发布时间：2019-1-2 分类： 电商动态
开始数据不了解数据的操作不是好的操作。
01您需要在数据操作中学到什么？
1.定义数据分析的目的
要进行数据分析，您必须有一个明确的目的，知道您想要进行数据分析的原因，以及您想要实现的效果。
例如，为了评估改进后产品修订的效果，或通过数据分析，找到产品迭代的方向。
2.收集数据的方法
为了阐明数据分析的目的，有必要确定应该收集哪些数据。在收集数据时，您必须首先做好数据掩埋工作。
所谓的“埋点”是在正常函数逻辑中添加统计代码，并计算所需的数据。
目前有两种主流数据掩埋方法：
（1）自己开发。在开发期间添加统计代码并构建您自己的数据查询系统。
（2）使用第三方统计工具。
常见的第三方统计工具是：
代购源码网站分析工具：Alexa，Google Analytics，百度统计
移动应用分析工具：Google Analytics，Friendship，TalkingData，Crashlytics
需要不同的产品，不同的用途，不同的支持数据。确定数据指标后，选择适合贵公司的方法收集相应数据。
3.产品基本数据指标
新增：增加新用户的数量和速度。如：新的一天，新的每月新增。
主动：有多少人在使用该产品。如每日活跃（DAU），每月活跃（MAU）等，用户越活跃，就越有可能为产品带来价值。
保留率：用户使用产品的时间。如：第二天保留率，每周保留率等。
通信：平均而言，每个旧用户都会带来几个新用户。
丢失率：在一段时间内丢失的用户百分比，占该期间活跃用户的数量。
4.通用数据分析方法和模型
这是漏斗分析方法和AARRR分析模型。
（1）漏斗分析方法
它用于分析从潜在用户到最终用户的用户数量的趋势，以便找到最佳的优化空间，这种方法常用于分析产品的每个关键过程。
案例：此示例分析从用户访问代购源码网站到最终购买的趋势。
从用户到代购源码网站浏览产品页面，转化率为40％;浏览产品到购物车的转换率是20％等，这是最低的转换率，我们需要有比较数据。
例如，第一个，当进入代购源码网站浏览商品时，如果同一行业水平的转换率为45％，而我们只有40％，则意味着该流程未达到行业平均水平，我们需要分析具体原因，然后针对性进行优化和改进。
当然，这是我们设计的理想化漏斗模型。可以聚合数据。真正的用户行为可能并不总是遵循这个简单的过程。在这一点上，我们需要分析为什么用户必须经历如此复杂的路径才能实现最终目标，并考虑中间是否存在优化空间。
（2）AARRR模型
这是一个数据分析模型，所有制造产品的小伙伴都必须掌握。
1 AARRR模型 - 获取用户（获取）
所谓的用户收购就是拉新，即吸引新用户。对于APP，Laxin意味着新用户下载并注册;对于许多微信公众账号，微博和后期酒吧运营商而言，拉新指的是吸引新粉丝。
列出您的频道时，请务必注意每个频道都需要有充分根据，包括此频道是否与您的目标人群兼容，单价是高还是低，以及频道的辅助通信无效。因子。
获取用户是通过各种渠道吸引新渠道的过程。除了免费交流，社区发布各种论坛，社区营销等免费方式外，支付方式还包括但不限于使用搜索引擎，微信微博头条和其他自媒体，在线广告，线下活动，互联网电视等办法。这种特殊的黑客增长方式也被使用。
新的有效是否有效——触发关键行为。例如，下载应用程序的用户可能不会使用它。关键行为取决于产品，可能是浏览文章，观看视频，发送消息，开始游戏或填写邮箱。
良好的渠道并不意味着它是用户数量最多的渠道，也不是成本最低的渠道。不断探索用户的偏好和分布，以优化和合理化投资策略，并最大限度地减少CAC。每个渠道获得的用户的数量，质量和成本是不同的，并且需要综合评估，例如用户获取成本（CAC），用户量，保留率和ARPU号。
当然，除了通过外部渠道获得新客户外，如果用户量很大，则可以从产品设计的角度来完成。
A.主动告知用户有三种方式：APP推送消息，EDM邮件，短信通知，时间，内容和用户可以根据用户的肖像推送消息。
B.被动通知用户，打开广告，设置明显的入口，在功能入口添加优惠票据，为主页设置相关的轮播地图等;如果Mobai APP的开场广告显示网络车，那么Drip APP的其他应用程序的功能。
2 AARRR模型 - 增加活动（激活）
活动是指用户使用产品的时间和频率。每种产品都有不同的活动定义。例如，百度贴吧希望用户每天都可以登录，发布和评论。在线教育产品更注重用户的学习时间和练习次数。
活动建立在产品的核心价值之上，例如高质量的内容，更好和更好的用户体验，多功能需求等，以便在用户使用的前几秒内捕获用户。
还有一些辅助方法，包括满足用户需求的活动，全面的用户激励系统，增长系统，增加用户与其他用户交互的方法，以及更详细的操作，如APP的新手。
对该想法进行更全面的分析是将用户从使用产品的每个流程的开始到结束分开，从用户的角度出发，不断寻找推广方式。例如，分析新功能的转换率，使用过程的流畅性以及扩展用户的产品使用过程。
当然，我们也可以筛选出高质量的用户。如果某个频道的用户有大量时间和初创公司使用该产品，他们应该增加对该频道的投资。此外，一些用户只启动一次产品，并且大多数这些用户被动激活。
除了频道之外，与活动相关的另一个分析维度是版本。但这有两个幻想：用户已经习惯了当前的产品，因此不希望产品反复更新;用户会要求您添加新功能。
例如，在2006年，Facebook首次推出了一个新闻频道，引起了巨大的用户反弹。但随着时间的推移，这款产品已经成为Facebook的核心功能。 Facebook无视少数人的反对意见，坚持自己的策略。
我们不希望刺激现有的忠实用户，我们需要获得下一百万用户，并且添加功能比切断功能更容易。通常，用户请求的功能是解决一个小的便利问题，而不是一个真正的解决方案。我们需要积极与用户沟通。如果数据告诉您新方向是正确的，则忽略少数发声的用户。
3 AARRR模型 - 提高保留率
用户开始使用该产品并在一段时间后继续使用它，这被认为是保留用户，并且此时保留的用户与新添加的用户的比率是保留率。
每个应用程序中用户的生命周期是联系—使用—放弃或忘记。在用户的使用阶段，有效的促销手段也可以提高保留率，但恢复用户也很重要，并且恢复用户有一个共同的过程。
首先确定丢失用户的标准;然后建立用户流失模型，分析用户丢失的原因，采取适当的手段进行补救;同时，让用户知道您正在通过EDM，SMS等进行召回。最后，让用户通过新手指导熟悉产品操作，继续保存。
4 AARRR模型 - 收入（收入）
移动应用在此阶段有三种主要方式可以产生收入：付费应用，应用内付款和广告。付费下载在Apple App Store中更常见。广告是大多数开发者的收入来源，应用内付款更为常见，例如游戏，增值服务和自营商场。特别是，Gaode Map的盈利模型除了广告之外，还有自己的地图数据和用户数据与其他领域相结合。
每个人通常使用ARPU（平均每用户）值来确定收入标准。但对于同时拥有付费和非付费用户的应用程序，您还需要查看ARPPU（平均每用户付费收入）。
因为它涉及所有用户中付费用户的比例，如果付费用户数量较少，则有必要考虑产品盈利能力是否存在问题，包括定价，产品功能和货币化方法。
计算收入时还必须考虑利润。计算利润时有一个指标：LTV（生命周期值）。用户的生命周期是用户从首次启动应用程序到上次启动应用程序时生成的总收入。 LTV&ndash之间的区别; CAC可以被视为应用程序从每个用户获得的利润。
5 AARRR模型 - 自传播（参考）
社交网络的兴起为产品带来了更多活力 - —基于社交网络的自我传播。自我传播或病毒式营销来自病毒传播，其中感染病毒的宿主在与其他宿主接触时也感染了病毒。 K因子量化“感染”的概率。
K=（每个用户发送给他的朋友的邀请数量）*（接收邀请给新用户的人的转换率）。当K> 1时，用户群将像雪球一样增长，但大多数移动应用必须与其他营销方法结合使用。
自我传播除了产品足够好外，沟通过程中的观众准确到足以触发用户的需求，如利益，虚荣，稀缺，试用等。例如，该集团的红包朋友Didi分享;付费用户邀请朋友免费试用产品;转发朋友送礼物。
以成功的微信100天运行事件为例，它展示了通信过程中的一些可调点。
A，拉新的分配机制
为运行KOL拉出一个新的梯度激励：团队中每10个人，他们会发送一组红包;如果球队满80人，队长可以买一双跑鞋。同时，每天在团队领导小组中做集体操作，团队中的人数，“XX团队满80人”，“XX团队队长接收跑鞋”，让队长完全有动力。
B.定期共享机制
在微信系统中，共享海报比共享链接更具吸引力。结合“赢得iPhone8”卖点的海报让用户在发送朋友时更加引人注目。同时，共享过程也应该得到充分的指导，例如“分享”。长按图片，发送给朋友“rdquo;
C.归纳共享机制
这项活动需要注册费，所以我在注册成功后设计了“将活动页面分享给朋友圈并返还20元现金”。因为在运行用户之间有一个共同的微信群，所以对于用户来说，分享他们的朋友圈一定是最有效的。同时，我担心当用户发送一个朋友圈时，选择部分可见，或者删除已完成，因此添加“10个人需要通过朋友圈打开您的分享”。
a，共享机制的详细说明
湾修改共享标题以实现两个共享
任何可以数字化的地方都可以用作排行榜。用户是第一个注册自己的人，这可以刺激人类的心理炫耀和炫耀，从而导致分享。
C。使用H5设计“假活动图形”，在这个H5上可以自由定义读数（直接100000 +），就像数字和用户信息一样。通过设计用户消息，引导用户注册并破解一些疑问。
d，“ 10人打开提醒阅读”
如果朋友点击朋友圈，他将收到一次提醒。与此同时，有些人分享朋友圈，没有10人打开，或与朋友或团体分享。所以每隔两天，我们会发送一个模板信息，提醒没有收到20元的用户再次发送好友。
02您需要分析数据操作的哪些内容？
1.根据不同阶段：
（1）拉新阶段：注意用户来源的类型：纯新用户（首次注册）或旧用户（重新注册）;放置广告的用户数，弹出广告的用户数等等。
（2）转换阶段：重点转换率：200位用户浏览了您的促销页面，注册了100人，这100人实现了转换，转换率为50％（=100/200）;相同的除了注册转换率也有支付转换率等。
（3）活动阶段：注意产品中用户的活跃数量，不同的产品表达方式不同。例如，发布：帖子数量，帖子数量等;视频代购源码网站：点击次数，观看次数等。
（4）保留阶段：关注保留或丢失的用户数量。例如，第一天有300个新用户，第二天300个有效用户中有100个，第三天仍然有效？第四天？
用户操作只是操作的功能之一，贯穿各种产品的操作。用户操作，不同行业，不同平台等关注的数据指标具有不同的优先级。
2，按操作平台划分
（1）代购源码网站运营：
1交通需要注意：
PV（页面视图）访问页面生成的数据。当用户访问5页时，则生成5个PV。
UV（用户视图）特定页面的访问者数量。一个帐户的页面无论您进入多少次，UV都是1，因为只有一个访问者。
VV（访问视图）是整个站的访客数量。帐户进入代购源码网站。无论在这个帐户上查看过多少个网页，VV都是1，因为这个代购源码网站只有一个访问者。
IP：整个站的网络IP数。你在家用电脑上登录这个代购源码网站，然后你的堂兄也用同一台电脑登录了他的帐户并访问了同一个代购源码网站，但这次IP仍然只有1，因为你和堂兄使用的是同一台电脑，网络IP地址也是一个。
2访问需要注意：
跳出率：页面上有300人，但有150人不喜欢这个页面。如果您选择离开，则跳出率为50％（=150/300）
两跳率：主页有300个访问者，150个人认为这个代购源码网站非常喜欢，所以点击浏览下一页，然后两跳率为50％（=150/300）。还有三种跳跃率，四种跳跃率等等。
转换率：转换为最终产品目标的页面比率。如果是电子商务，最终目标是下订单，即新用户和转换为订单页面的用户的比例。依此类推，有付费转移率，注册转换率等等。
3积极方面需要注意：
DAU（每日活跃用户），即每日活跃用户数。
MAU（每月活跃用户），即每月活跃用户数量。
相关地，可以存在每周活动用户量，年度活动用户量等。
4需要注意转换:(此处的转换，单指电子商务操作，区别于上述转换率）
单个数量：用户订单数量
付费金额：用户支付多少元钱？
客户单价：支付金额/单位金额=客户的单价。这里需要的是每个订单平均多少钱
付款率：付款步骤的转换率
APP运营：
A.新：新设备的数量（通过电话型号）;新注册设备的数量（注册新用户。）
B.活动：活动设备的数量;活跃用户数
C，保留：
第二天保留率：例如，如果第一天添加300人，第二天仍然记录150人，则第二天的保留率为50％（=150/300）。等等，有三天保留率（第三天登录/第一天新号码）… … n天保留率等。
TAD：例如，7天TAD=第一天保留+第二天剩余的数量… … +仍然在第七天的数字。用于计算设备在七天内激活几天。
D.转换：这也特指电子商务，以及上述代购源码网站运营的转换。
3.根据运营行业，
内容产业：关注PV，UV，V V，帖子数量，页面时间，份额等等。
社会行业：关注帖子数量，演讲次数，PV，UV，活跃比例等。
电子商务行业：注重销售收入，单笔金额，客户单价等等。
游戏行业：关注活跃用户，支付率，收入，ARPU（每用户平均收入）等。
除了运营平台和运营行业的两个部门之外，还有很多观点，用户应该注意的数据指标是不同的。
03如何分析数据
1.数据收集
好的数据源有两个基本原则，一个是完整的，另一个是好的。
（1）全部：也就是说，我们要采取各种数据源，不能说只取一个客户端的数据源，服务器的数据源不采取，数据库数据源不采取，不具备数据时做分析，你可能没事。此外，大数据是关于整个数量，而不是抽样。我不能说我只抽取某些省份的数据，然后我开始说这个国家是什么样的。可能有一些省份非常特殊。例如，在新疆和西藏，客户和大陆之间可能存在很大差异。
（2）好：事实上，它强调多维度。收集数据时，请尝试收集每个维度，属性和字段。例如，收集地点，人员和方式等内容。当你稍后分析时，你不能跳出你可以选择的维度，而不是说你在开始时。根据该需求，确定生成了一些数据。当它背后有新的需求时，我们需要收集新数据。此时，整个迭代周期会慢得多，效率会更差。尝试从源头捕获它。收集数据。
2.数据建模
数据可用后，需要处理数据。原始数据不能直接暴露给上述业务分析师。它可能很混乱，也没有很好的逻辑抽象。这涉及数据建模。首先，概念是数据模型。许多人可能对数据模型这个词有一种恐惧感。认为模型是深刻的东西是很复杂的，但事实上它很简单。
在数据分析领域，特别是对于用户行为分析，更有效的模型之一是多维数据模型，“在线分析处理”。它有这个关键概念，一个是维度，另一个是指标。
诸如城市之类的维度，然后是北京，上海，一维，西方的一些属性，然后是操作系统，以及iOS，Android，这些都是维度，然后是维度内的属性。通过维度的交叉，您可以查看一些指标问题，例如用户数量和销售额，这些都是指标。例如，通过这个模型你可以从北京看到，使用iOS，它们的总体销售额是多少。
3.数据分析方法
有许多数据分析方法，如多维事件分析，漏斗分析（上一节简化分析），回访分析，交叉分析等。这里我们采取交叉分析来做案例研究。
交叉分析：通常，垂直和水平对比被组合以分析多个角度的数据。例如：
（1）交叉分析视角：客户+时间
从这些数据可以看出，iOS端每月的用户数量正在增加，而Android端则逐渐减少。整体数据缺乏增长的主要原因是Android方面的数据下降。
那么我们需要分析为什么Android端第二季度的新用户数据在下降？通常，这次将添加频道维度。
（2）交叉分析视角：客户+时间+渠道
从这些数据可以看出，Android A上预装频道的比例相对较高，呈下降趋势。其他渠道的变化并不明显。
因此，可以得出结论，Android市场第二季度新用户的增加主要是由于A预安装渠道的减少。
因此，交叉分析的主要作用是从多个角度细分数据并发现数据变化的具体原因。
4.如何验证新产品功能的有效性
要验证新产品功能的有效性，您需要从以下方面入手：
（1）新功能是否受欢迎？
指标：有效比率。即：使用新功能的活动用户数/同一时段内活动用户数。
使用人数也会受到函数之外的许多因素的影响，并且不得
