自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

數(shù)據(jù)分析前置工作指南

大數(shù)據(jù) 數(shù)據(jù)分析
通過數(shù)據(jù),可以發(fā)現(xiàn)許多深層的問題,從而優(yōu)化產(chǎn)品決策。那么,怎么才能做好一次好的數(shù)據(jù)分析工作呢?本文詳細闡述了數(shù)據(jù)分析的前置工作,將由兩個方面詮釋作者對數(shù)據(jù)分析準備工作的理解。

通過數(shù)據(jù),可以發(fā)現(xiàn)許多深層的問題,從而優(yōu)化產(chǎn)品決策。那么,怎么才能做好一次好的數(shù)據(jù)分析工作呢?本文詳細闡述了數(shù)據(jù)分析的前置工作,將由兩個方面詮釋作者對數(shù)據(jù)分析準備工作的理解。

首先,“數(shù)據(jù)指標定義”和“數(shù)據(jù)收集”這兩個東西本身有關(guān)系嗎?——有的。

數(shù)據(jù)指標的定義決定了數(shù)據(jù)收集的范圍和目的,而數(shù)據(jù)收集的維度要和數(shù)據(jù)指標息息相關(guān)。

這兩個東西和數(shù)據(jù)分析有關(guān)系嗎?——有的。

數(shù)據(jù)指標定義了你數(shù)據(jù)分析目的(數(shù)據(jù)分析往往是為了提升某個數(shù)據(jù)指標或降低某個數(shù)據(jù)指標,發(fā)現(xiàn)潛藏問題、尋找潛藏機會),而數(shù)據(jù)收集則給數(shù)據(jù)分析提供了基礎(chǔ)。

圖片

先介紹一下這兩個名詞的定義。

  • 數(shù)據(jù)指標:對當前業(yè)務有參考價值的可統(tǒng)計數(shù)據(jù)。

我們來理解一下這句話,數(shù)據(jù)指標對于產(chǎn)品而言就是說什么數(shù)據(jù)能衡量你們業(yè)務的好壞?什么數(shù)據(jù)對于你們產(chǎn)品是十分重要的?比如用戶數(shù)、訂單數(shù)、銷售額、瀏覽數(shù)。數(shù)據(jù)指標可能有一個或多個沒有固定約束,依據(jù)業(yè)務需求定義。

如果你們的產(chǎn)品業(yè)務較為簡單,一個業(yè)務指標足以說明問題,定義一個足以。

  • 數(shù)據(jù)收集:用戶行為所產(chǎn)生的結(jié)果都值得被收集,但是他的主要目的是以業(yè)務為導向收集體現(xiàn)業(yè)務情況的數(shù)據(jù)。

數(shù)據(jù)收集是一項很主觀的行為,收集的粒度和收集頻率都與產(chǎn)品特性有關(guān),在本文中將介紹數(shù)據(jù)收集的方法(由業(yè)務出發(fā)和由功能使用情況出發(fā))。

介紹了他們的定義,那么在具體項目中他們應該如何制定?

01定義數(shù)據(jù)指標的兩種方法

1. 確認模塊或產(chǎn)品特性:確認與模塊特性相關(guān)的關(guān)鍵指標

市面上的產(chǎn)品或功能基本能用以下幾個模塊進行劃分,大家在使用時可進行相似歸類,套用這個模版。

  • 內(nèi)容:內(nèi)容類型產(chǎn)品主要關(guān)注用戶使用時長和頻次。
  • 常用指標:瀏覽數(shù)、瀏覽時長、內(nèi)容互動情況(彈幕、評論、點贊)
  • 社交:社交類型產(chǎn)品主要關(guān)注用戶與用戶之間的關(guān)系密度(緊密、多少)、和用戶活躍程度。
  • 常用指標:發(fā)布量(社區(qū)使用)、互動量、關(guān)系密度(關(guān)注用戶數(shù)、發(fā)送消息數(shù))
  • 工具:工具類型產(chǎn)品主要關(guān)注用戶使用頻次和使用完成度。
  • 常用指標:使用量、頻次、流程達成率(目標產(chǎn)品的用戶流程較為簡單,查看用戶是否完成整個流程)
  • 交易:交易類型產(chǎn)品主要關(guān)注用戶交易規(guī)模和整個交易流程的轉(zhuǎn)化率。
  • 常用流程:詳情頁轉(zhuǎn)化率(核心場景轉(zhuǎn)化率)、金額(總交易規(guī)模)、客單價、復購率
  • Tips:做競品分析的時候,可用同目的的功能放在一起對比指標數(shù)據(jù)。

如你們平臺的內(nèi)容模塊每天大約新增100篇文章、有30人閱讀、平均文章的評論量為30條。對手每天大約新增500篇文章、有30人閱讀、平均文章的評論量為2條。說明在內(nèi)容創(chuàng)造或內(nèi)容更新頻率上,對手遠高于我們平臺;但是在用戶粘性或者用戶對內(nèi)容的認可度上,我們更高。因此,我們需要提高平臺的內(nèi)容創(chuàng)造能力和內(nèi)容的打開率。

2. 確認核心業(yè)務:確認體現(xiàn)核心業(yè)務健康程度的指標

使用場景:業(yè)務簡單、單一,或制定綜合指標時可適用。

其實上面的指標定義方法可以涵蓋大多部分使用場景,但是如果你是為你們平臺制定一個總指標的時候,那就需要用核心業(yè)務確認總指標。

確認核心業(yè)務的方法:平臺靠什么盈利。

舉幾個比較常見的例子:

  • 平臺靠用戶瀏覽廣告進行盈利,核心業(yè)務賣廣告,體現(xiàn)核心業(yè)務健康情況的關(guān)鍵指標為平臺流量
  • 平臺靠售賣商品進行盈利,體現(xiàn)核心業(yè)務健康情況的關(guān)鍵指標為GMV總銷售額
  • 平臺靠售賣會員進行盈利,體現(xiàn)核心業(yè)務健康情況的關(guān)鍵指標為會員用戶量

這種方法確認的指標較為籠統(tǒng),可作為公司公用指標進行使用,各個部門根據(jù)該指標進行拆分。

  • 如公司今年的關(guān)鍵指標為會員用戶量
  • 運營對應指標-每月新增用戶**人
  • 產(chǎn)品對應指標-每月留存用戶保持在總用戶的**%
  • 銷售對應指標-每月用戶購買會員訂單為**單
  • 這種定義數(shù)據(jù)指標的適用場景較少,大家可以主要學習第一種確認數(shù)據(jù)指標的方法。

02數(shù)據(jù)收集的方法

數(shù)據(jù)收集主要是需要開發(fā)同學來進行埋點,我們需要定義埋在哪里。定義數(shù)據(jù)埋點我梳理了有以下兩種方法:一種基于業(yè)務流程,一種基于功能被使用的情況,根據(jù)業(yè)務需求選擇即可。

Tips:收集前要和開發(fā)說清楚是基于用戶還是事件,看不懂這句話下面有解釋。

1. 以業(yè)務流程進行埋點

說白了就是梳理業(yè)務流程,再統(tǒng)計各流程的數(shù)據(jù)。

這種埋點方式可以發(fā)現(xiàn)用戶前后的兩個環(huán)節(jié)是否有巨大斷層,或者遠低或遠高于行業(yè)水平,從而優(yōu)化各個環(huán)節(jié)的轉(zhuǎn)化率(其實就是漏斗)。

  • 適用場景:頁面層級清晰有明確的業(yè)務流程,每個頁面有明確的業(yè)務目標(下單、支付)。
  • 使用方法:梳理業(yè)務流程后在各個頁面或各個行為進行埋點即可。

Tips:做漏斗的時候,記住用戶行為一定是有連貫性的、有順序的、有時間限制的,基于用戶還是事件要想清楚。

舉個例子:

先說一下為什么有時間限制,用戶在半年前瀏覽了平臺的3篇文章,半年后他在平臺通過一篇文章購買了商品。用戶本次購買商品很大幾率與半年前瀏覽內(nèi)容無關(guān),所以漏斗需將行為設(shè)置時間限制(設(shè)置時間限制可以讓開發(fā)同學打一個小標簽,在時間范圍內(nèi)進行了某種行為的用戶才會被統(tǒng)計在漏斗內(nèi))。

圖片

例子如上圖,中間就是根據(jù)業(yè)務流程梳理的需要統(tǒng)計的頁面。左邊是根據(jù)事件進行埋點得到的數(shù)據(jù),右邊為真實用戶數(shù)據(jù)(去重后),就是告訴一下大家基于用戶/事件得到的數(shù)據(jù)是不同的。

當然事件和用戶可以都進行統(tǒng)計,這樣可以算出其他的一些數(shù)據(jù),比如用戶平均瀏覽多少個商品、平均瀏覽多少個分類、購買成功頁面有多少用戶進行分享。

2. 以功能模塊拆解進行埋點

功能模塊拆解,你們也可以理解為對對應數(shù)據(jù)指標的細化。

以社交模塊為例,直接通過腦圖的方式進行說明,這種埋點方式可以體現(xiàn)功能模塊的健康程度。

圖片

Tips:收集數(shù)據(jù)時如數(shù)據(jù)有明顯的周期性則以該周期作為單位進行收集和比較。

03結(jié)束語

如某應用周末用戶活躍度明顯上升,則建議以周為單位進行收集。與往期數(shù)據(jù)對比時,建議同比上一周的數(shù)據(jù)或本周六的數(shù)據(jù)同比上周六的數(shù)據(jù),這樣可減少數(shù)據(jù)之間的干擾性。

本篇文章主要介紹兩種定義數(shù)據(jù)指標的方法和兩種進行數(shù)據(jù)埋點的方法,將最近工作中用到的方法總結(jié)給各位,希望能夠和大家一起探討。

責任編輯:華軒 來源: 數(shù)據(jù)治理體系
相關(guān)推薦

2009-09-27 16:15:42

CCIE找工作

2009-09-07 08:47:30

2018-01-24 17:11:39

CIO 云

2015-10-26 10:41:10

數(shù)據(jù)分析思想指南

2009-06-16 12:57:45

CCIE

2020-04-03 14:30:01

數(shù)據(jù)科學遠程工作數(shù)據(jù)科學家

2023-12-13 12:46:49

數(shù)據(jù)分析指標算法

2015-09-08 09:24:26

大數(shù)據(jù)分析采購

2016-12-01 19:07:46

大數(shù)據(jù)數(shù)據(jù)分析

2021-09-06 09:00:00

大數(shù)據(jù)大數(shù)據(jù)分析技術(shù)

2017-11-27 16:37:42

Python大數(shù)據(jù)數(shù)據(jù)分析

2023-07-08 23:05:01

數(shù)據(jù)分析運營

2021-09-10 14:05:14

預測分析大數(shù)據(jù)分析大數(shù)據(jù)

2021-09-23 18:12:09

大數(shù)據(jù)分析預測分析

2023-11-26 17:47:00

數(shù)據(jù)分析

2018-03-20 13:32:22

數(shù)據(jù)分析IT企業(yè)數(shù)據(jù)存儲

2024-06-03 14:03:35

2015-08-14 10:28:09

大數(shù)據(jù)

2024-10-18 09:16:45

2016-12-20 16:03:08

大數(shù)據(jù)分析大數(shù)據(jù)
點贊
收藏

51CTO技術(shù)棧公眾號