产品精益数据分析

产品精益数据分析思维导图，讲述了产品经理与数据分析、产品分析指标与工具、产品数据分析框架、数据应用场景等。

产品精益数据分析

• 产品经理与数据分析
  • 数据的客观性
    • 1. 学习如何提出数据统计需求
      • 界定产品目的和目标，根据目标提出假设、预判产品效果
    • 2. 学习如何解读数据
      • 通过逻辑推理，进一步提出好的追问和假设，然后通过数据或其他手段来验证
  • 数据需求
    • 步骤1. 功能设计方案
    • 步骤2. 功能目的和目标
    • 步骤3. 功能上线后需要跟踪的数据指标，及指标精确定义
  • 数据分析中的误区
    • 1. 忽略沉默用户
      • 用户迫切需要的需求不等于产品的核心需求
      • 你所听到的需求，或许只是少部分用户迫切需要，而大部分用户并不在乎
    • 2. 过度依赖数据
    • 3. 错判因果关系
    • 4. 通过数据表达方式欺骗
    • 5. 妄谈大数据
      • 三个要素：用全部数据、注重相关关系、全新的计算方法
      • 全部数据
        • 当数据分析一个问题，涉及所有数据都必须纳入计算范围当中
      • 全新的计算方法
        • 精确计算，不容许任何脏数据，错误数据的分析方法，而是包含了各类混杂数据的简单相关性计算
• 产品分析指标和工具
  • web网站数据指标
    • 网站分析工具
      • 排名工具
        • ALexa
        • 中国网站排名
        • 网络媒体排名
      • 监测工具
        • Google Analytics
          • 受众群体
            • 描述用户特征
          • 流量获取
            • 描述用户从哪里来
          • 用户行为
            • 用户的参与情况
          • 用户转化
            • 用户的达成目标情况
            • 自定义目标
            • 转化漏斗
        • 百度统计
        • CNZZ网站分析
    • 数据指标
      • 人气指标
        • 访问量（会话）
          • 一段时间的访问量就是这段时间内的会话次数
          • 同一次会话：sessionID=x（访问N个页面）
          • 关闭浏览器或超过30分钟没有任何动作关闭会话
        • 访客数（UV）
          • 根据不同浏览器，设备型号为每个用户分配Cookie
        • 浏览量（PV）
          • 浏览页面数量
      • 页面停留时长
        • 平均值
          • 页面总停留时长➗页面访问量
      • 网站停留时长
        • 平均值
          • 网站总停留时长➗页面访问量
      • 跳出率
        • 重要指标
          • 比例偏高，证明访问深度下降
          • 只访问了落地页面的访问量除以总访问量
        • 跳出率指从这个页面进入网站，没有做任何事就从这个页面退出的比例
      • 退出率
        • 退出率是指无论从那个页面进入网站，最终从这个页面退出的比例
        • 从一个页面的退出次数除以访问次数
      • 转化率
        • 达成目标的访客数占总访客的比例
    • 分析网站宏观分析
      • 1. 有多少访客访问网站，访问深度怎么样？
        • 查看“受众群体”
      • 2. 这些访客从哪里来，以及效果怎么样？
        • 查看“流量获取”
          • Referral
            • 引荐网站，指除本网站的其他网站
              • 占比大推广合作
          • Direct
            • 直接进入，访客直接输入网址或通过收藏夹访问
              • 占比小采用互动
          • Organic Search
            • 自然搜索
          • Paid Search
            • 付费搜索
          • Other
            • 其他流量一般是付费的广告流量
      • 3. 这些访客在网站做了什么？
        • 1. 查看流量最大的着陆页，着重优化，降低跳出率
          • 在GOOGle行为模块的着陆页查看
        • 2. 查看流量最大的页面，并与预期对比，发现差异
          • 在GA行为模块的所有页面查看
          • 与流量最大的着陆页对比，就能发现访客浏览了那些页面，从那里退出
        • 3. 页面点击热图：对用户点击了那些链接进行分析
          • 在GOOGLE行为模块的网页内分析查看
        • 4. 主要流程转化漏斗：分析每一步的转化率，找出流失最多的步骤，重点优化
          • 在GA行为模块的渠道可视化定义转化漏斗
  • 移动应用数据指标
    • 版本迭代以新用户衡量
    • 分析工具
      • 国外分析工具
        • FLURRY
        • Google ANalytics
      • 国内分析工具
        • 友盟
        • TALKingDAta
      • Crash分析工具
        • Crashlytics
    • 数据指标
      • 用户获取
        • 下载量
          • 下载排名靠前有助于吸引用户下载
        • 安装激活量
        • 激活率
        • 新增用户数
          • 指唯一的设备
        • 用户获取成本
      • 用户活跃与参与
        • 数量指标
          • 一段时间内启动过应用的设备数，表示用户规模
          • 日活跃用户数
            • 体现当天的流量引入效果，波动大
          • 月活跃用户数
            • 相对稳定，应用的用户规模一般用月活跃用户数表示
        • 质量指标
          • 活跃系数
            • 0.2以上合格
          • 平均使用时长
          • 功能使用率
            • 使用某功能的用户数占活跃用户的比例，使用
      • 用户留存
        • 指统计日期新增的用户或活跃用户，在第N天又来使用的比例
        • 次日留存率
          • 留存低说明用户对产品不感兴趣
        • 7日留存率
          • 留存低说明我们内容不耐玩不好玩
        • 30日留存率
          • 留存低说明版本规划迭代不好，没有即时更新内容
      • 用户转化
        • 付费用户比例
        • 首次付费时间
        • 用户平均每月营收
        • 付费用户平均每月营收
      • 获取收入
        • 收入金额
        • 付费人数
  • 电商类数据指标
    • 数据指标
      • 销售额
        • =访客数*转化率*客单价
      • 购买客户数
        • 老客户
        • 新客户
      • UV（访客数）
      • 详情页UV
      • 妥投及时率
        • 妥投到客户的订单中，按照约定时间妥投的比例
      • 重点商品缺货率
        • 爆款缺货的比例
      • 订单数
      • 购买转化率
      • 客单价
    • 流量增长因素
      • 先区分终端流量再细分每个终端流量从哪里来
      • pc端
        • 细分媒体
        • 免费流量
        • 付费流量
      • APP
        • Android
          • 渠道包
        • ios
          • IDFA
          • 跟踪工具/跟踪来源
      • WAP
        • 细分媒体
    • 客单价增长因素
      • =人均购买件数*件单价
      • 件单价
        • 衡量网站上的商品价格高低
          • 热销商品价格变动
      • 人均够买件数
        • 衡量关联销售的效果
          • 组合装/单件装比例
          • 推荐效果
    • 转化率增长因素（转换漏斗）
      • 
      • 影响因素
        • 详情到达率
          • 跳出率高、站内引导不好
        • 下单转化率
          • 详情页缺少吸引力、加载慢等
        • 支付成功率
          • 支付引导差、支付工具故障等
      • 详情页来源
        • 
        • 来源
          • 直接落地
          • 从首页进入
          • 从品牌页进入
          • 从频道页进入
          • 从分类页进入
          • 通过关联销售从一个商品到另一个商品
        • 数据分析
          • 导出率：点击该页面上链接的次数除以进入该页面的次数
          • 商品导出率：该页面上点击商品详情页的次数除以进入该页面次数
          • 推荐商品点击率：在商品详情页看到推荐访客，点击推荐商品比例
  • 用户生成内容类数据指标
    • 目标
      • 让用户产出内容
        • 发表文章
        • 点赞
        • 订阅
        • 评论
        • 其他行为（分享）
      • 访客参与度
        • 从访客到产出内容，中间参与度逐渐加深的过程
    • 参与度指标
      • 活跃用户规模
        • 访客数
        • 登陆访客数占比
      • 留存以及访问深度
        • 沉默访客数占比
          • 超过7天未访客数来访的账号数占总账号的比例
        • 平均停留时长
      • 核心功能使用情况
        • 产出内容（点赞、评论、发表文章）
          • 参与行为不同，参与指标也不一样
    • 互联网产品指标思路
      • 1. 有多少访客，访客有那些特征
        • 访客的时间段、在哪些地域访问、用什么设备以及用什么网络
      • 2. 访客从哪些渠道获取，效果怎么样？
        • 带来多少新访客、浏览深度怎么样、是否留存下来了以及转化率情况
        • Web网站
          • 新访客占比（代表渠道拓展用户的能力）、跳出率、浏览页面数、转化率
        • 移动应用
          • 新设备占比、次日留存率以及转化率
      • 3. 访客的参与深度如何？
        • 跳出率、浏览页面数、转化率
      • 4. 这些访客最终有没有转化，转化漏斗是否顺畅？
        • 任何有意义的动作都可以认为是转化
      • 
    • 用户分析基本框架
      • 1. 用户获取
        • 下载量
        • 安装激活量
        • 激活率
        • 新增用户数
        • 用户获取成本
      • 2. 用户活跃与参与
        • 日/月活跃数
        • 活跃系数
        • 平均使用时长
        • 功能使用率
      • 3. 用户留存
        • 次日留存率
        • 7日留存率
        • 30日留存率
      • 4. 用户转化
        • 付费用户比例
        • 首次付费时间
        • 用户平均每月营收
        • 付费用户平均每月营收
      • 5. 获取收入
        • 收入金额
        • 付费人数
    • 获取指标方式
      • 分析日志
        • 程序员记录日志-分析师/产品经理给出计算逻辑-程序员计算指标-Excel分析或报表
      • 分析工具
        • 可用自定义事件来分析功能使用率
          • 网站分析工具
          • 移动应用分析工具
        • 利用转化漏斗分析转化流程和参与深度
• 产品数据分析框架
  • 基本分析方法
    • 对比分析
      • 横向对比
        • 跟自己比
          • 版本比较
            • 通常做此类分析是我们会选择两个版本发布初期的新用户，保证对比指标之后外的其他因素尽可能保持一致
            • 评估指数
              • 访问频次、使用时长、启动次数、关键事件达成率、留存率
            • 对比方式
              • 对比新版本发布前后新版本用户和老版本用户各数据指标的差异
            • 新版本的数据好未必是好的
              • 原因：首先升级新版本的用户是最活跃的用户和老版本比较的是当时活跃的整体用户
          • 象限分析法
            • 依据数据的不同将各个比较主体划分到四个象限中
          • 交叉分析法
            • 版本纬度
            • 渠道纬度
            • 时间纬度
            • 作用
              • 从多个纬度细分数据，从中发现最为相关的纬度来探索数据变化的原因
            • 
      • 纵向对比
        • 跟其他比
  • 数据分析框架AARRR
    • AARRR分析框架
      • 获取（Acquisition）
        • 曝光数、点击数、打开率、下载量、安装量、用户获取成本
      • 激活（Activation）
        • 设备激活量，新注册用户数、订阅数量、事件达成数、浏览数、日活跃率
      • 留存（Retention）
        • 次日留存率、7日留存率、距离上次使用时长、DAU/MAU、7日回访率
      • 收入（Revenue）
      • 推荐（Refer）
        • 转发数、邀请数、评论数、k因子
  • 数据分析框架—逻辑分层拆解与漏斗分析
    • 北极星指标
      • 网易云音乐
        • 日活跃用户数
      • 网易考拉海购
        • 销售额
      • 网易游戏
        • ARPU（用户平均收入）
      • 网易新闻web端
        • uv（网站访问人数）
    • 逻辑分层框架
      • 逻辑
        • 即寻找跟核心指标有逻辑关系的相关指标
      • 原则
        • 找到的指标一定是能够影响核心指标变动，他们之间对应要存在强烈的逻辑关联，选用这些相关指标之前，我们必须清楚的了解他们是如何影响核心指标的。
      • 分层拆解
        • 
        • 第一层：直接解释核心指标变动的大的方向
        • 第二层：针对这个大方向的细分，从而能够将问题定位的更加准确和可操作性
        • 原则：同一层里面的各个相关指标都是代表了一个寻找的方向，所以他们之间不能有相关性
      • 案例gmv
        • 销售额=uv*转化率*客单价
        • 
    • 漏斗分析法
      • 
  • 数据会说谎
    • 增加数据趋势线和对应公式
    • 调研
      • 按照用户差异设计千人级别和百人级别
      • 样本数
        • 决定样本量大小的因素
        • 总体大小
        • 总体内部差异程度
      • 新推广的网站
        • 访问时长
        • 浏览页面
    • 数据正态分布，平均数代表总体情况
• 数据应用场景
  • 一般互联网公司产品开发流程
    • 需求分析
      • 用户层面
        • 对于来自用户层面的需求——数据去伪求真
        • 普通用户
        • 产品经理自身
        • 栗子：用户说app卡了打不开，我们却打的开，我们需要去研究退出率是否异常（可能是用户端）
      • 公司层面
        • 公司高层——验证并提供证据
          • 面对高层需求，从数据入手，验证观点，并提供合理化建议
        • 高层想法
        • 战略目标
    • 产品设计
      • 设计前
        • 通过数据分析发现问题
        • 栗子：模块转化率低
      • 设计中
        • 辅助决策，判断思路
          • A/B test抽样，两个方案，观察两种方案对比，判断指标优化
        • 栗子：考拉海购新人礼设置失效时间（通过跑单时间数据分析）
      • 设计后
        • 数据验证方案
          • 1. 未达成目标通过数据对比预期找原因
          • 2. 达成目标提升团队成就感
          • 栗子：网页改版首先确定核心指标（导出率和跳出率）
    • 开发测试
    • 产品上线
    • 迭代升级
  • 数据驱动产品闭环
    • 首先通过数据发现问题，通过数据分析产品的优化点，进而确定产品优化的指标，产品经理需要根据指标需要设计新的机制或流程实现目标，产品设计完成之后，将新的产品方案提交开发工程师进行开发，测试工程师进行测试，保证上线质量，最终产品上线发布，上线发布后，可以通过前期设置的数据埋点获取到产品相关数据，从上线反馈的数据可验证产品方案是否实现了预期目标，从而发现新的问题，开始新一轮产品迭代升级。
    • 发现问题
      • 案例：1. 部分模块导出率效果不佳
        • 导出率=下级页面的浏览量/本级页面的浏览量
        • 侧面反应页面质量，导出率越高，点击欲望更强
      • 2. 频道页分走较多流量，首页信息展现不足
        • 背后原因：1. 明确目标的用户，会直接从频道页找目标商品
        • 2. 没有明确目标的用户，因为首页推荐缺乏吸引力，频道页也成为历遍商品的首选渠道
      • 3. 部分用户需求未得到满足
      • pc端和移动端风格不统一
        • 查看用户数占比
          • 统一风格和体验利于pc用户留存
    • 确定指标
      • 北极星指标
        • 1. 用户购买诉求
        • 2. 数据反应的首页问题
      • 数据指标
        • 首页的导出率=从首页点击到下级页面的浏览量（pv）/首页的总浏览量（pv）
        • 首页的点击率=首页的点击数/首页的浏览量（pv）
        • 用户整体满意度（通过问卷调研收集）
    • 产品设计
      • 基于用户调研和数据分析重塑优化
      • 整体设计方向
        • 品牌调性
          • 营造品质、精致、稳重的视觉感受，与移动端app调性保持一致，打造综合品类型跨境电商购物
          • 调查问卷
        • 首页架构
          • 首页商品陈列结构调整，改变以往特卖单品的商品陈列方式为多品类楼层结构，优化性能，增强阅读体验
          • 特卖模块导出率不高
            • 用户依赖频道和导航，购买目的较明确
        • 个性化推荐
          • 利用大数据引入推荐机制，提升单uv价值
          • 个性推荐点击率达到300%以上
        • 凸显品牌
          • 增加品牌露出，凸显品牌价值，提升网站整体品质感
        • 3稿交互稿——1轮需求评审——1轮用户访谈——1稿交互稿——2稿视觉稿
    • 开发测试
    • 产品上线
      • 上线后的数据验证
        • 首页导出率在改版前后有极大的提升，页面跳出率和退出率均有所下降
        • 首页原有各个模块的点击率基本都有不同程度的提升，特别是主内容区点击率提升明显
• 如何培养数据分析能力
  • 基本层面
    • 核心基础概念：pv、uv、跳出率、访问数、点击数
    • 基本统计原理
      • 日志
        • 电脑在运行的时候所产生的数据，它包含了网络设备、系统及服务程序。日志里面包含了日期、时间、使用者及动作等相关操作的描述。”
      • cookie
        • 有时也用其复数形式 Cookies,指某些网站为了辨别用户身份、进行 session 跟踪而储存在用户本地终端上的数据(通常经过加密)。
      • 访问请求
        • 某个网址，可能会有病毒或者其他因素，得经过你的同意才能观看
    • 推荐网址
      • 网站分析在中国
        • http://www.chinawebanalytics.cn/
      • 蓝鲸的网站分析笔记
        • http://bluewhale.cc/
    • 推荐书籍
      • 《精通Web Analytics 2.0——用户中心科学与在线统计艺术》
      • 《流量的秘密》
  • 子主题