数据分析思维part3

指标体系搭建

指标体系定义和选取原则

定义：在业务的不同阶段，分析师牵头、业务方协助，制定的一套能从各维度去反映业务状况的一套待实施框架

指标选取原则：根本性、可理解性、结构性

根本性：核心数据一定要理解到位和准确

可理解性:所有指标要配上业务解释性，如日活的定义是什么，打开还是点击

结构性：能够充分对业务进行解读，如新增用户只是一个大数，我们还需要知道每个渠道的新增用户，每个渠道的新增转化率、每个渠道的新增用户价值等

指标体系建立四步法

1.厘清业务阶段和方向

2.确定核心指标：多去了解业务和市场头部玩家

最重要的是找到正确的核心指标。

举例：某款产品的日活口径是打开APP，通过不断地买量，日活也一直在上升，然而分析师发现，打开APP的用户中，3秒跳出率达30%，非常不健康，那么当前的核心指标日活实际上已经有问题了，更加好的核心指标是停留时长大于3秒的用户数。

每个APP的核心指标都不太一样，所以一定要多花时间去考虑这件事，这个非常重要，不只是看日活和留存那么简单。

3.核心指标维度拆解

核心指标的波动必然是某种维度的波动引起，所以要监控核心指标，本质上还是要监控维度核心指标通用的拆解方法都是先对核心指标进行公式计算，再按照业务路径来拆

4.指标宣贯、存档、落地

宣贯：很多人都忽略了这一步，没有指标的宣贯和存档，和业务核心人员沟通好之后就开始建报表，然后就完事了。实际上搭建好指标体系后，要当面触达所有相关业务接口人，最好是开会并邮件。

存档：同时要对指标的口径和业务逻辑进行详细的描述存档，如***功能日渗透率=该功能的日点击人数/日活。只有到这一层，后面的人才能一眼看懂是什么意思。

落地：就是建核心指标的相关报表了，实际工作中，报表都是在埋点前建好的，这样的话一旦版本上线就能立刻看到数据，而且这个时候各方的配合度最高。

流量分析

有了指标体系和报表之后，最重要的事情就是每天看各种数据了，这也就是流量分析

流量分析的定义：这里流量是广义的流量，从哪里来，经过什么，产生什么价值，如果他波动了，为何波动

1）渠道分析——从哪来

2）转化分析——经过什么

3）价值分析——产生什么价值

4）波动分析，包括日常的监控分析

1.常见渠道及渠道分类

对于一款健康的APP，前期靠渠道特别是外部渠道的品牌带量，后期靠自传播或者免费推广一般都会单独有渠道运营经理，其实分析师在这块价值不会很大

从一级渠道到二级渠道，质量的好与差都是相对于大盘而言的。

2.渠道推广的整个过程

以外卖APP为例：

外部渠道→文案展示→落地页→下载→打开→浏览→注册→...→退出

从外部渠道到注册，每一步都有优化点。

3.渠道的关键指标及分析方法

 关键指标：前期看有效用户数和次留，中期看次日、7日、30日留存，后期看ROI

有效用户数：由于渠道都是收费的，所以会有刷量的嫌疑，所以除了看直接量级，还要看有主动行为的用户数，比如停留大于3秒的用户数

渠道最终的目的还是商业变现，所以一定要计算每个渠道的ROI，把ROI小于1的渠道砍掉

分析方法：结构分析＋趋势分析＋对比分析＋作弊分析

结构分析：对渠道先按照一级渠道来拆解，再按照二级渠道来拆解

趋势分析：看每个渠道的变化趋势，包括量级和留存

对比分析：不同渠道间的趋势对比

作弊分析：用户行为分析＋机器学习，这块可以用Python来完成

漏斗分析

功能模块常规分析

常规分析包括：

1、功能渗透率=功能用户数/大盘用户数：使用某功能的占比

2、功能功能留存率：第一天使用该功能同时第二天也使用该功能的用户数/第一天使用该功能的用户数

3、功能大盘留存率：第一天使用该功能同时第二天是大盘用户的用户数/第一天使用该功能用户数

另外一个必须关注数据：

大盘用户=所有功能用户排重+不使用任何功能用户：这部分群体也要监控起来，只有这样才是完整的大盘

功能模块价值分析

 价值分析包括：

4、功能核心用户数：符合某种要求的功能用户数，一般用使用次数、使用时长、使用天数、具备某种行为来定义“核心”——单纯用户数可能会出现一个悖论：所有功能在涨，但大盘在跌

5、功能对大盘贡献度，比如对大盘留存提升的贡献

功能A对大盘留存的提升贡献=功能A渗透率*功能A的大盘留存率提升数

严格来说，只有AB测试才能说明功能对大盘贡献度，但实际中就这种计算可以对不同功能进行横向对比

6、功能带来的收入对比：每个功能每个月赚多少钱

 流量波动分析方法

流动波动分析方法——日活

常见的流量波动分析就两个：日活和留存，所以就围绕这两个来展开

日活波动=外部影响&内部影响

外部影响：=行业变化&竞品变化=常识＋外部事件+竞品策略

内部影响：=数据统计+用户基础属性+用户行为属性

数据统计：数有没有搞错——数据采集和统计口径

用户基础属性：用户从哪里来，通过什么方式进入——渠道（新增用户变化）、入口、画像

用户行为属性：用户进来干了什么——具体功能的变化，跟版本可能有关

流动波动分析方法——留存

留存波动=新用户留存&老用户留存

新用户留存=渠道+渠道过程有关

老用户留存=所有功能用户去重留存+大盘非功能用户留存

=功能A留存&功能B留存&功能C留存+大盘非功能用户留存

实际中，会出现以下几种情况（假设留存下跌）：

A,B,C中有1个留存下跌——最好解释

A,B,C中有两个以上留存下跌——看谁是主要下跌因子，找到他，如下跌幅度都差不多：

1、进一步观察，如果还是持续阴跌，必然是产品某核心部分出问题，围绕指标体系做一次产品全盘分析，找到他

2、跌了几天之后回去了，可能跟外部影响因素有关，暂时不管

在留存这件事上，由于是比例，排查起来会比较费神，保持耐心，多跟业务多聊，一定能够找到主要影响因子。

路径分析

漏斗模型是非常经典的一种分析方法，但所有的漏斗都是人为假设的，也就是事前假设一条关键路径，事后看数据。

随着各类APP的功能模块，坑位越来越多，用户的行为越来越分散化，这个时候就要在用户的所有操作行为中，发现一些产品设计初可能不知道、但非常有意思的用户前后行为，这就是路径分析。

漏斗分析：人为设定一条或者若干条漏斗：先有假设再数据验证

路径分析：基于用户的所有行为，去挖掘出若干条重要的用户路径，通过优化界面交互让产品用起来更加流畅和符合用户习惯，产生更多价值：先有数据再验证假设

路径分析步骤

 1.筛选

2.1数据进一步关联及标准化——美食

 

 2.2数据进一步关联及标准化——附近

 2.3数据进一步关联及标准化——订单

 

3.基于前面的数据有哪些启发

 

 竞品分析

工作中竞品分析的场景

准备进入某个行业时，需要先把该行业的竞品分析清楚——侧重行业规模和前景

产品的发展处于下降阶段，需要看下竞争对手在做什么——侧重头部玩家的玩法分析

产品的发展处于瓶颈阶段，需要看下竞争对手的数据和功能迭代——持续监控对手数据，寻找突破

产品的发展处于快速上升期，一般不会做竞品分析

实际上，对于一款APP，要在初期就监控好竞品的各项数据，分析师要每天看竞品数据，只有这样，才能保持对竞品数据的敏感性，同时跟自身APP数据结合起来思考

什么是竞品分析

1）竞品的选择：哪些才是竞品

2）分析什么点，这就需要知道分析的背景是什么，从而有针对性切入

 竞品分析步骤

1.分析目的——3种

尝试进入某个新行业，需要评估可行性——唯品会做唯品金融

这种分析更加偏向行业趋势、市场规模，财务收入，看大数而不拘于小节。

纯粹看竞品的功能、玩法和数据，学习优点，人无我有，人有我优——学习为主

以功能体验、运营手法、具体数据为主，最常见，落地性非常强。

通过看竞品的不同版本迭代的功能、玩法和数据，揣摩竞品想干啥——预防为主

看竞品的版本迭代，思考竞品最近的战略中心在哪，往往是为了满足管理层的需要。

2.对比分析——就3个地方对比

挑选1-2家真正竞品：核心功能一样

功能体验分析：不需要大而全

运营手法分析：某个功能的运营手法

宏观微观数据分析：数据源很关键（基础数据、财务数据、市场数据）

3.给出初步结论

尝试进入某个新的行业，需要评估可行性——是否可以进入，如何开始做，SWOT分析

纯粹看竞品的功能、玩法和数据，学习优点，人无我有，人有我优——竞品什么功能好，接下来产品运营会如何去做，预计带来收益多少

通过看竞品的不同版本迭代的功能、玩法和数据，揣摩竞品想干啥——竞品下一步战略是什么，我们要不要也做某种尝试

 营销活动分析

营销活动应该是一件长期的事物，不可能通过某一次活动就能够带来大量的用户增长，因此分析师在做这件事时，要保持：

1、分析的连贯性：活动前、活动中、活动后

2、分析的对比性：活动与活动间对比，什么样的活动比较适合产品本身

3、分析的公正性：该怎么样就怎么样，拉新促活品牌的评判都应该有一套商定好的标准

营销活动分析无非就两件事：活动效果评估（本活动和活动对比）和活动优化建议

活动前好好准备——前1~2周

和运营方商定本次活动的目标——一定要有目标

和研发沟通好埋点——包括字段名、埋点位置、上报方式

搭建好指标体系和报表——提前做好

定好输出格式——活动中、活动后每天输出哪些数据，什么形式

活动中好好观察——期间每一天，包括预热

观察第1天数据——详细看指标体系的报表数据，看是否有哪里异常

观察1~3天数据——预估活动目标的完成度，看是否要做适当调整

定时输出活动战报——每天早上输出，让所有人知道情况。

活动一周后的数据——进行一次详细复盘，并同步给管理层，让更高视野的人来给建议

活动后好好复盘——公正性

 用户增长分析

 

 

 实际上很好的两个增长思维