1. 什么是好的数据指标
好的数据指标能带来你所期望的变化,下面是衡量其好坏的一些重要准则:
1. 是比较性的:如果能够比较,就可以更好的洞察产品的走向,比单纯的描述性数字更有意义
2. 是简单易懂的:更容易记住或讨论的指标,可以更加容易的改变公司行为
3. 是一个比率:原因:①比率的可操作性强,是行动的向导 ②比率是天生的比较性指标 ③ 比率还适用于比较各种因素的相生和相克(正相关和负相关,也就是相关性)
4. 会改变行为:是最重要的评判标准:随着指标的变化,你是否会采取相应的措施
2. 什么是虚荣指标,如何规避
一个数据不能依据他采取行动,那该数据就是虚荣指标,他毫无意义。
如何规避:看到指标时思考,根据这个指标如何改变现有的商业行为,如果回答不了,则放弃这个指标
3. 定性指标和定量指标的区别
定性数据:通常是非结构化的、经验性的、揭示性的、难以归类的。回答“为什么”这样的问题。吸纳主观因素
定量指标:我们跟踪和衡量的数字。每当我们对数据进行排名、计数或衡量时,数据就被量化了。是回答“什么”和“多少”这样的问题。排斥主观因素
探索性指标和报告性指标的区别
探索性指标:是推测性的,提供原本不为所知的洞见,帮助你在山野竞争中取得先手优势
报告性指标:让你时刻对公司的日常运营、管理性活动保持信息畅通、步调一致
先见性指标和后见性指标的区别
先见性指标:用于预测未来
后见性指标:用于解释过去
相关性指标和因果性指标的区别
相关性指标:两个指标总是一同变化(变好或者变坏)
因果性指标:其中一个指标可以导致另外一个指标的变化
4. 什么是A/B测试,为什么多变量测试更常用
假设其他条件不变,仅考虑体验中的某一属性(如链接颜色)对被试用户的影响,就是A/B测试
因为只有用户流量巨大的大型网站能对单一的因素进行测试并迅速得到答案。你将需要测试很多因素,如果没有庞大的用户流量,进行一连串的单独测试会延长你走上成熟的周期。与其如此,不如采用多变量分析法同时对多个属性进行测试,其原理为,用统计学方法剥离出单个影响因子与结果中某一项指标进行提升的相关性
5. 细分市场和同期群之间的区别
细分市场是一群拥有某种共同特征的人,你需要根据一系列的技术、人口信息对访客进行细分,然后比较各个细分市场之间的差异。
同期群分析,比较的是相似群体随时间的变化。使你能够观察处于生命周期不同阶段客户的行为模式,而非忽略个体的自然生命周期,对所有客户一刀切。同期群分析适用于应收、客户流失率、口碑的病毒式传播、客户支持成本等任何你关注的数据指标