数据的统计分析
附原文
三步搞定数据统计分析:统计+分析+可视化 | 人人都是产品经理 (woshipm.com)
一、统计
埋点 --> 数据 --> 五类(整体概况、用户获取、活跃与留存、事件转化)
1.整体概况
- 实时数据的意义:可以获取到每个小时的产品实时数据,帮助你了解产品目前的实时情况
- 使用概况:产品整体的使用情况,包括用户量、访问情况、留存等,帮助你对产品整体指标有一个大致了解
2.用户获取
- 渠道访问意义:每个渠道的用户使用情况,包括渠道中新用户占比、留存等,帮助你了解产品在获客上的优势与不足
- 版本数据意义:每个版本的使用情况,帮助你了解在产品升级过程中,是否在活跃和留存方面有所改善
3.活跃与留存
- 访问流量意义:产品每日访问数据,指标集中在新老用户的访问行为上,提供访问次数、时长、次数分布、访问时段高峰等指标,帮助了解新老客户在使用产品时的一些行为特征
- 用户留存:帮助了解新老客户的使用粘性
4.事件转化
- 自定义事件意义:用户自定义关键事件,系统会自动生成该事件的发生次数、人数以及分布情况,也就是能够看到用户都在干啥
- 收益类事件意义:用户自定义收益类事件,系统会自动生成该事件的发生次数、人数以及分布情况,会根据你选择的数值类型属性,计算该数值的总值、人均值以及次均值。也就是能够看到用户都咋花钱的。
5.用户特征
- 用户特征意义:看到用户的分布情况和属性
二、分析
1.常见分析指标
综合性指标:反映产品的整体情况
流程性指标:反映用户的使用行为
业务性指标:反映具体的业务情况
2.常见分析维度
数据细分:通过不同细分维度分析,往往可以追溯到问题发生的原因,还为后续的一些动作提供参考依据
数据对比:横向对比,自身和别人对比;纵行对比,自身和自身对比
3.数据分析方法
1)HEART模型
Google HEART模型的提出,可以让大家反思自己的产品设计思维,同时运用相关设计工具去提高HEART五项指标来完善用户体验,打造更好的产品。
2)AARRR模型
该模型出自于《增长黑客》,它是在2007提出,当年的获客成本还比较低廉,而这种模型很简单又很直观地突出了增长的所有重要元素,所以这个模型很长时间内都很受欢迎。
3)RARRA模型
而现在获客的成本与日俱增,市场情况和2007年已经完全不同。现在黑客增长的真正关键在于用户留存,而不是获客。于是,一个突出了用户留存重要性的模型RARRA诞生了。
三、可视化
折线图:线性粗些,预测值线型为虚线
柱状图:同一数据序列使用相同颜色,柱图最好添加数据标签,若添加数据标签,可以删除纵坐标刻度线和网格线
条形图:尽量让数据由大到小排列
饼图:数据项保持6项以内