以下内容都是笔记
目录
核心思想:根据业务问题中的核心需求,匹配适当的分析模型,选用合适的数据工具。
引入
回顾一下数据使用流程:①数据采集;②指标建模;③观测数据;④数据分析;⑤业务洞察
这一小节主要是讲③观测数据,涉及到了数据工具的选取。
核心思想:根据业务问题中的核心需求,匹配适当的分析模型,选用合适的数据工具。
下面的内容从三方面展开
1. 常见的业务问题
(1)业务核心
看公司无法缺失的是计数/流量/内容/用户/业务的哪几个,然后选择相应的数据分析工具。
e.g. 知乎属于知识问答社区,属于用户导向型;美团属于(外卖)业务导向型。
(2)发展阶段
①知识点
②案例分析:外卖箱
关注问题 | 如何核验问题 | 数据工具 | |
探索期 | 这个需求存在吗(可行性分析) | 了解点外卖的人数,以及有多少人需要外卖箱 | 计数 |
成长期 | 需要外卖柜的人是什么样的?为什么有人不进来?(怎么让更多人用) | 观察使用外卖箱用户的特征;找没进的人询问动机 | 根据业务遇到的具体问题选择工具 |
成熟期 | 1. 外卖柜的运转效率是否能提升; 2. 怎么提高用户粘性,哪类用户会流失? | 1. 根据用户行为路径优化业务流程; 2. 按照留存对用户进行分类,识别流失用户特征 | 提升效率降低成本;用户生命周期管理 |
衰退期 | 考虑开拓新市场,或者是增值业务(比如丰巢柜上的广告/寄快递服务); 最近流失的用户去哪了,为什么不用外卖柜了 | 观察增值业务的售卖情况; 跟踪调查流失用户解决场景的迁移 | 开拓新市场; 挖掘流失原因 |
2. 数据工具分类
根据解决问题导向,数据工具可以分为
① 计数。比如财务中我们用excel代替了手写账本;
② 流量。比如互联网刚开始发展的时候,我们在乎流量的质量和来源;
③ 内容。流量多了之后开始注重内容质量。
④ 用户。移动互联网开始之后,商家更加注重用户行为。
⑤ 业务。商家开始注重业务健康程度等指标了。
3. 业务问题和数据工具的对应关系
(1)根据业务问题选择数据工具
核心思想:带着问题学习,不需要学懂工具所有的功能。(我觉得这个方法很重要,以前我学习特别喜欢用整段时间学完工具/知识的框架和所有点,这样其实效率不高。)
类型 | 解决问题、样例工具 |
计数:快速验证 | PV、UV---脚本代码、BI报表(Metabase) |
流量:渠道依赖 | 解决问题:受众特征(人口特征)、渠道来源、用户行为(网页跳转分析)、商家目的是否达成(转化率;在哪个环节/网页完成?)---Google Analytics |
内容:质量第一 | 解决问题:哪些内容被消费(内容表现质量、用户查看时长、UV PV)---百度统计 |
用户:用户为王 | 解决问题:用户行为、用户留存、用户流失分析(漏斗分析)、用户画像---mixpanel、appsee(用户行为序列观察) 备注:这里的用户和流量的用户区别?此处的用户聚焦于单个用户(原始数据),而流量更多关注用户群体(处理数据) |
业务:商业本质 | 解决问题:流程顺畅度、规模/频次、异常原因---神策数据 |
(2)小结
4. 总结
第一节介绍了常见的数据工具类型,包括计数、流量、用户、内容、业务五类;第二节介绍了常见的业务需求,业务需求决定了数据工具选取方向,业务问题可以从两个角度看待,一种是从业务核心出发,即计数等五要素,另一种是从公司发展阶段出发,不同阶段会有不同问题;第三节从解决特定问题的角度出发,将业务需求和数据工具匹配起来。
可以重新温习一下下面的这句话:
核心思想:根据业务问题中的核心需求,匹配适当的分析模型,选用合适的数据工具。