运营数据分析方法总结


一、数据分析基本流程

产品分析的方法
0.对用户分群(行为漏斗+特征),选定分析的时间,设定分析的目的,起始与终结(终结一定要有价值)
1.列出用户行为的路径,如果有多种路径都需要列出来(需要达到闭环,节点的选取看你要分析的问题与目的,可以是一个功能模块的具体页面的跳转,也可以是用户为了完成某件事情的行为路径)
2.列出路径中每个节点存在的痛点(或者考虑删除,合并,调整节点的顺序)
3.针对以上的痛点提出解决的方案
4.根据现有资源(人、用户、技术等)筛选较为适合的方案

1.1数据总览

数据总览

总数/均值/比率/特殊单个(卖的好的商品,点赞率最高的几个视频等)

人群/行为

1.2数据分析方法总览

数据分析方法总览

1.3案例

1.3.1 案例1

案例1
思考
这是一个数据结果,而造成这个结果的是某一个事件的变化,因此需要去寻找哪里发生了变化
事件(运营活动、产品改版、外界pest:政治,经济,社会,技术、热门事件、数据统计错误)

1.3.2 案例2

案例2

1.3.3 案例3

案例3
案例3
思考
思考

1.3.4 案例4

一个变化可以产生短期,长期,未来的一系列变化
短期
短期
长期
未来

1.3.5 案例5

电商购物流程-设计数据埋点
漏斗节点-属性定义限制

搜索流程-设计数据埋点
属性设定可能会遇到的问题

二、具体数据介绍

2.1用户数据

2.1.1日活(DAU)月活(MAU)

定义数据:日的定义+活跃的定义(技术+业务)+用户的定义(人or设备:看具体的价值判断)

日
活跃
用户的定义
人or设备:看具体的价值判断

2.1.2新增用户指标

定义数据:哪个环节的新增+新增用户的定义(渠道链接点击、下载、注册、登录)+新用户判断(是否为真实的新用户)

新增用户的定义
渠道链接:优势:统计简单,劣势:数据参考的价值不大、容易造假,转化率低,适用场景:免费渠道、一口价渠道,自身产 品量级不大

下载:优势:反应了绝大部分用户的真实意愿,劣势:造假,渠道商刷量的这个行为我们很难去控制,适用场景:依赖应用商店的渠道商

安装/启动:优势:距离激活环节最近,转化率高,容易统计,劣势:渠道商不配合,适用场景:1、协商出了一个折中方案 2、你们公司比较强势

激活,优势:数据最真实,劣势:统计复杂,渠道商收取费用高,适用场景:产品对用户的质量要求非常高,只关注目标用户

新用户判断:看业务是否需要手机号身份证等信息作为唯一的指标

2.1.3留存用户、留存率

定义数据:统计周期还是时间节点+首日是哪一天+是否需要去重
适用的场景:
1.通过对比分析的方法,分析产品、渠道的作用
2.周期性特征比较明显的产品(季节,工作日,节假日):钉钉,12306,在线教育平台

留存
首日留存:第2天
次日留存:第3天
7日留存
周/月留存:按照周留存的第2种方法计算

2.1.4渠道来源

个人反思:经历中渠道(通过其他平台投放广告)匹配,所以我才可以将其他平台的用户画像和我问卷收集的用户画像做一个匹配

渠道分类:用户找到我的方式

2.2 行为数据-用户做了什么

行为:指受思想支配而表现出来的外表活动,是流程中的一段

注意:需要定义清楚具体的环节,即在哪里发生

2.2.1 行为次数:PV、UV、DV

行为次数:PV、UV、DV

2.2.2 行为质量-跳出率

行为质量-跳出率

2.2.3 行为时间跨度-访问时长、使用时长-粘性

问题:干扰因素过多:网速,加载速度,现实事情

行为时间跨度-访问时长、使用时长-粘性

2.2.4 行为路径-转化率-漏斗模型

你去流程化的设计一个产品,那么你的用户就会流程化的去使用你的产品,因此就可以流程化的去分析这个产品

行为路径-转化率-漏斗模型
产品分析方法
分析注意事项

2.3 业务数据

总数/均值/比率/特殊单个(卖的好的商品,点赞率最高的几个视频等)

人群/行为

2.3.1 业务总量-GMV

GMV:Gross Merchandise Volume

行为总指标:时长,花费,点击,转发,点赞,报名,购买

业务总量-GMV

2.3.2 人均数值-ARPU\ARPPU,人均访问时长

ARPU的全称是Average Revenue Per User,也就是每用户平均收入。这个指标计算的是某时间段内平均每个活跃用户为应用创造的收入。如果按天来计算,ARPU就是ARPDAU
人均数值

2.3.3 业务参与人数-付费人数、访问人数

人群总指标:付费人,点赞人,访问人,投币人

2.3.3 业务参与人数-付费人数、访问人数

2.3.4 评估业务发展情况-付费率、付费频次、留存率

评估业务发展情况-付费率、付费频次、留存率

2.3.4 被消费对象视角-SKU被消费内容

被消费对象视角-SKU被消费内容

三、具体数据分析方法介绍

3.1 同比&环比

环比:描述数据的短期趋势
同比:长期
结合各种因素:政策,工作,环境等等

同比&环比

3.2 多维数据分析-回归模型-特征工程

多维数据分析-特征选取
多维数据分析-图表展示

3.3 漏斗分析

漏斗分析是什么

产品分析的方法
0.对用户分群(行为漏斗+特征),选定分析的时间,设定分析的目的,起始与终结(终结一定要有价值)
1.列出用户行为的路径,如果有多种路径都需要列出来(需要达到闭环,节点的选取看你要分析的问题与目的,可以是一个功能模块的具体页面的跳转,也可以是用户为了完成某件事情的行为路径)
2.列出路径中每个节点存在的痛点(或者考虑删除,合并,调整节点的顺序)
3.针对以上的痛点提出解决的方案
4.根据现有资源(人、用户、技术等)筛选较为适合的方案

漏斗分析注意事项-思维模型
漏斗分析注意事项-注意时间-节点顺序
漏斗分析注意事项-数据可以是人也可以是行为
漏斗分析注意事项-起始与终结是什么
漏斗分析总结

3.4 数据分布分析

数据分布分析:分类

3.5 用户留存分析(神策数据为例)

用户留存分析-结合漏斗分析适用

3.6 用户分群分析

有各种分群的方法,可以根据行为的阶段,行为深度,行为模式进行分群,也可以根据用户的特征信息

用户分群分析
漏斗分析
分群方法

四、其他数据分析方法

5.1用户行为分析


指标-定义属性的限制

5.3市场营销指标-用户+商业模式

市场营销,英文是Marketing,又称作市场学、市场行销或行销学,市场是商品经济的范畴,是一种以商品交换为内容的经济联系形式。对于企业来说,市场是营销活动的出发点和归宿。
市场营销既是一种职能,又是组织为了自身及利益相关者的利益而创造、沟通、传播和传递客户价值,为顾客、客户、合作伙伴以及整个社会带来经济价值的活动、过程和体系。主要是指营销人员针对市场开展经营活动、销售行为的过程。

5.3.1 用户生命周期

?不知道这些指标的用处,刚觉像是一种需要了解而不是使用的东西

用户生命周期

5.3.2 用户价值(商业模式)

1.如何满足用户需求+促进用户的转变(生命周期的阶段,行为特征)
2.用户对于我们产品的价值来源(商业模式:增值服务,商品服务购买,广告,吸引其他用户)

用户价值

5.3.3 RFM模型-如何设定核心用户

最近行为时间+频次+金额(根据你关注的东西也可以进行替换,多维分析的子集)
RFM模型-如何设定核心用户

5.4 用户分层、用户分群-游戏中不同的角色

UGC 互联网术语,全称为User Generated Content,也就是用户生成内容,即用户原创内容。
用户分层、用户分群-游戏中不同的角色

5.5 产品生命周期

产品生命周期

互联网基本术语

IP:计算

UV:unique visitor 统计访问网站的用户数量

Visit:统计浏览量(类似于打开app的次数)

PV:page view 页面浏览量

Pv/uv:平均每个用户浏览首页的次数(理论值越高粘性越高,但是也可能是app设计有问题,如无法找到需要的内容)

拿你儿子举例,你儿子是一个UV,然后因为你得罪了他,他啪啪啪啪删了你4个耳光,一个耳光就是一个pv。至于visit,如果拿GA来监测你儿子删你的话,假设你儿子删了你4个耳光,然后休息了30分钟零1秒后,又删了你4下,那么就算两个visit。总结成一句话就是:你的儿子(uv=1)今天总共删了你两次(visit=2),共计删了你8个耳光(pv=8)

数据埋点:针对特定用户行为或事件进行捕获,处理和发送的相关技术及其实施流程

流水:

反思

视频号运营时的问题:
我的视频号
欧美偶像Talks

以上内容根据网易云课堂大饼老师产品经理课程总结


文章作者: zheng tian
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 zheng tian !
评论