导图社区 一张图快速入门数据分析
这是一篇关于一张图快速入门数据分析的思维导图。包含了产品提供什么服务,客户端核心需求,谁是目标客户,用户有什么特点等内容。
编辑于2022-05-06 20:56:29这是一篇关于DeepSeek200个场景提示词的思维导图,主要内容包括:互联网与科技,健康养生,购物消费,旅行出行,艺术创作,生活日常,学习成长,工作职场。
这是一篇关于 AI 绘画 5W1H 法则的思维导图,主要内容包括: Who(画面主体):明确画面主体的类型,涵盖人物、动物、植物、食物、建筑及其他物体,为创作确定核心元素。What(主体描述):从明确主体、提供特征、特定情境、结合情感和行为等方面详细描述主体,使主体形象更加丰满立体。 When(时间):涉及具体时间点、时间段、历史时间节点和季节性时间节点,为画面设定时间背景。Where(环境):包含自然、城市、室内、特殊等各类环境,为主体提供背景和氛围。Why(行为与情感):通过具体动作、互动行为、情感表现和持续活动来阐述主体的行为和情感状态。How(画面细节描述):从构图、视角、艺术流派、色调、光影效果、质感、细节元素等角度详细描述画面细节,以提升画面的质量和效果。
AI绘画5W1H法则是一种指导AI创作图像的方法,包括六个要素:Who(主体)、What(主体描述)、When(时间)、Where(环境)、Why(原因)、How(细节描述)。通过明确画面的主体和背景、具体时间与地点、主体行为与情感、以及视觉细节,可以生成具有丰富内涵和视觉效果的AI画作。
社区模板帮助中心,点此进入>>
这是一篇关于DeepSeek200个场景提示词的思维导图,主要内容包括:互联网与科技,健康养生,购物消费,旅行出行,艺术创作,生活日常,学习成长,工作职场。
这是一篇关于 AI 绘画 5W1H 法则的思维导图,主要内容包括: Who(画面主体):明确画面主体的类型,涵盖人物、动物、植物、食物、建筑及其他物体,为创作确定核心元素。What(主体描述):从明确主体、提供特征、特定情境、结合情感和行为等方面详细描述主体,使主体形象更加丰满立体。 When(时间):涉及具体时间点、时间段、历史时间节点和季节性时间节点,为画面设定时间背景。Where(环境):包含自然、城市、室内、特殊等各类环境,为主体提供背景和氛围。Why(行为与情感):通过具体动作、互动行为、情感表现和持续活动来阐述主体的行为和情感状态。How(画面细节描述):从构图、视角、艺术流派、色调、光影效果、质感、细节元素等角度详细描述画面细节,以提升画面的质量和效果。
AI绘画5W1H法则是一种指导AI创作图像的方法,包括六个要素:Who(主体)、What(主体描述)、When(时间)、Where(环境)、Why(原因)、How(细节描述)。通过明确画面的主体和背景、具体时间与地点、主体行为与情感、以及视觉细节,可以生成具有丰富内涵和视觉效果的AI画作。
一张图快速入门数据分析
数据分析简单介绍
定义:数据分析是指数据分析目的,用适当的分析方法及工具,对数据进行分析,提取有价值的信息,形成有效结论的过程
数据分析的应用场景
运营
活动运营
内容运营
产品运营
用户运营
用户分类
用户生命周期
产品
产品功能
产品体验
产品调研
用户需求调研
市场
商务合作效果
渠道推广效果
投入产出比
数据分析的能力要求
数据敏感性
对于业务的深刻理解
良好的逻辑思维能力
统计分析能力
熟练使用数据分析工具
数据解读能力,直击核心
对于数据的应用能力
数据分析不同阶段的能力表现
入门(能解决基础问题)
深度理解各个数据指标代表的含义,并且能够及时的发现数据中的问题和机会
熟练运营各种数据分析工具,分析数据中的问题,提出有价值的意见和建议
进阶(分析深度)
快速、准确、深度理解数据代表的含义,并且能够快速找到问题的根源
能够根据不同的数据分析需求,选择不同的分析维度和方法,对数据进行挖掘,发现其中存在的规律性,为业务提供前瞻性的数据建议
专业(分析深度和广度)
能够根据不同的业务形态,参与到业务的规划中,根据业务特点建立一整套的数据分析体系
能够从不同的角度对整个行业形式和竞争对手分析,并且结合自身的业务特点,给出影响管理决策的意见和建议
数据分析的流程
需求分析→数据提取→数据清洗→数据分析→报告撰写→报告分析→投入应用→收集反馈
数据类型及数据收集和整理方法
数据类型
定性数据(一般通过问卷调查获取)
分类数据:男女、天气等(归于某一类别的非数字型数据,不能加减、不能乘除)
顺序数据:满意度评分 ,幼儿园、小学、中学、大学等(按学籍从低到高,归于某一有序类别)
定量数据(一般通过日志获取)
数值型数据离散型:用户数、消费次数等(可以加减)
数值型数据连续性:成绩、消费金额等(可以乘除)
数据收集
数据埋点:如UV/PV、用户数、用户停留时间、浏览页面等用户行为数据
第三方的数据平台:如Growin IO、SimilarWeb、Google Analytics、国家统计局
问卷调查
线上问卷调查、制作问卷工具:如问卷星
线下问卷调查
电话回访
数据整理
数据异常表现
空值
波动太大
不同数据源获取的数据矛盾
数据异常原因
系统故障
人为原因
数据如何清洗
删除异常
平均值填充
通过统计计算值填充
不同数据源的数据交叉验证
如何构建全面的数据分析体系
数据分析指标
网站分析指标:UV、PV、点击率、转化率、网页停留时间、网站停留时间、跳出率、退出率
渠道分析指标:新增用户数、用户转化率、渠道ROI、渠道流量、渠道流量占比
活动效果指标:活动点击率、活动参与人数、活动转化率、活动ROI
收入指标:付费人数、转化率、订单数、客单价、GMV、复购频次、毛利率、毛利额
用户类型指标:新增用户、活跃用户、留存用户、回流用户、流失用户等
用户价值指标:用户最近下单时间、用户下单频次、用户消费总金额
通过收入相关因素拆解指标
GMV
点位数
运营中的点位数
新增的点位数
下线点位数
有订单点位数
不同层级的点位数
用户
UV
转化率
用户数
首购用户数
复购用户数
流失用户数
订单量
订单数
客单价
单个点位订单数
单个用户订单数
商品
商品种类与商品销量
商品毛利率
商品均价
商品数量与销量
滞销品与销量
畅销品数量与销量
按照用户类型拆分数据指标
用户活跃数
今日新增用户数
用户数UV数
A渠道新用户UV数
B渠道新用户UV数
新用户转化率
A渠道新用户转化率
B渠道新用户转化率
次日留存用户数
前一日活跃用户数
用户次日留存率
今日回流用户数
召回措施触达用户数
用户召回转化率
按照渠道拆分数据指标
活跃用户数
SEM活跃用户数
新增用户数
次日留存用户数
回流用户数
SEO活跃用户数
Ref活跃用户数
新媒体渠道活跃用户数
其他渠道活跃用户数
按照流量漏斗拆解用户指标
拆解的时候最多选择一条主流程:主流程应该选择大多数用户的操作流程
不同类产品关注指标
电商类
GMV=流量×转化率×客单价
毛利率=流量×转化率×客单价×毛利率
工具类/社区类产品
活跃用户数=新增用户数+已有活跃用户数=新访客流量×新用户激活率+已有用户数×老用户留存率
游戏类产品
付费收入=活跃用户数×付费率×ARPU=(新活跃用户数+留存用户数)×付费率×ARPU=(渠道流量×转化率+老用户数×次日留存率)×付费率×ARPU
o2o类产品
订单完成率=已完成订单数/需求订单数=(新用户订单数+老用户订单数)/(新用户需求数+老用户需求数)
常用的数据分析框架
QQ模型
数量(绝对数)
用户数
浏览量
点击量
质量(相对数)
留存率
转化率
参加率
用户行为理论
认知
网站访问:PV、UV、来源
熟悉
网站浏览:评价停留时长、跳出率、页面偏好
站内搜索:搜索访问次数占比
试用
用户注册:注册用户数、注册转化率
使用
用户登录:登录用户数
用户订购:订单数、转化率
忠诚
用户黏性:回访者比率
用户流失:用户流失数、流失率
5W2H模型
what
产品提供什么服务?
用户的核心需求?
who
谁是目标用户?
用户有什么特点?
where
用户一般在什么场景使用产品?
用户主要分布在哪里?
when
用户在什么时候使用产品?
why
用户为什么要使用产品?
产品有什么地方吸引用户?
how
用户如何使用产品?
用户的使用路径是什么?
how much
用户在产品上花费了多少钱或多少时间?
AARRR模型
Acquisition用户获取
用户获取成本=(营销费用+销售费用)/同时期新增用户数
用户来源渠道:渠道新用户数、渠道新用户占比、渠道成本
Activation用户激活
定义用户激活行为、用户激活率、激活漏斗转化率
Retention用户留存
用户天然生命周期、用户留存率、不同用户分组留存率
Revenue收入
付费用户数、付费用户占比、平均付费金额
Refer推荐
推荐用户数、推荐转化率、被推荐转化率
RFM模型
R:Recency最近一次购买时间
F:Frequency购买频次
M:money购买金额
人货场模型
人:用户数、留存率
货:商品数量、商品动销率、商品单价、客单价
场:网站、渠道、点位数、展示位置
常用的数据分析方法
对比分析法
时间对比
同比、环比、变化趋势
空间分析
不同城市、不同产品对比
目标分析
年度目标、月度目标、活动目标
用户对比
新用户vs老用户、注册用户vs未注册用户等
竞品对比
渠道、功能、体验和流程、推广和收入
分组分析法
不同时间分组
日、周、月、年等
不同产品类型
产品属性
产品区域
不同用户类型分组
人口属性(性别、年龄)
客户价值
消费频次
不同渠道分组
线上渠道、线下渠道
付费渠道、免费渠道
矩阵关联分析
SWOT矩阵
优势
劣势
机会
威胁
波士顿矩阵
市场份额
市场增长率
满意度矩阵
重要性
满意度
逻辑树分析法
GMV
UV
渠道
SEO
SEM
……
区域
中国
意大利
……
产品类型
跟团游
机票
酒店
……
新老UV
新UV
老UV
转化率
渠道
区域
产品类型
客单价
渠道
区域
产品类型
数据驱动运营实例
渠道效果分析
渠道的拉新能力
渠道的首单能力
渠道的留存能力
渠道的转化率漏斗
优惠券分析
不同优惠券使用率
不同优惠券的ROI
不同类型的拉新数
用户留存分析
新用户生命周期分析
不同类型新用户的留存率
如何提升新用户的留存率
高频用户的购买商品特征
商品分析
商品订单数
商品GMV
商品客单价
商品毛利率
数据报告撰写
报告类型、思路及展现
报告类型
数据分析报告:根据分析目的进行数据分析,来反映某项实物的现状与问题、分析研究原因、本质和规律,并得出结论,提出解决方案的一种呈现应用文本
基础数据报告:如日报/周报
列明重点关注的数据指标
波动异常的数据,注明原因
对于近期的关注的重点动作注明进展
综合性分析报告:如月报/季报、竞争对手分析报告
通过对长时间数据的同比和环比,分析数据波动的原因,找到业务的问题和机会点
注明目前重点项目的进展以及问题情况
总结成败得失,给出意见和建议
专题型分析报告:如活动复盘、用户分析报告等
针对某个专项活动或目的进行细化的分析
总结项目的成败原因,得出经验教训
报告的注意事项
分析背景和目的清晰
取数时间和逻辑标记清晰,外部数据注明出处
避免结论和数据相互矛盾
观点、结论清晰,并且结论一定基于报告中已呈现的数据,有理有据,避免主观臆测
呈现方式不如表,表不如图,文字和配色尽量简洁
报告的思路
金字塔思维
主要结论
分结论一
结论/数据
结论/数据
分结论二
结论/数据
结论/数据
总分总结构
总
分析背景
分析目的
分析思路
分
论据一
论据二
总
总结和建议
报告的展现
PPT母版的运用
母版作用
设计同一板式
批量修改内容
添加logo
文字提炼
问题
没有观点
观点缺乏提炼
观点和内容脱节
文字提篮原则
要言之有物
要删除不重要的话
删除不表达观点的描述性语言
要写简单完整句
例如:“8月份的销售”完善后“8月份的销售完成了计划的120%”
图标的展现
表格
提供详实的数据清单
突出页面的重要数据
图标
强化重点数据信息
直观且清晰表达逻辑关系
配色原则
单色原则
颜色的数量尽量少,建议不要超过三种,同一页面上更多使用颜色相近的色彩。
对比原则
页面整体协调、局部重点突出,保持页面整体颜色统一的情况下,对局部需要强调的部门,使用明亮的对比色
数据报告撰写
基础数据报告
核心数据表现
问题及原因
工作计划和重点
专题性分析报告
背景
主要结论
主要建议
主要数据
综合性数据报告
总体数据表现
分平台数据
分类型数据
分区域数据
总结问题和机会