初极杂的产品学习记录整理

数据分析整理

1. 常见数据指标

1.拉新

对于APP：下载量、安装量、打开量、注册量
对于网站：访问量、注册量
对于小程序：访问量、注册量
对于公众号：关注量
通常以日、周、月为周期来统计以上指标的新增

2.活跃

基础活跃量：日活、周活、月活/每日、每周和每月的访问次数
深入活跃数据：停留时长、跳出率
数据可针对整个APP的数据，也可针对某个模块或某个页面的数据

3.留存

基础留存数据：次日留存、7日留存、月留存
深入留存数据：不同价值层次用户的留存

4.转化

指产品核心业务或者制定业务的转化数据
电商产品的转化：订单转化率（每日新增用户的下单转化率、总用户的下单转化率、下单/支付的用户转化率、不同流量路径的转化率等）、客单价、GMV
内容产品的转化指标：发布转化率、互动行为转化率等
社交产品的转化指标：社交行为的转化率、充值行为的转化率等
在线教育产品的转化指标：学习相关行为的转化率

5.传播

指用户自发传播的数量
邀请成功的用户占总用户的比例
被邀请的注册用户占总注册用户的比例

2. PV&UV

PV：访问量 Page View 用户每打开一个页面就记录一次，用户多次打开同一页面，浏览量值累计
UV：访客数 Unique Visitor 一天内同一访客多次访问只计算一个访客
访问时长：用户在该页面访问或停留时间
跳出率：只浏览了一个页面便离开网站的访问次数占总访问量的百分比

3. 数据分析目的

统计并分析有用数据（发现问题），得到分析的结论（解决问题），并验证问题时是否有效解决
数据分析的维度结合角色（谁关心这个问题）、时间（考虑数据之间的对比）、范围（整个产品的数据还是特定功能的数据）、类型（具体的数据指标）
发现问题、解决问题

4. 数据分析流程

1.明确目标（分析什么数据）
2.梳理业务（数据涉及到产品的哪些模块、页面和功能）
3.数据采集（获取各类数据，多用业务数据统计和埋点数据统计）
数据大类：历史、业务数据、 用户行为数据、 第三方数据
数据内容：活跃度数据、在线用户数、订单数量、转化率；页面活跃，按钮点击、交互事件；物流消息、广告收益
数据来源：数据库DB\日志LOG 、 数据埋点、 API
4.数据整理（将数据整理到后台）
5.数据分析（根据不同的维度来分析数据）
6.数据呈现（将数据以不同的报表形式呈现出来）

5. 数据清洗

去除 “脏数据”（不完整数据、错误数据、冗余数据）对数据进行知识发现及质量管理

6. 数据分析案例

1、趋势分析：将产品的数据跟过往情况做对比，查看数据变化的趋势，从而发现问题。
2、对比分析：找到参考的数据，对比数据的变化情况。注：对比分析要控制变量，只能有一个变量
3、细分分析：从5W2H（时间、对象、位置、类别、为什么、原因和数据变化量）的角度去深入考虑，找到影响问题的本因

7. 数据趋势分析

趋势分析适用于产品的核心指标的长期跟踪，如活跃度、点击率等。
趋势分析更多的是需要明确数据的变化，及对变化原因进行分析

当数据出现异常，一般从三个角度去查找问题：
1.技术层面，是不是统计出错，或产品出现bug
2.产品层面，是不是出现重要功能，导致数据异常变化
3.运营层面，是不是运营措施有重大变更，导致数据异常变化

版本号：X.Y.Z
出现独立模块，变Y
重大变更时候变X
注重构时候：版本号不变、但交互规则需再撰写，并提供完整原型图。

8. 数据对比分析(暂略)

9. 数据细分分析

得到一些初步结论时候需要进一步的细拆，因为在一些综合指标的使用过程中，会抹杀一些关键的数据细节。数据细节需多维度细拆，最常用的维度是5W2H分析方法：
5W2H：when/who/where/what/why/how/how much
即 时间段、对象、位置、类别、为什么数据波动差异化、波动原因：如功能升级、运营活动、外部时间、环境影响、多少：量化分析、对比分析

10. 数据产品结构

BI---------------------可视化界面，高效数据分析
查询层-----------------开放查询接口，拓展数据分析能力
数据存储层-------------历史经营数据，用户行为数据存储
数据传输层-------------实时订阅数据，普遍会采用分布式模式
数据接入层-------------开放数据接口协议，多数据源接入

常见第三方数据平台：

第三方产品与数据后台关系：

数据呈现：
数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通数据信息。
柱状图：适合选项不多的情况
【名称过长时候使用倾斜或省略，4-7个字为宜； 纵坐标往往不从0开始，从最小刻度开始】

折线图：适合做趋势的分析，比如数据随时间的变化

柱线图：

饼图：适合对比选项不多的情况
【注：1、选项要做到全覆盖，且不能重复计数。2、鼠标停留在某区域需显示该区域选项名称】

漏斗图：

雷达图：适合做用户画像
【注意：画像需要对雷达中每一个指标做量化，根据量化标准决定在雷达中的体现数据】

散点图：适合大样本容量的数据，展现两个变量的变化情况

桑基图：适合展现流量的路径分布情况

11. 软件的数据采集（数据埋点）

数据埋点的概念

在页面上植入代码，监控用户行为。

埋点目的与位置：

页面统计：统计哪些页面访问热度高、停留时间长。可通过对页面URL地址（原生则需要指定页面）进行埋点，记录用户访问次数及时间
行为统计：统计用户对页面上不同功能的操作行为，根据对应功能位置进行埋点，记录用户点击、选择行为，往往需要记录行为要素

用户：用户来源有哪些、不同用户的访问操作习惯有什么不同
页面：哪些页面用户点击率高、什么样的页面排版能提高点击率
动作：哪些功能的留存高、用户使用功能时的操作习惯是什么

掌握数据埋点需求文档的编写

埋点流程：1.产出买点需求 2.（1）开发人员进行埋点开发 （2）第三方埋点申请，第三方平台录入埋点事件
埋点流程：事件模型（通过who when where how what 记录以上要素的某个行为）
需求文档（事件反应在埋点上报上，对应的统计文档）
埋点日志（记录事件详细发生情况，上报对应日志）

了解主要的第三方埋点模式及申请流程

SDK API
SDK软件开发工具包
API 应用程序编程接口