整理丨数据分析，从认识到应用的知识点

目录1.了解数据-产品经理和数据分析 1.1数据的客观性 1.2面对数据的智慧 1.3数据分析中的误解2。获取数据-产品分析指标和工具 2.1网站数据指标 2.2移动应用数据指标 2.3电子商务数据指标 2.4UGC类数据指标3.分析数据-产品数据分析框架 3.1基本分析方法 3.2数据分析框架——AARRR 3.3数据分析框架-逻辑分层拆解和漏斗分析 3.4数据会说谎。4.使用数据驱动产品 4.1数据应用场景 4.2数据驱动产品的方法 4.3如何培养数据分析能力文本1.理解数据-产品经理和数据分析1.1数据的客观数据是量化事物的手段，投射到不同的人身上会导致解释的结论偏差，所以我需要“验证”第三方网站提供的研究数据(网站修订案例)。如何为我们使用大量数据？我们如何使用大量的数据。它可能包括以下几点：明确问题的本质；了解产品业务；大量深入的产品实践。1.2培养面对数据的“智慧”好的产品经理，需要学会控制自己的思维，感性的发散，理性的聚焦。基本上是通过反复的练习和大量的数据经验来练习的。当产品经理开始有意识地学习数据分析时，他们应该从以下两点开始：第一，学习如何提出数据统计需求。提出数据需求的过程是一个“定义产品目的和目标，根据目标提出假设和预测产品效果”的过程，需要完整清晰地掌握功能目标和功能预期效果。一个完整的数据需求包括功能设计方案、功能目的和目标、功能启动后需要跟踪的数据指标和指标的准确定义。案例：第二，学习如何解释数据对数据敏感，并通过逻辑推理进一步提出良好的问题和假设，然后通过数据或其他手段进行验证。区分因果关系和相关关系，提出良好的问题假设，在不同的维度上拆分数据。电商网站案例1.3数据分析中的“误区”a.忽略沉默用户b.迫切需要用户≠核心产品需求c.过度依赖数据会限制产品经理的灵感d.因果关系和相关关系的错误判断.警惕数据表达技巧(控制折线图纵坐标范围混淆结论)f.不要谈论大数据（大数据特征-使用所有数据，注意相关关系，新的计算方法）2。获取数据-产品分析指标和工具2.1网站数据指标网站排名工具：Alexa、网站监控工具：中国网站排名和网络媒体排名：GoogleAnalytics、百度统计，CNZZ关键网站分析指标:访问量、访问量、浏览量、跳出率、页面停留时间、网站停留时间、退出率、转化率:Session访问量:UniqueVisitor，根据用户的设备和浏览器分配Cookie浏览量：PageViews页面停留时间：页面总停留时间除以页面访问量。网站停留时间：指访问会话的时间长度，除以访问量跳出率：网站的重要指标外，等于网站所有访问量的总停留时间。除总访问量外，只访问登陆页面的访问量。退出率:等于从一个页面的退出次数除以访问次数的转化率:达到一定目标的访问人数占总访问人数的4个模块:受众群体分析、流量获取分析、用户行为分析、用户转化分析，掌握数据的宏观分析思路，避免陷入数据细节。如下：a.查看GA上的观众群概览页面，了解网站的访客数量和访问深度。b.访客来源、渠道效果查看GA流量获取概览页Referal：推荐博客、联盟等Direct网站：网站Organicsearch直接进入网站：PaidSearch自然搜索：付费搜索c.分析用户在网页上的行为，*流量最大的登陆页面，降低跳出率，*其它页面浏览量最大，与登陆页面相比，点击热图主要流程的转换漏斗2.2移动应用数据指标。移动应用程序的主要指标将经历以下过程：用户获取、用户活动参与、用户保留、用户转换和收入获取。以下是各阶段的主要指标：用户获取阶段：下载量（商店评分和排名）、安装激活量、激活率、新用户数(一般为新设备数)、用户获取成本的活跃和参与阶段：日活跃用户数量、月活跃用户数量（可表示用户规模）、活动系数(日活除以月活)、平均使用时间、功能利用率用户保留阶段：第二天保留率、7天保留率、30天保留率用户转换阶段：支付用户比例、首次支付时间、用户平均月收入（月收入除以月活跃用户数量）、支付用户平均月收入(月收入除以月支付用户数量)获取收入阶段:收入金额，支付人数使用数据指标评估版本迭代效果的方法保留率比较核心功能利用率和继续利用率（代表功能受欢迎程度）对核心功能的促进作用（核心贡献的概念-例如：使用功能A的听力比减去未使用功能A的听力比）移动应用分析工具国内分析工具：友盟、TalkingData国外分析工具：Flurry，GoogleAnalyticscrash分析工具：crashlytics2.电子商务数据指标电子商务关键指标销售额、购买客户数量、客户单价、购买转化率、UV、详情页UV、关键商品缺货率、妥善投资及时率销售：网站收入（UV*转化率*客户单价)购买客户数:新老客户单价:销售额除以购买客户数购买转化率:购买客户数除以访客数（UV）详情页UV（IPV_UV）流量增长因素分析数据指标方法：PC/WAP端(不同媒体)，APP端（iOS&Android）客户单价增长因素:客户单价等于人均购买件数*单价件数(热销商品价格变动)人均购买件数(组合/单件安装比例、推荐效果)转化率因素:转换漏斗详情页来源分析电商网站详情页来源一般分为:直接落地到详情页，从首页进入详情页，从频道进入详情页，从分类页进入详情页，从品牌页进入详情页，通过相关销售进入详情页。详情页来源分析2.4UGC数据指标UGC产品参与度指标访客数量、登录访客数量和比例。 移动访客数量登录访客数量和比例：登录访客数量占总访客的比例。沉默用户数量和比例：7天以上未产生内容的账户数量占总账户数量的平均停留时间：总停留时间除以访客数量外，高质量内容评分热度=共享次数 推荐次数 互联网产品指标理念访客数量和特点、获取渠道和渠道质量、访客参与深度、转化率和转化漏斗是否平稳、访客数量和特点：访问时间段、访问区域、设备、网络获取渠道和渠道质量：a.基本思路:带来多少新访客，浏览深度如何，保留率和转化率b.Web端：新访客比例(代表渠道拓展用户能力)、跳出率、浏览页数、转化率C.移动终端：新设备比例、第二天保留和转换率访问者参与深度：跳出率、浏览页数、转换率转换率、转换漏斗平稳：转换漏斗获取指标分析日志、分析工具获取（定制时间、定制转换漏斗）三、分析数据-产品数据分析框架3.1基本分析方法比较分析：水平比较，纵向比较(确保比较指标以外的其他因素尽可能一致，例如，在分析新旧版本时，我们通常会尝试在发布初期选择两个版本的新用户）趋势分析：总体趋势、周期变化和极值象限分析案例：渠道评价和优化（质量–数量)象限分析交叉分析方法:案例:多维数据分析(ios和Android下载数分析)交叉分析3.2数据分析框架-AARR模型数据分析框架的作用，保证结果的准确性、可靠性和针对性。PEST分析框架适用于管理和操作：Political（政治），Economic（经济）、Social（社会）、Technological(科技)用于分析企业的宏观环境。5W2H分析框架：What Why When Where Who How HowMuch,SWOT常用于SWOT分析Strengths(内部优势)的决策和执行活动，Weaknesses(内部劣势)Opportunities(外部机会)Threats(外部威胁)使用这种方法，根据研究结果制定相应的发展战略、计划和对策，可以对研究对象所处的情况进行全面、系统、准确的研究。Specific(具体)SMART原则，Measurable(可衡量)，Attainable(可达)，Relevant(相关)，Time-Bound(有明确结束期限的)，常用于目标管理。4P理论Product(产品)，Price（价格），Place(渠道)，促销（Promotion），用于制定营销策略。AARRR分析框Acquisition(获取)Activation（激活）Retention（留存）Revenue（收入）Refer(推荐)AARR模型AARR分析思路AARR模型应用改进AARR各环节指标对应操作(渠道分析案例)渠道分析案例渠道分析案例3.3数据分析框架-逻辑分层拆解与漏斗分析逻辑分层拆解逻辑分层拆解【相关指标与核心指标有逻辑关联】分层拆解【同一层指标不相关】逻辑分层拆解漏斗分析法关键路径的转化率。辛普森悖论：数据集中的变量被分组，其相关性降低或没有相关性（注意不要混淆变量分组数据）四，使用数据驱动产品4.1数据应用场景需求分析阶段：用户级需求，通过数据伪存真。对于公司层面的需求，产品设计阶段通过数据验证并提供证据(网易考拉海购退出率案例):设计前-发现问题，设计中-辅助决策，判断思路（A/Btest），设计后-验证方案（比较核心指标）4.2数据驱动产品的方法通过数据发现问题：比较分析导出率、跳出率、满意度和各终端用户比例，确定修订后的数据指标：根据用户需求和数据反映，制定核心指标产品设计：品牌调性（用户研究）、首页结构与展示风格、展示形式上线后的数据验证：对之前的数据核心指标进行比较认证，发现新问题4.3如何培养数据分析能力：好奇心、求知欲、观察生活基础：核心基本概念、基本统计原则：数据驱动产品闭环，熟悉业务，始终*数据，保持敏感

以上就是关于整理丨数据分析，从认识到应用的知识点的相关介绍，更多整理丨数据分析，从认识到应用的知识点相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对整理丨数据分析，从认识到应用的知识点有更深的了解和认识。