《数据分析方法论和业务实战》读后总结

本书详细介绍，尊重原作，请从正规渠道购买原著，以下内容节选书中精华，部分自己增添：数据分析方法论和业务实战（全彩）_百度百科

一、数据分析的意义

利用数据采取一定方法获取洞察，发现问题和潜在机会，并驱动产品改变和提升的完整过程

二、明确分析目的

三、数据指标体系搭建

1.数据指标体系作用：

2.电商行业数据指标体系

A.用户新增情况

1. 每天新增用户数：每天新增加的设备数去重。
2. 单一获客成本：总成本/总的新用户数。
3. ROI：投资回报率。
4. B.用户活跃情况
5. DAU：每天活跃的用户数
6. WAU：一周活跃的用户数
7. MAU：一个月活跃的用户数
8. 天活跃次数：每天活跃的次数，每打开一次APP就是一次活跃。
9. 周活跃次数：一周活跃的总次数。
10. 月活跃次数：一个月活跃的总次数。

C.用户购买情况

1. 次日留存率：当天购买的用户在次日继续购买的比例。
2. 三日留存率：当天购买的用户在三日内继续购买的比例。
3. 七日留存率：当天购买的用户在七日内继续购买的比例。
4. D.用户付费情况
5. 总销售额：总的收入金额。
6. 总付费用户数：总的付费的用户数量。
7. 总下单数：总的下单的数量。
8. 人均下单数：总的下单数量/总的付费用户数。

E.用户评论情况

1. 评论用户数：成功评论的用户数量。
2. 好评用户数：成功发起好评的用户数量。
3. 好评率:好评用户数/评论用户数。
4. 差评用户数：成功发起差评的用户数量。
5. 差评率：差评用户数/总用户数。

F.平台

1. 总的访问页面数：总的打开的页面的数量。
2. 总的访问用户数：总的打开过页面的用户数量。
3. 人均访问页面数：总的访问页面数/总的访问用户数。
4. 跳出率：访问一个页面后离开网站的次数/总访问次数。
5. 搜索率：搜索行为的用户数/活跃的用户数。
6. 平均页面加载时长：页面从开始加载到成功展现所用的时长。

G.商品

1. 新上架商品数：当天新上线的商品数量。
2. 老的在架商品数：老的在架上的商品数量。
3. 总在线商品数：当天总的在线商品数量。
4. 新上架比例：新上架商品数/总在线商品数。
5. 老的在架上比例：老的在架商品数/总在线商品数。
6. 被购买的数量：被购买的商品数。
7. 被购买的商品总价格：被购买的商品的总金额
8. 平均每个商品的价格：被购买的商品总价格/被购买的数量。
9. 总的利润率：（总收入-总成本）/总成本。

  3.指标体系常见问题

1. 难以快速定位问题
2. 目标不一致
3. 报表价值低
4. 指标不完整
5. 报表杂乱
6. 数据采集不完整

4.常用搭建数据指标体系的模型有北极星、OSM、AARRR、UJM、MECE等。

A.用OSM模型：

O：业务目标：如提升用户数、用户付款数、用户金额等。

S: 业务策略：加大外部渠道投放广告、推送优惠活动等

M：业务度量：新用户获取的曝光、下载、安装、激活等环节过程指标。

同时业务目标目标符合DUMB原则：切实可行、易于理解、正向有益、可干预管理

B.用UJM模型：
梳理用户的行为旅程地图，数据指标体系是与客户行为直接相关，

完整科学地梳理好客户的整个行为旅程，才可以每一个环节设计相对应的指标。

• 四、数据获取

1.设计埋点方案

2.四个要素：

1. 明确埋点目标：上报什么数据？解决具体业务需求？带来哪些业务收益？
2. 确认上报变量：事件和其他参数变量
3. 明确优先级：根据上报的重要性和紧急性确定。
4. 明确上报时机：不同的触发时机代表不同的数据统计口径。

  3.需求提出
业务方明确当下关注的数据指标，准确传达给数据分析师

      4.埋点梳理和设计
通过5W2H框架完成

5.埋点开发
数据分析师设计埋点、提出需求以后交给开发人员，沟通明确需求细节和埋点开发进度。

6.数据校验

利用数据测试工具做一下埋点的上报测试。主要测试方面有上报的时机、上报的事件，以及变量的取值是否完整、准确。抽取验证是否有明确的脏数据，以及上报的数据量级是否有问题。

7.数据使用
A.基于上报的埋点，设计对应的数据指标，然后做成可视化报表，供业务方定期监控数据的走势，及时发现业务问题。

B.基于上报的埋点，做基础统计分析，洞察业务的问题和机会，也可深入建模分析，比如基于用户的行为预测其是否为潜在付费用户等。

C.基于上报的埋点，设计数据指标作为试验的评估指标，帮助业务人员快速验证功能设计、策略设计，以及其他的数据分析结论和猜想。

五、数据处理

1. 去重
2. 异常值：错误数据、脏数据、无效数据
3. 空值
4. 数据类型转化
5. 补全

   

六、数据分析

   

1.SWOT分析

优势：产品优势是什么？哪里比竞品更有竞争力？

劣势：产品劣势是什么？比竞品不足地方？是否影响市场份额？不足怎么改善和优化？

机会：产品的未来机会？用户痛点是否可以利用机会？

威胁：现在产品面临外部威胁是什么？什么原因造成？怎么解决？
2.PEST分析

政治：对经营活动具有实际或潜在影响的政治力量和有关法律、法规因素。

经济：经济制度、经济结构、产业布局、资源状况、经济发展水平及未来的经济走势等。

社会：社会成员的民族特征、文化传统、价值观念、宗教信仰、教育水平及风俗习惯等因素。

技术：企业相关的新技术、新工艺、新材料的出现和发展趋势，以及应用前景。

3. 4P分析

产品：产品解决什么需求？卖给谁？有什么功能？与竞争对手的产品差异？

渠道：多渠道投放广告来增加产品的曝光度和触达率。

价格：受需求、成本、竞争影响。定价手段：竞争比较法、成本加成法、目标利润法、时长空隙法等。

推广：宣传广告、公关、促销等一系列营销行为。

 4.对比细分

5.生命周期分析法
用户存在一定的生命周期，每一个产品都会经历获取用户、用户成长、用户不断成熟、用户衰退的过程。

 6.RFM用户分群法

客户类型	R	F	M	用户精细化管理
重要价值客户	↑	↑	↑	RFM都很大，优质客户，需要保持
重要唤回客户	↓	↑	↑	交易金额和交易次数大，但最近无交易，需要换回
重要深耕客户	↑	↓	↑	交易金额大贡献度高，且最近有交易，需要重点识别
重要挽留客户	↓	↓	↑	交易金额大，潜在的有价值客户，需要挽留
潜力客户	↑	↑	↓	交易次数大，且最近有交易，需要深挖
新客户	↑	↓	↓	最近有交易，接触的新客户，有推广价值
一般维持客户	↓	↑	↓	交易次数多，但是贡献不大，一般维持
流失客户	↓	↓	↓	FM值均低于平均值，最近也没消费，相当于流失

7.相关性分析

相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个或多个变量的相关密切程度。
 

8.用户画像分析

了解客户的年龄、性别、城市、收入、购物品牌偏好、购物类型、平时的活跃程度等

9. Aha时刻

Aha时刻主要发生在用户激活阶段，是用户激活的关键。当用户被吸引来后，并不是所有的用户都会转化成活跃用户，如果用户获得AHa时刻，即从产品发现了价值，就会顺利转化成活跃用户，而且较容易转化成黏性较高的忠诚用户。

例如：

1. 7天内有消费3次
2. 每天有浏览商品，且浏览时间较长
3. 1个月内有首次订单，且有4星以上评价

10. 5W2H分析法

    

1. DAU降低怎么分析？
2. 订单数量下降了怎么分析
3. 用户留存率下降了怎么分析？

11. 麦肯锡逻辑树分析法

逻辑树满足以下3个原则

• 要素化：把相同问题总结归纳成要素。
• 框架化：将各个要素组织成框架，遵守不重不漏的原则。
• 关联化：框架内的各要素保持必要的相互关系，简单不孤立。

12.漏斗分析法

可以直观呈现用户行为步骤及各步骤之间的转化率的分析方法。

漏斗分析法的价值主要体现在功能优化、运营投放、用户流失等方面。

13.用户留存分析

• 新增用户留存率
• 新增用户数
• 登录用户数
• 第N日留存率：
• 

留存的重要性：

1. 10%的用户在下载APP的一周后仍继续使用，一个月后，仅有2.3%。

2. 52%的APP会在3个月后失去至少一半的重要客户。

3. 获取新用户的的成本比留存现有用户的成本高5倍以上。

4. 老用户比新用户尝试新功能的可能性高50%。

5. Gartner公司预测，公司未来80%的收入将来自20%的现有用户。

留存的影响因素：

1. 获取渠道不精准，用户质量较差。

2. 产品使用路径指引不明，用户体验不佳。

3. 产品触发不足，用户使用习惯培养不到位。

4. 产品吸引力不足，缺乏用户激励。

5. 难以实现精细化运营，用户分群欠缺。

用户留存的3个阶段：

1. 用户留存初始阶段。

2. 用户留存中期阶段。

3. 用户留存长期阶段。

用户留存分析的业务背景和分析思路：

1. 关键行为特征数据的提取。

2. 相关性分析。

3. 因果分析。

4. Aha时刻。

5. 难以实现精细化运营，用户分群欠缺。

14.用户特征分析

1. 了解用户、读懂用户，要对用户进行特征分析。
2. 用户特征分析适用的3种业务场景：

    

14.用户流失分析

【1】用户的活跃、沉默、唤醒是客观存在的，但流失是主观主义的。

1. 活跃：一段时间内的用户活跃次数，比如日活、周活、月活。
2. 沉默：一段时间内用户活跃次数为0，比如沉默一周、沉默30天。

1. 唤醒：沉默一段时间后的用户又重新活跃。

【2】基于沉默和唤醒，我们定义流失和回流。

1. 流失：沉默超过一定时长的用户，且该时长之后用户的自然回流率很低。
2. 回流：是流失之后又被唤醒的用户，有周流失，月流失等。

   

15.用户增长策略：八角分析法

某多多的八角分析法

使命：“好友砍价”给发起者提供了目标，在有限时间内完成砍价任务。用户的物质欲望趋势用户去完成使命，砍价任务进程中又会不断强化用户的使命感。

成就：成就在于用户通过动用自己人脉完成砍价任务，成功0元拿到任务奖品。成就本身不在于获得礼物，更在于用户自身人脉价值的物质映射，给用户成就感。

所有权：奖品图片与简介详情页驱使用户，完成任务即可拥有该商品。

稀缺：倒计时提示语不停在提示用户，错过就没有了。提升用户的参与紧迫感与投入度。

亏损：参与门槛低，不参与就亏，直接送。

未知：已砍XX元是用户在任务进程中已知的要素，但最终任务结束最终能够砍掉多少元，是未知的，对于未知的好奇心驱使用户去参与任务。

社交：顾名思义，“好友”砍价是基于微信社交链建立的逻辑，没有好友关系社交链，任务无法开展。同时，社交链的利用也提升了活动的门槛与趣味性。

创造：帮助好友进行砍价的用户，为这件砍价活动创造了自己的用户价值。不同用户的钱数不同，每一个用户砍掉的钱数值都是崭新的，这更是创造的奥义。

16.用户增长策略-业务维度拆分

技术上寻求4W1H的最佳匹配

WHO用户	WHEN时间	WHERE空间	HOW手段	WHAT内容
严选用户 访客用户 外渠用户 集团用户 媒体用户	新用户首访 用户活跃期 用户流失期 流失预警期 商品促销期 福利失效期 大促期 ……	严选在线 媒体在线 渠道在线 用户离线	媒体广告 站内广告 短信 PUSH 邮件 微信 ………	商品 活动 素材 福利 …………

• 七、数据可视化

      

      

      

 

      

      

       六、总结和建议

      

1. 分析目的
2. 分析思路
3. 模型结论和建议
4. 制定具体的落地方案和评估方案
5. 业务落地实验方案和效果评估
6. 项目总结