析包括:方差分析,样本检验,趋势预测三种分析手段
1.描述分析
分析数据的分布和统计值,如平均数、方差等,做箱线图可视化。进行异常值筛选,利用分位数来确定正常值区间,大于Q3+1.5|Q3-Q1| 小于Q1-1.5|Q3-Q1| 为异常值,在两者之间的为正常值。
2.多维分析
拆解指标:从指标的业务口径分析原因
DAU = 当日新增用户 + 昨日留存用户 + 沉默唤醒用户
维度下钻:从指标的细分维度分析原因,日期下钻,地理下钻,分类下钻,客群下钻。
3.相关性分析
相关系数决定相关程度,越大越相关。
4.方差分析
先定量分析,再定性分析
分析不同样本间的差异显著性和分析同一样本在策略前后的差异显著性。
方差分析的流程:
(1)先判断数据样本是否符合以下条件:
每个分组中的每个值来源于同一总体样本;方差分析只能分析满足正太分布的指标;分析的样本为随机抽样
(2)F检验值和F crit临界值
F>F crit各个分组的指标有显著差异
F<F crit 各个分组的指标没有显著差异
(3)评估差异大小
R^2 = SSA/SST组间误差平方和比上总误差平方和
5 样本检验
大数定律下,用样本平均估计总体平均,样本方差估计总体方差
统计学中的参数估计,区间估计:
A= Z*样本标准差/sqrt(样本数量)当置信水平选择 95%,则 z 值始终取 1.96
区间为|样本均值-A,样本均值+A|
A= z*sqrt(占比*(1-占比)/样本数量)
6 预测分析
根据历史数据做预测,根据数据进行建模,模型主要有:
回归分析模型等。
三、3A3R做决策
洞察,获客,活跃,留存,营收,传播。
(本文内容主要来源于上拉勾教育网-磊叔的运营数据分析课的课程笔记)