閱讀860
標籤：
產品經理產品運營資料分析方法道家強調四個字， 叫“道、法、術、器”。
層次區別：“器”是指物品或工具， 在資料分析領域指的就是資料分析的產品或工具， “工欲善其事， 必先利其器”；
“術”是指操作技術， 是技能的高低、效率的高下， 如對分析工具使用的技術（比如用Excel進行資料分析的水準）；
“法”是指選擇的方法， 有句話說“選擇比努力重要”；
“道”是指方向， 是指導思想， 是戰略。
在資料分析和產品、運營優化方面， 資料分析方法是其核心， 屬於“法”和“術”的層次。
那麼如何做好資料分析呢，
01 細分分析
細分分析是分析的基礎， 單一維度下的指標資料的資訊價值很低。
細分方法可以分為兩類， 一類逐步分析， 比如：來北京市的訪客可分為朝陽， 海澱等區；另一類是維度交叉， 如：來自付費SEM的新訪客。
細分用於解決所有問題。
比如漏斗轉化， 實際上就是把轉化過程按照步驟進行細分， 流量管道的分析和評估也需要大量用到細分的方法。
02 對比分析
對比分析主要是指將兩個相互聯繫的指標資料進行比較， 從數量上展示和說明研究物件的規模大小， 水準高低， 速度快慢等相對數值， 通過相同維度下的指標對比， 可以發現， 找出業務在不同階段的問題。
常見的對比方法包括：時間對比， 空間對比， 標準對比。
時間對比有三種：同比， 環比， 定基比。
例如：本周和上周進行對比就是環比；本月第一周和上月第一周對比就是同比；所有資料同今年的第一周對比則為定基比。 通過三種方式， 可以分析業務增長水準，
03 漏斗分析
轉化漏斗分析是業務分析的基本模型， 最常見的是把最終的轉化設置為某種目的的實現， 最典型的就是完成交易。 但也可以是其他任何目的的實現， 比如一次使用app的時間超過10分鐘。
漏斗幫助我們解決兩方面的問題：
在一個過程中是否發生洩漏，
04 同期群分析
同期群（cohort）分析在資料運營領域十分重要， 互聯網運營特別需要仔細洞察留存情況。
同期群分析深受歡迎的重要原因是十分簡單， 但卻十分直觀。 同期群只用簡單的一個圖表， 直接描述了使用者在一段時間週期（甚至是整個LTV）的留存或流失變化情況。
以前留存分析只要用戶有回訪即定義為留存， 這會導致留存指標虛高， 數極客提供自訂留存分析功能， 可以定義不同的事件行為的留存用戶。
05 聚類分析
聚類分析具有簡單，直觀的特徵，網站分析中的聚類主要分為：使用者，頁面或內容，來源。
用戶聚類主要體現為用戶分群，用戶標籤法；頁面聚類則主要是相似，相關頁面分組法；來源聚類主要包括管道，關鍵字等。
例如：在頁面分析中，經常存在帶？參數的頁面，比如：資訊詳情頁面，商品頁面等，都屬於同一類頁面。簡單的分析容易造成跳出率，退出率等指標不準確的問題，通過聚類分析可以獲取同類頁面的準確資料用於分析場景。
06 AB測試
增長駭客的一個主要思想之一，是不要做一個大而全的東西，而是不斷做出能夠快速驗證的小而精的東西。快速驗證，那如何驗證呢？主要方法就是AB測試，數極客同時支持Web和app上進行AB測試。
比如，你發現漏斗轉化中中間有漏洞，假設一定是商品價格問題導致了流失，你看到了問題-漏斗，也想出了主意-改變定價。但主意是否正確，要看真實的用戶反應，於是採用AB測試，一部分用戶還是看到老價格，一部分用戶看到新價格，若你的主意真的管用，新價格就應該有更好的轉化，若真如此，新價格就應該確定下來，如此反復優化。
07 埋點分析
只有採集了足夠的基礎資料，才能通過各種分析方法得到需要的分析結果。
數極客通過分析用戶行為，並細分為：流覽行為，輕度交互，重度交互，交易行為，對於流覽行為和輕度交互行為的點擊按鈕等事件，因其使用頻繁，資料簡單，採用無埋點技術實現自助埋點，即可以提高資料分析的實效性，需要的資料可立即提取，又大量減少技術人員的工作量，需要採集更豐富資訊的行為。
如：重度交互（註冊，邀請好友等）和交易事件（加購物車，下訂單等）則通過SDK批量埋點的方式來實施。
08 來源分析
流量紅利消失，我們對獲客來源的重視度極高，如何有效的標注用戶來源，至關重要。
傳統分析工具，管道分析僅有單一維度，要深入分析不同管道不同階段效果，SEM付費搜索等來源管道和用戶所在地區進行交叉分析，得出不同區域的獲客詳細資訊，維度越細，分析結果也越有價值。
數極客的來源分析，除多維交叉分析，還支持自訂的推廣分析，通過推廣管道，主題，媒介，內容，關鍵字進行組合分析，可以有效提升管道推廣效果。
09 用戶分析
用戶分析是互聯網運營的核心，常用的分析方法包括：活躍分析，留存分析，用戶分群，用戶畫像，用戶細查等。
數極客支援自訂活躍分析，您可將用戶活躍細分為流覽活躍，互動活躍，交易活躍等，通過活躍行為的細分，掌握關鍵行為指標；通過使用者行為事件序列，使用者屬性進行分群，觀察分群用戶的訪問，流覽，註冊，互動，交易等行為，從而真正把握不同用戶類型的特點，提供有針對性的產品和服務。
使用者畫像基於自動標籤系統將使用者完整的畫像描繪清晰，更有力的支撐運營決策。
10 表單分析
填寫表單是每個平臺與用戶交互的必備環節，優秀的表單設計，對轉化率的提升起到重要作用。
使用者從進入表單頁面之時起，就產生了微漏斗，從進入總人數到最終完成並成功提交表單人數，這個過程之中，有多少人開始填寫表單，填寫表單時，遇到了什麼困難導致無法完成表單，都影響最終的轉化效果。
目前數極客可以實現對表單填寫率，放棄率，重填率，成功率，時長等多項指標進行深度分析。
以上是常見的資料分析方法，更多應用方法需要根據業務場景靈活應用，資料分析深入交流可聯繫數極客資料分析師。
作者：老衲（公眾號：ifenxipai）原創，數極客資料分析師，高級新媒體運營。
本文由 @老衲 原創發佈於產品壹佰，未經許可，禁止轉載。
05 聚類分析
聚類分析具有簡單，直觀的特徵，網站分析中的聚類主要分為：使用者，頁面或內容，來源。
用戶聚類主要體現為用戶分群，用戶標籤法；頁面聚類則主要是相似，相關頁面分組法；來源聚類主要包括管道，關鍵字等。
例如：在頁面分析中，經常存在帶？參數的頁面，比如：資訊詳情頁面，商品頁面等，都屬於同一類頁面。簡單的分析容易造成跳出率，退出率等指標不準確的問題，通過聚類分析可以獲取同類頁面的準確資料用於分析場景。
06 AB測試
增長駭客的一個主要思想之一，是不要做一個大而全的東西，而是不斷做出能夠快速驗證的小而精的東西。快速驗證，那如何驗證呢？主要方法就是AB測試，數極客同時支持Web和app上進行AB測試。
比如，你發現漏斗轉化中中間有漏洞，假設一定是商品價格問題導致了流失，你看到了問題-漏斗，也想出了主意-改變定價。但主意是否正確，要看真實的用戶反應，於是採用AB測試，一部分用戶還是看到老價格，一部分用戶看到新價格，若你的主意真的管用，新價格就應該有更好的轉化，若真如此，新價格就應該確定下來，如此反復優化。
07 埋點分析
只有採集了足夠的基礎資料，才能通過各種分析方法得到需要的分析結果。
數極客通過分析用戶行為，並細分為：流覽行為，輕度交互，重度交互，交易行為，對於流覽行為和輕度交互行為的點擊按鈕等事件，因其使用頻繁，資料簡單，採用無埋點技術實現自助埋點，即可以提高資料分析的實效性，需要的資料可立即提取，又大量減少技術人員的工作量，需要採集更豐富資訊的行為。
如：重度交互（註冊，邀請好友等）和交易事件（加購物車，下訂單等）則通過SDK批量埋點的方式來實施。
08 來源分析
流量紅利消失，我們對獲客來源的重視度極高，如何有效的標注用戶來源，至關重要。
傳統分析工具，管道分析僅有單一維度，要深入分析不同管道不同階段效果，SEM付費搜索等來源管道和用戶所在地區進行交叉分析，得出不同區域的獲客詳細資訊，維度越細，分析結果也越有價值。
數極客的來源分析，除多維交叉分析，還支持自訂的推廣分析，通過推廣管道，主題，媒介，內容，關鍵字進行組合分析，可以有效提升管道推廣效果。
09 用戶分析
用戶分析是互聯網運營的核心，常用的分析方法包括：活躍分析，留存分析，用戶分群，用戶畫像，用戶細查等。
數極客支援自訂活躍分析，您可將用戶活躍細分為流覽活躍，互動活躍，交易活躍等，通過活躍行為的細分，掌握關鍵行為指標；通過使用者行為事件序列，使用者屬性進行分群，觀察分群用戶的訪問，流覽，註冊，互動，交易等行為，從而真正把握不同用戶類型的特點，提供有針對性的產品和服務。
使用者畫像基於自動標籤系統將使用者完整的畫像描繪清晰，更有力的支撐運營決策。
10 表單分析
填寫表單是每個平臺與用戶交互的必備環節，優秀的表單設計，對轉化率的提升起到重要作用。
使用者從進入表單頁面之時起，就產生了微漏斗，從進入總人數到最終完成並成功提交表單人數，這個過程之中，有多少人開始填寫表單，填寫表單時，遇到了什麼困難導致無法完成表單，都影響最終的轉化效果。
目前數極客可以實現對表單填寫率，放棄率，重填率，成功率，時長等多項指標進行深度分析。
以上是常見的資料分析方法，更多應用方法需要根據業務場景靈活應用，資料分析深入交流可聯繫數極客資料分析師。
作者：老衲（公眾號：ifenxipai）原創，數極客資料分析師，高級新媒體運營。
本文由 @老衲 原創發佈於產品壹佰，未經許可，禁止轉載。