数据的统计分析

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