笔记|业务分析入门（二）

以下内容都是笔记

目录

引入

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。

1. 常见的业务问题

（1）业务核心

（2）发展阶段

①知识点

②案例分析：外卖箱

2. 数据工具分类

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

（2）小结

4. 总结

---

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。