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
- 每天新增用户数:每天新增加的设备数去重。
- 单一获客成本:总成本/总的新用户数。
- ROI:投资回报率。
- B.用户活跃情况
- DAU:每天活跃的用户数
- WAU:一周活跃的用户数
- MAU:一个月活跃的用户数
- 天活跃次数:每天活跃的次数,每打开一次APP就是一次活跃。
- 周活跃次数:一周活跃的总次数。
- 月活跃次数:一个月活跃的总次数。
C.用户购买情况
- 次日留存率:当天购买的用户在次日继续购买的比例。
- 三日留存率:当天购买的用户在三日内继续购买的比例。
- 七日留存率:当天购买的用户在七日内继续购买的比例。
- D.用户付费情况
- 总销售额:总的收入金额。
- 总付费用户数:总的付费的用户数量。
- 总下单数:总的下单的数量。
- 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
- 评论用户数:成功评论的用户数量。
- 好评用户数:成功发起好评的用户数量。
- 好评率:好评用户数/评论用户数。
- 差评用户数:成功发起差评的用户数量。
- 差评率:差评用户数/总用户数。
F.平台
- 总的访问页面数:总的打开的页面的数量。
- 总的访问用户数:总的打开过页面的用户数量。
- 人均访问页面数:总的访问页面数/总的访问用户数。
- 跳出率:访问一个页面后离开网站的次数/总访问次数。
- 搜索率:搜索行为的用户数/活跃的用户数。
- 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
- 新上架商品数:当天新上线的商品数量。
- 老的在架商品数:老的在架上的商品数量。
- 总在线商品数:当天总的在线商品数量。
- 新上架比例:新上架商品数/总在线商品数。
- 老的在架上比例:老的在架商品数/总在线商品数。
- 被购买的数量:被购买的商品数。
- 被购买的商品总价格:被购买的商品的总金额
- 平均每个商品的价格:被购买的商品总价格/被购买的数量。
- 总的利润率:(总收入-总成本)/总成本。
3.指标体系常见问题
- 难以快速定位问题
- 目标不一致
- 报表价值低
- 指标不完整
- 报表杂乱
- 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:
- 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?
- 确认上报变量:事件和其他参数变量
- 明确优先级:根据上报的重要性和紧急性确定。
- 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
- 去重
- 异常值:错误数据、脏数据、无效数据
- 空值
- 数据类型转化
- 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:
- 7天内有消费3次
- 每天有浏览商品,且浏览时间较长
- 1个月内有首次订单,且有4星以上评价
10. 5W2H分析法
- DAU降低怎么分析?
- 订单数量下降了怎么分析
- 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
- 了解用户、读懂用户,要对用户进行特征分析。
- 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。
- 活跃:一段时间内的用户活跃次数,比如日活、周活、月活。
- 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。
- 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。
- 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。
- 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
- 分析目的
- 分析思路
- 模型结论和建议
- 制定具体的落地方案和评估方案
- 业务落地实验方案和效果评估
- 项目总结