本文將從數(shù)據(jù)采集的三大要點(diǎn)、如何讓分析更有價(jià)值更高效、以及數(shù)據(jù)分析思維三部分展開聊。

一、數(shù)據(jù)采集的三大要點(diǎn)

1、全面性

數(shù)據(jù)量足夠具有分析價(jià)值、數(shù)據(jù)面足夠支撐分析需求。

比如對(duì)于“查看商品詳情”這一行為，需要采集用戶觸發(fā)時(shí)的環(huán)境信息、會(huì)話、以及背后的用戶id，最后需要統(tǒng)計(jì)這一行為在某一時(shí)段觸發(fā)的人數(shù)、次數(shù)、人均次數(shù)、活躍比等。

2、多維性

數(shù)據(jù)更重要的是能滿足分析需求。靈活、快速自定義數(shù)據(jù)的多種屬性和不同類型，從而滿足不同的分析目標(biāo)。

比如“查看商品詳情”這一行為，通過埋點(diǎn)，我們才能知道用戶查看的商品是什么、價(jià)格、類型、商品id等多個(gè)屬性。從而知道用戶看過哪些商品、什么類型的商品被查看的多、某一個(gè)商品被查看了多少次。而不僅僅是知道用戶進(jìn)入了商品詳情頁。

3、高效性

高效性包含技術(shù)執(zhí)行的高效性、團(tuán)隊(duì)內(nèi)部成員協(xié)同的高效性以及數(shù)據(jù)分析需求和目標(biāo)實(shí)現(xiàn)的高效性。

基于以上三點(diǎn)，我們看如何讓數(shù)據(jù)采集更準(zhǔn)確、分析更有用以及團(tuán)隊(duì)內(nèi)部更高效。

二、數(shù)據(jù)分析價(jià)值性和高效性

step1：明確數(shù)據(jù)驅(qū)動(dòng)目標(biāo)

數(shù)據(jù)采集切忌大而全，數(shù)據(jù)分析需求也是隨著產(chǎn)品不斷迭代的，明確長遠(yuǎn)和當(dāng)前階段的分析需求，讓分析更有目的性，技術(shù)執(zhí)行更高效。

場景舉例：

小葛是公司的產(chǎn)品經(jīng)理，小諸是技術(shù)，最近兩人都認(rèn)識(shí)到了數(shù)據(jù)在產(chǎn)品運(yùn)營和決策中的重要性，經(jīng)過幾個(gè)數(shù)據(jù)平臺(tái)的調(diào)研，最后，選擇了諸葛io，并且已經(jīng)明確了當(dāng)前階段的數(shù)據(jù)需求...

 小葛：“小諸忙嗎，文檔中那個(gè)，登錄流程、注冊(cè)轉(zhuǎn)化、購買轉(zhuǎn)化、分享轉(zhuǎn)化等是長遠(yuǎn)需要關(guān)注的數(shù)據(jù)指標(biāo)，務(wù)必埋上哦；對(duì)于發(fā)現(xiàn)功能呢，兩個(gè)禮拜后我們會(huì)提交一個(gè)新版本，先不埋了啦，辛苦啦。”
 小諸：“小葛，你真棒，一會(huì)兒我就給你埋好了呢！”
 小葛：“哦，還有，注冊(cè)那個(gè)頁面我們有個(gè)推薦人選項(xiàng)，需要用戶輸入推薦人賬號(hào)，采集的時(shí)候別采賬號(hào)啊，我只想看注冊(cè)用戶是否有推薦人的分布，把那個(gè)屬性處理成判斷哦”
 小諸：“這簡單。那今晚...”

看著小葛轉(zhuǎn)身要離開了，小諸欲言又止，默默地繼續(xù)敲代碼了...

step2：按需采集數(shù)據(jù)

帶著需求和分析目標(biāo)去采數(shù)據(jù)，不僅避免了數(shù)據(jù)冗余帶來的無從下手，也避免了全量采集之后卻不知道要分析什么的尷尬。

圖示為埋點(diǎn)范例：

圖示文檔可由數(shù)據(jù)分析需求人員整理，表格梳理讓需求人員和技術(shù)人員協(xié)同更高效，也大大提升了后續(xù)的分析價(jià)值和效率

step3：多維交叉定位問題

對(duì)數(shù)據(jù)的應(yīng)用可分為一般分析和探索性分析。一般分析包括對(duì)日常數(shù)據(jù)如新增、活躍、留存、核心漏斗的監(jiān)測分析，也包括對(duì)各部門日常業(yè)務(wù)的數(shù)據(jù)監(jiān)測。監(jiān)測每日增長，分析異常情況，比如對(duì)注冊(cè)失敗、支付失敗事件的監(jiān)控和及時(shí)優(yōu)化。

探索性分析是對(duì)數(shù)據(jù)的高級(jí)應(yīng)用。對(duì)核心事件的相關(guān)性分析、挖掘產(chǎn)品改進(jìn)關(guān)鍵點(diǎn)等，如促進(jìn)用戶購買的相關(guān)性分析、找到促進(jìn)留存的Ahamoment等。

step4：優(yōu)化產(chǎn)品、優(yōu)化運(yùn)營策略

基于數(shù)據(jù)反映的問題，做到實(shí)時(shí)監(jiān)控和及時(shí)解決，基于分析得到的增長啟發(fā)，去做A/B測試、灰度測試、去MVP實(shí)踐。

step5：衡量

衡量是數(shù)據(jù)分析到實(shí)踐的最后一步，當(dāng)然，也可能是第一步。有時(shí)候我們看似找到了增長點(diǎn)，但實(shí)驗(yàn)發(fā)現(xiàn)，事實(shí)并不如預(yù)期，不要灰心，不要喪氣，更不要不吃飯，分析過程中對(duì)用戶的理解、對(duì)業(yè)務(wù)的深度挖掘可能會(huì)讓下一次優(yōu)化產(chǎn)生累計(jì)價(jià)值。

三、數(shù)據(jù)分析思維

數(shù)據(jù)采集固然重要，數(shù)據(jù)分析的方法論也很重要，但不要迷信數(shù)據(jù)，因?yàn)楦匾模赡苁侨说膭?chuàng)造力和想象力！數(shù)據(jù)分析也從來不是一勞永逸的，產(chǎn)品在不斷迭代，業(yè)務(wù)在不斷更新，從認(rèn)知到?jīng)Q策，數(shù)據(jù)更多的是起到了輔助的作用，從梳理需求、到采集、到分析、到實(shí)踐、再到衡量，它是始終循環(huán)在企業(yè)增長的整個(gè)過程中的。

最后，那些改變世界的程序猿，他們始終希望能用自己的技術(shù)創(chuàng)造更多的價(jià)值，很多時(shí)候，他們要的可能是明確的數(shù)據(jù)需求、明確的分析目標(biāo)，以及一套高效協(xié)同的方法，畢竟，誰都認(rèn)為：能準(zhǔn)確解決問題、能驅(qū)動(dòng)業(yè)務(wù)增長，更！重！要！

分享干貨我們是認(rèn)真的，更多干貨盡在愛盈利！