1. 明確數(shù)據(jù)分析的目的

做數(shù)據(jù)分析，必須要有一個明確的目的，知道自己為什么要做 數(shù)據(jù)分析 ，想要達到什么效果。比如：為了評估產(chǎn)品改版后的效果比之前有所提升;或通過數(shù)據(jù)分析，找到產(chǎn)品迭代的方向等。

明確了數(shù)據(jù)分析的目的，接下來需要確定應該收集的數(shù)據(jù)都有哪些。

2. 收集數(shù)據(jù)的方法

說到收集數(shù)據(jù)，首先要做好數(shù)據(jù)埋點。

所謂“埋點”，個人理解就是在正常的功能邏輯中添加統(tǒng)計代碼，將自己需要的數(shù)據(jù)統(tǒng)計出來。

目前主流的數(shù)據(jù)埋點方式有兩種：

第一種：自己研發(fā)。開發(fā)時加入統(tǒng)計代碼，并搭建自己的數(shù)據(jù)查詢系統(tǒng)。

第二種：利用第三方統(tǒng)計工具。

常見的第三方統(tǒng)計工具有：

● 網(wǎng)站分析工具

Alexa、中國網(wǎng)站排名、網(wǎng)絡媒體排名(iwebchoice)、Google Analytics、百度統(tǒng)計

● 移動應用分析工具

Flurry、Google Analytics、友盟、TalkingData、Crashlytics

不同產(chǎn)品，不同目的，需要的支持數(shù)據(jù)不同，確定好數(shù)據(jù)指標后，選擇適合自己公司的方式來收集相應數(shù)據(jù)。

3. 產(chǎn)品的基本數(shù)據(jù)指標

新增：新用戶增加的數(shù)量和速度。如：日新增、月新增等。

活躍：有多少人正在使用產(chǎn)品。如日活躍(DAU)、月活躍(MAU)等。用戶的活躍數(shù)越多，越有可能為產(chǎn)品帶來價值。

留存率：用戶會在多長時間內(nèi)使用產(chǎn)品。如：次日留存率、周留存率等。

傳播：平均每位老用戶會帶來幾位新用戶。

流失率：一段時間內(nèi)流失的用戶，占這段時間內(nèi)活躍用戶數(shù)的比例。

4. 常見的數(shù)據(jù)分析法和模型

這里主要科普下漏斗分析法和AARRR分析模型。

● 漏斗分析法

用來分析從潛在用戶到最終用戶這個過程中用戶數(shù)量的變化趨勢，從而尋找到最佳的優(yōu)化空間，這個方法被普遍用于產(chǎn)品各個關鍵流程的分析中。

比如，這個例子是分析從用戶進入網(wǎng)站到最終購買商品的變化趨勢。

比如第一個，進入網(wǎng)站到瀏覽商品，如果同行業(yè)水平的轉(zhuǎn)化率是45%，而我們只有40%，那說明這個過程，沒有達到行業(yè)平均水平，我們就需要分析具體原因在哪里，再有針對性的去優(yōu)化和改善。

當然，上面這是我們設計的一種理想化的漏斗模型，數(shù)據(jù)有可能是經(jīng)過匯總后得出的。而真實的用戶行為往往可能并不是按照這個簡單流程來的。此時需要分析用戶為什么要經(jīng)過那么復雜的路徑來達到最終目的，思考這中間有沒有可以優(yōu)化的空間。

● AARRR模型

這個是所有的產(chǎn)品經(jīng)理都必須要掌握的一個數(shù)據(jù)分析模型。

AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一個風險投資人戴維 · 麥克魯爾在2008年時創(chuàng)建的，分別是指獲取、激活、留存、收入和推薦。

渠道A的單個留存用戶成本是60元，單個付費用戶成本是300元;而渠道B的單個留存用戶成本是20元，單個付費用戶成本是33元，這樣對比下來，明顯B渠道的優(yōu)勢遠遠大于A渠道。

● 交叉分析法

交叉分析法：通常是把縱向?qū)Ρ群蜋M向?qū)Ρ染C合起來，對數(shù)據(jù)進行多角度的結(jié)合分析。

舉個例子：

a. 交叉分析角度：客戶端+時間

那接下來要分析下為什么Android端二季度新增用戶數(shù)據(jù)在下降呢?一般這個時候，會加入渠道維度。

b. 交叉分析角度：客戶端+時間+渠道

因此可以得出結(jié)論：Android端在二季度新增用戶降低主要是由于A預裝渠道降低所導致的。

所以說，交叉分析的主要作用，是從多個角度細分數(shù)據(jù)，從中發(fā)現(xiàn)數(shù)據(jù)變化的具體原因。

5. 如何驗證產(chǎn)品新功能的效果

驗證產(chǎn)品新功能的效果需要同時從這幾方面入手：

a. 新功能是否受歡迎?

衡量指標：活躍比例。即：使用新功能的活躍用戶數(shù)/同期活躍用戶數(shù)。

b. 用戶是否會重復使用?

衡量指標：重復使用比例。即：第N天回訪的繼續(xù)使用新功能的用戶數(shù)/第一天使用新功能的用戶數(shù)。

衡量指標：轉(zhuǎn)化率和完成率。轉(zhuǎn)化率即：走到下一步的用戶數(shù)/上一步的用戶數(shù)。完成率即：完成該功能的用戶數(shù)/走第一步的用戶數(shù)。

這個過程中，轉(zhuǎn)化率和完成率可以使用(上)篇中提到的漏斗分析法進行分析。

d. 對留存的影響?

衡量指標：留存率。用戶在初始時間后第N天的回訪比例，即：N日留存率。常用指標有：次日留存率、7日留存率、21日留存率、30日留存率等。

真實用戶行為軌跡往往比我們設想的使用路徑要復雜的多，如果使用的數(shù)據(jù)監(jiān)測平臺可以看到相關數(shù)據(jù)，能引起我們的反思，為什么他們會這么走，有沒有更簡便的流程，以幫助我們作出優(yōu)化決策。

6. 如何發(fā)現(xiàn)產(chǎn)品改進的關鍵點

產(chǎn)品改進的關鍵點，是藏在用戶的行為中。

想要找到這些關鍵點，除了通過用戶調(diào)研、訪談等切實的洞察用戶外，在產(chǎn)品中設置相關數(shù)據(jù)埋點記錄用戶的行為，觀察其行為軌跡，不能完全替代洞察用戶的行為，不過也可以有助于決策產(chǎn)品改進點。

操作步驟：

End.

轉(zhuǎn)載請注明來自36大數(shù)據(jù)（36dsj.com)：36大數(shù)據(jù) » 一篇文章讓你看懂數(shù)據(jù)分析的目的、方法、工具及實際應用