《十周成为数据分析师》笔记——业务线 第八节 常见互联网业务的数据分析报告的制作及用户分层模型

一、业务逻辑回顾及互联网相关指标

1、实战项目与业务逻辑回顾

数据报表（数据源）→用户画像（数据分析）→数据化运营（决策指导）→商业分析（宏观判断）→分析报告（结论梳理）

• 数据报表——内部数据（直接调取、后台下载）、爬虫程序、数据采集器、第三方工具
• 用户画像——通过标签体系对用户信息汇总统计，经过可视化统计处理得到用户画像体系。结合用户画像，可以进行价格歧视、价格调整、精细化选品、精细化运营、评估不同店铺的产品定位和运营能力等。
• 数据化运营——四象限分析法解决多维度数据比较问题（如多广告组优化）、结合产品生命周期实现精细化+数据化运营（引入期低价占据市场份额、成长期尝试调整价格逐步提升利润、成熟期不断调整价格保证利润积累数据资产、衰退期通过营销等方式进入下一个生命周期）
• 商业分析——例如，通过分析6种渠道发售策略下不同因素对电子书销量的影响决定发售策略
• 分析报告——日常型分析报告

（1）日常型分析报告

• 表一：主站下滑少，新版首页下滑多，说明新版首页用户有很多非主站典型用户，通过对减少UV的UID进行统计分析来验证
• 表二：[金刚位（会员购首页搜索框下面的固定分类选项），feed流（随着页面下滑可以看到商品的刷新），banner（左上自动弹跳界面），豆腐块（手机端前四个曝光的产品）]做产品点击汇总，有助于产品经理对上一周的产品进行汇总及迭代（例如每周采用不同的素材曝光方式，通过环比波动变化等数据分析统计发现更好的一个统一的曝光方法），帮助产品经理分析分析使用部分版位的人是越来越多还是越来越少，发现用户对各个版位的点击偏好，对部分版位进行针对性地优化
• 表三：用户发现越来越多优秀产品，手办模型点击率上升；疫情等原因演出减少，故漫展演出点击率减小
• 表四：点击环比都是上升的，说明前面的分析都是正确的，反映了用户的点击偏好范围
• 表五：内容点与产品点的汇总，分析整体趋势，曝光均下降，与表一一致，用户量下降曝光自然也会下降；点击有些是上升的（美图、资讯、弹幕），可能是短期现象，也可能是产品经理在培养用户习惯，希望用户更多地去点击这几个板块，需要结合更多的数据报表来验证；点击占比，商品卡片和弹幕属于主流分析思路，结合点击占比和点击趋势进行分析，弹幕增长明显，可以优化弹幕体验
  
  该表展现了更宏观的数据汇总。会员购商品新客数下降，可以考虑供给端是否提供了更多商品，需求端商品是否满足用户需求
  关键点汇总、意外/临时性情况、数据说明了什么/如何使用这个数据/如何指导决策

日常型分析报告思路：首先是整体的汇总，结合不同的产品位、不同的类目、细节功能点以及详细功能属性的点击汇总，然后进行用户数据汇总（分新客、老客→可以分析用户增长和用户黏性），提出关键点，再单独分析最近的特殊状况，并针对这些临时性状况提出优化建议。

（2）调研型分析报告

• 组成：1.分析背景 2.分析目的 3.分析思路 4.分析内容 5.结论 6.建议；
• 目标：1.展示分析结果 2. 验证分析质量 3.提供决策参考；
• 形式：1.数据分析报告或文章；2.PPT制作数据分析报告；
  主要用于咨询、金融、投资行业
  例如，2018年中国服饰数字化零售研究报告的分析报告框架：服饰行业概述、服饰零售数字化、数字化案例分析、服饰零售趋势展望
  ①分析背景
  中国服饰行业发展现状→市场规模发展历史→细分类目现状→品牌电商渠道发展历史→服饰行业未来发展趋势（社交电商/传统品牌/服务商）
  ②分析目的与分析思路
  行业消费特征→数字化零售定义→数字化供应链定义→数字化运营定义→数字化运营/渠道/营销/工具定义
  ③分析内容
  优衣库案例分析→绫致案例分析→影儿案例分析→都市丽人案例分析→奥康案例分析→黑鲸/马威案例分析 （他们做了什么，取得了什么效果）
  ④结论及建议
  数字化成为行业基础建设设施→大规模个性化定制成为主流→品牌商逐步提升对产业链话语权→有望诞生中国时尚品牌巨头→服饰社交电商将进一步革新升级（主要是社交电商）

（3）展示型分析报告

①数据动图/视频
常用于反映数据的趋势变化情况或规律。相比静态图表，动图的呈现方式更加直观而形象。
例如，《美国性别年龄结构趋势图》——Pew Research、《新闻资讯平台MAU变化趋势》——QuestMobile
②数据地图/仪表板
通过地图/仪表板等作为背景呈现数据，使读者更加直观感受到数据分布。
例如《中国酒量地图》、疫情分布图
③数字具象化
通过更加具体形象的图形（如实物、表情等）来表单相应的数据内容，丰富数据意义。

2、常用的数据统计指标

标准分通常在质量控制中的应用：如果生产一套有标准尺寸的组件，将所有生产的产品的实际尺寸进行统计，计算标准差，计算某一个意外产品距平均值的距离有6西格玛，说明工艺存在问题。

3、电子商务运营中统计指标拆解

• GMV（总类目+分类目）+流量（PV）+对应用户（UV）+客单价+新老用户（支付）+转化率+周/月/季度变化+不同渠道贡献
• 父用户（上游）+子用户（下游），例如第一层甲是b站会员购用户，第二层乙是非b站会员购用户，一级一级不停营销裂变
• 跳出率：某一个页面的数据，衡量一个页面对用户的吸引力，用户没有点击行为就是跳出
• ARPU（平均每个用户能产生多少收益）：在电商领域里不是很常见，电商一般都是客单价，ARPU一般是用在游戏领域
• 付费频率与付费率：付费频率看用户价值，付费率是看产品价值

4、互联网产品的指标体系࿰