数据分析与业务(业务数据分析和hive)
第一部分:数据来源
1、数据来源:
2、埋点方式比较:
- 注意:可以结合使用
- 全埋点:可以分析用户的行为,在哪一块停留时间的长短;
- 代码埋点:统计分析。
3、业务数据(也叫下单数据)埋点(不走系统有漏点)
(1)自埋点
(2)借助第三方平台(友盟,艾瑞和站酷做移动端分析的,注册后可埋点)
(3)收费标准:周期和埋点数量;打电话发送接口,技术植入接口,也就是一串连接(7600-9800)
第二部分:数据分析方法论
一、数据分析流程
1、问题定位( 3W问题):
(1)What:确定核心指标(后续干嘛)
- 在excel中 :涉及统计,描述性统
- 三类人接触:
- 分析人员:搭档
- 需求:根据目的需求要干什么来确定
- 业务线:核心(跟他要求数据,与之搞好关系)
- 了解去干嘛,通过后续问题找出核心指标
- 比如:介绍人–>就业速度和就业薪资(考虑目的性是什么)
(2)Why:优化
- 下降问题:业务人员(别人找,别人着急)
- 日活
- 月活
- 收入
- 上升问题:自己走前面,主动去找,体现自己的价值
- 目的:监控指标
- 数据监控
- 数据大屏
- 下降问题怎么找:(会遇到偶然问题)
-
(1)查指标字典(指标算法是否一样)
-
(2)验证是否是正常波动范围(环比,同比):是正常问题就不用理会,不是正常问题就查找问题下降原因
数据分析最基础:对比分析——>与自己,与他人
-
(3)以上没问题之后再找数据下降原因
-
问题拆解(逻辑树+假设)——>按公式拆解
毛利润=销量*(价格-成本) 销量下降——>用户下降是否正常 价格下降——>价格 成本上升——>增加渠道
-
-
(3)How:机器学习
2、量化问题(可执行性)
- What:96%——>98%,提高了2%,这样制定方案的依据(为什么这样制定方案)
- 例子:
自习时间 | 就业率 |
---|---|
6h | 99% |
4h | 96% |
2h | 94% |
可以预估增加自习时间,可以提高就业率大概2%,不能盲目拍脑袋决定
3、目标预估:实验(由点到面)
产品不同时期的追求不同
二、流量分析
1、用户增长
- AARRR(3R是裂变/自传播)–>全新领域(可替代产品少的)最好使,只需要扩大知名度,有了替代品之后就不适用了
2、渠道分析
- 引流:优化自身,增加用户体验,减少用户流失
- 漏斗分析
- 跟上个月比,跟上上个月比,跟同行业比
- 渠道质量:找好的渠道,渠道多,数量多,流量多
- 用户质量:目标人群的转化率:注册
-
以平均值分隔,平均数不容易受极值点的影响
-
中位数也可以,不过中位数容易受极值点的影响
注意:要把指标带入指标字典才有对比性
-
3、电商的用户精细化营销(RFM)
- 目的:提高用户粘度,忠诚度
- 短期:DAU,MAU
- 长期:提高了多少用户
- RFM:线性关系的别放在一起
- 航空公司:找核心指标
- 某人经常往返两地——>留住就好
4、渠道推广过程
5、渠道的关键指标和分析方法
- 关键指标