导图社区 数据运营
- 相似推荐
- 大纲
数据运营
需要学习知识
1、明确数据分析目的
明确数据分析目的，才能更好确定收集哪些指标数据
2、收集数据方法
数据埋点
自己开发。开发统计代码，搭建数据查询系统
第三方统计工具
移动应用分析工具：Google Analytics、友盟、TalkingData、Crashlytics
网站分析工具：Alexa、Google Analytics、百度统计
3、产品的基本数据指标
新增
新用户增加的数量和速度
活跃
多少用户正使用产品。日活（DAU）、月活（MAU）
留存率
用户会在多场时间内使用产品。次日留存率、周留存率
传播
平均每位老用户会带来极为新用户
流失率
一段时间内流失的用户，占这段时间内活跃用户数的笔记
4、常见的数据分析法和模型
漏斗分析法
实现：用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势
目的：根据趋势寻找最佳优化空间，此法被普遍用于产品各个关键流程分析中
AARRR模型
获取用户（Acquisition）即拉新吸引新用户
提高活跃度（Activation）即提高用户使用产品时间和频率
提高留存率（Retention）即用户开始使用产品并一段时间后仍然使用
获取收入（Revenue）即盈利
自传播（Refer）即基于网络社交的病毒式营销传播
需要分析什么
1、拉新阶段
关注用户来源类型
纯新用户（第一次注册）or老用户（再注册）
贴片广告、弹窗广告来源
不同渠道用户来源
2、转化阶段
关注转化率
注册转化率
付费转化率
……
3、活跃阶段
关注用户在产品内的活跃量
4、留存阶段
关注留存或流失的用户量
网站运营
流量方面关注
PV
UV
VV
IP
访问方面关注
跳出率
二跳率
转化率
活跃方面关注
DAU
MAU
转化方面关注
APP运营
新增
活跃
留存
转化
如何进行数据分析
1、数据采集
基本原则：全
获取多种数据源
客户端数据源
服务端数据源
数据库数据源
大数据即全量而非抽样
基本原则：细
多维度
采集数据维度 where、who、how
分析数据根据所选维度分析，一旦缺少某一维度，后期分析又需要采集新数据，项目迭代周期变长、效率差
2、数据建模
因：获得的数据因本身杂乱、没有很好的逻辑抽象，业务分析员看不懂，需要数据建模
模型关键概念
维度
指标
3、数据分析方法
多维度事件分析
漏斗分析
回访分析
交叉分析
4、如何验证产品新功能的效果
新功能是否受欢迎
衡量指标：活跃比例
说明：即新功能的活跃用户数/同期活跃用户数
用户是否会重复使用
衡量指标：重复使用比例
说明：即第N天回访的技术使用新功能的用户数/第一天使用新功能用户数
对流程转化率优化效果如何
衡量指标：转化率和完成率
说明：转化率即走到下一步的用户数/上一步用户数。 完成率即完成该功能的用户数/走第一步的用户数
对留存的影响
衡量指标：留存率
说明：用户在初识时间后第N天的回访比例，即N日留存率
常用指标：次日留存率、7日、21日、30日留存率
用户怎样使用新功能
通过监测数据反映用户行为轨迹做出优化决策