思维之数据分析思维小结

面对数据异动怎么办？

异动指标分析

做完活动后，如何评估活动效果？

1. 梳理活动流程
2. 筛选主指标和副指标
3. 设定判断标准
4. 找影响结果的过程

如何系统性评估一个产品用户体验？

• 视觉：简结干净、层级清晰、
• 认知系统：可用、易用
• 操作：在使用你的产品时候，能否很顺畅的执行某项任务（比如注册）
• 记忆：产品能否为用户去记住一些他常用的选项，这样能减少用户记忆负担，提升产品的口碑。

如何制定产品的核心数据指标？

1. 明确产品的当前发展阶段
2. 明确产品属性
   电商类：首单率、客单价、复购率、退款率等
   社区类：活跃用户数、帖子发布数、互动用户数、用户对话数、留存率等
   内容类：用户停留时长、跳出率、用户互动比率、留存率等；
   工具类：打开率、使用频次、目标达成率、分享率等；
   游戏类：活跃用户数、用户在线时长、付费用户比率、留存率等。
3. 制定核心的一个指标
4. 根据核心指标拆解产品动作

关于数据监控体系，有何意义，搭建思路是什么？

数据指标体系建设

• 指标集+维度集
• 指标集：深入理解业务，梳理出业务核心流程，得到核心指标；通过拆解得到衍生指标
• 维度集：时间（年月日）、空间（全国城市）、业务（新老、渠道、支付类型）

28道数据分析师经典面试题！

6种裂变模型

• 助力模型
• 分销模型
• 集卡模型
• 互利模型
• 邀请模型
• 特惠模型

借助分销手段，搭建用户增长体系

• 产品是否好推广（卖房子？卖课程！）
• 能否给高返利、高佣金
• 是否能有效降低推广门槛和路径
• 分销的用户从哪里来（用户自然转化、专业分销团队；为应对作弊，可用奖金到账，门槛提现）

从0到1深度解析KOL运营

• KOL的引入
  • 引入节奏把控：不同时期、不同用户基数的产品，需要结合自身的需求程度，去把控引入节奏。
  • KOL类型把控：KOL必须契合产品，粉丝量多的KOL不一定适合，垂直领域的小KOL价值可能更大
  • 引入的方式：
    • 外部引入：明确引入KOL的目的（拉新、促活还是转付费）——列出备选KOL人员名单（包括但不仅限于个人信息，粉丝质量信息，PS：需要注意，如果KOL离开现有平台，粉丝是否还在，候选人偏好等信息。）——准备相应的合作方案（不仅仅只考虑钱的问题，还需要考虑KOL的其他诉求，如个人品牌、平台扶持等。）——寻找联系方式——商谈合作引入。
    • 内部挖掘：寻找有一定影响力，并且内容产出较高的用户
• KOL档案
  • 个人信息
  • 业务信息：类型、粉丝量、影响力
• KOL运营
  • 初期运营：包装——赋能（告诉KOL如何在平台上获得足够得影响力）——资源倾斜（流量、话题）
  • 中期运营：排他约束——KOL激励和策略调整（物质激励，精神激励等）——KOL价值变现
  • 后期运营：留住KOL（情感维系、利益捆绑）

用户画像

• 什么是用户画像？
  • 用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型
• 怎么构建用户画像？
  • 获取用户数据：静态数据（基础属性（年龄、性别、生日、学历、性格等）、地理位置、设备属性、社会属性（婚姻、家庭、职业、收入、房车）、兴趣爱好、消费属性（RFM）；可通过注册、问卷调查等）+动态数据（用户对于产品的行为；埋点）
  • 细分用户群体：通过静态数据和动态数据给不同的用户打上标签，通过标签的权重（行为类型权重 * 行为次数 * 时间衰减，指数型衰减，即 T ⋅ exp ⁡ { − α ⋅ t } T\cdot\exp\{-\alpha\cdot t\} T⋅exp{−α⋅t}，$T$为初始权重，$t$为第$t$天）、排列，可以得到很多用户的标签，根据自身产品的需求选择需要的用户标签，找到对应的用户。（电商：消费习惯、消费能力、访问记录、商铺浏览时长、历史购买记录等）
  • 构建用户画像：4W1A，某用户因为在什么时间、地点、做了什么事，然后打上标签。不同产品需求不同的标签组合，不同的标签组合也就形成了用户画像的模型。
    • Who（用户）——哪些用户
    • When（时间）——什么时间发生，用户发生行为的时间跨度和时间点，比如浏览页面15s，其中点击按钮是在3s，返回是在12s，也就是时间跨度15s，发生行为的时间点分别是3s和12s。
    • Where（地点）——用户接触产品的触点，比如网址访问了哪些分页，在APP上点了哪些按钮，刷新了几次，或者其他交互行为。
    • What（事件）——触发的信息点，也就是用户访问的内容信息，比如主要浏览了类别，品牌，描述，属性，对应零食，卫龙，辣条，生产日期等，这些内容也生成了对应标签。
    • Action（行动）——用户具体行为，比如电商的用户的添加购物车、搜索、评论、购买、点击赞、收藏 等等。
• 用户画像有什么用？
  • 个性化推荐
  • 广告精准营销
  • 个性化服务

数据分析常用方法

如何进行竞品分析？

• 确定竞品

  • 上应用商店搜索

• 竞品分层

  • 强对手
  • 弱对手

• 分析竞品

  • 产品定位

    • 产品背景（成立时间，公司所在地）
    • 主要产品
    • 目标用户

  • 产品功能

    • 产品功能：PC端，APP端，小程序端
    • 核心功能的用户体验路径
    • 交互和视觉

  • 产品迭代

    • 迭代速度
    • 迭代方向

怎么做Push

• 目的：
  • 唤醒用户，提高用户的留存率，提高产品活跃度
  • 告诉用户有新的产品上线了，带动功能模块使用率
• 内容：
  • 系统功能类(消息提醒)：比如快递签收通知，发货通知，关注的主播开播(上新)啦
  • 营销类（活动/优惠类）：比如某某时间开始大促，赶紧抢购
  • 内容类：比如晓明哥经典语录，穿搭风格教程
  • 资讯类：新闻、时事内容推送
• 文案：
  • 叫卖式：文案开头语气夸张（肯定会带叹号！！！），强调特惠，强调这是最后机会
  • 直接关联：直接@用户
  • 结合热点：非资讯类不要蹭政治敏感和明星丑闻的热点
• 时机：
  • 资讯类的应保证及时性
  • 相对空闲的时间去推送：上班路上和早餐时间（9-10点），午休（12-14点），下班路上（6-7点），睡前（21-22点）
• 频率：
  • 不要太频繁
• 人群：
  • 根据用户画像
• 技术：
  • 文案赛马：即在全量推送文案前，先随机选出10%的流量推送备选的几种文案，然后根据点击率决定全量推送哪一种文案
  • 基于用户标签的个性化push
  • 半自动化push：比如优惠券还有3天过期（一天不超过一条）
  • push的过滤：一天不超过N条；设置不同类型push的优先级