数据分析方法

1.思路

1.1. 1.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

案例 网站注册流程功能的数据统计需求

注册流程的完整设计方案

做这个功能的意义:让新手用户快速完成注册流程，并提供所需个人信息

所需指标以及定义:

每一个环节用户的跳出率

每一个注册填写字段的出错率

各类注册错误的出现频次分布

1.2. 2.如何解读数据

敏锐的发现数据当中的隐含信息

并通过逻辑推理，进一步提出好的追问和假设

并通过数据以及其他方式去验证

1.3.流程建立

数据衡量体系

数据体系搭建的核心目标:

基于某个需求、想要通过数据解决的问题或验证的业务。

数据收集渠道:

在产品生命周期中，为了反馈某个或某些变化带来的影响，我们基于项目

需求，在特定的渠道里进行数据埋点，进而形成一定的数据收集渠道。

数据反馈指标:

将数据体系要达成的目标进行分解或量化成多个指标，以便用于实际操作

中，即数据化操作的基础。

数据体系带来的执行变化:

:即数据化操作。数据体系建立的核心是为了更好的做出改变或实现目标

，为决策执行提供可行性操作依据。

如何建议优质数据衡量体系

A.明确核心目标，确立可量化的执行目标

数据是产品/运营效果的直观反馈，因此，建立数据体系之前先要清晰的明

白:数据要实现的核心目标，并且目标需要可被量化，这样数据显示更加

直观化。

B.建立起正确的数据收集渠道

关于数据收集渠道这一款涉及到的比较广，基于不同项目的需求，数据的

来源是多样性，在项目的实际操作中，可以根据目标指标需求对相应渠道

进行数据埋点。当然，部分互联网产品涉及的数据收集来源也可以是:百

度统计、友盟等。

C.数据筛选机制的建立——明确数据指标的可行性

数据筛选机制的建立，一方面要剔除无效数据，降低影响因子

另一方面，要确立数据指标的反馈直观性，发挥数据的作用

在数据筛选机制的建立过程中，不可忽略的一个要素是使用场景

而产品是为了满足用户使用过程中的痛点需求，数据来源于用户并服务于

用户，因此，数据的可行性有着很重要的作用

D.数据化操作

2.基本方法

2.1.横向对比

跟自己比

2.2.纵向对比

跟竞品比2.3.趋势对比

2.4.象限比较

2.5.交叉分析

13.分析维度

3.1. 1.用户分析

分析用户属性为产品改进及推广提供充分、可靠的数据制定精准的策略;

1.1用户规模

基础指标:总用户数、新增用户、流失用户、回流用户

统计维度:按年、月、周、曰

指标比例:统一使用”率“表示

指标说明:苹果端很难取值，可以间接地转化;以激活APP量代替下载量;

安卓比较好处理;日月周维度;新增用户/总用户数，说明产品健康度;比值

的大小都有影响说明问题;

1.2活跃用户_用户质量

基础指标:日活跃(DAU)、周活跃(WAU)、月活跃(MAU);

统计维度:按日、周、月，按渠道，按分群;

指标比例:统一使用”率“表示;

指标说明:日、周、月，统计维度依据产品类型/属性而选取;提高这些指标

的方式:采取运营活动，推送，签到，任务，积分;以功能和内容驱动，用

户APP的使用频率;

1.3用户构成

基础指标:活跃用户、启动次数;

统计维度:按年、月、周、曰;

a.本周回流用户:上周未启动过应用，本周启动应用的活跃用户;b.

连续活跃n周用户:连续n周，每周至少启动过一次应用的活跃用户(第n+1未启动)

c.忠诚用户:连续活跃n周及以上的用户;

d.连续活跃用户:连续活跃2周以上的的用户;

e.近期流失用户:连续n周没有启动过应用的用户(第n+1周启动过)f.周活跃用户:当周启动过应用的用户(去重

指标比例:统一使用”率“表示;绝对值——展示的是个用户成分的数量，百分比展示的是活跃用户

成分占周或曰用户的比例;

对周活跃用户数据进行的成分分解，并通过历史数据预测未来数据变化趋势的

模型。该模

型帮助您对应用后续的用户活跃和留存等进行科学预测，并制定有效的规划和

目标;

3.2. 2.应用分析

2.1启动次数

基础指标:总用户数、新增用户、流失用户、回流用户

统计维度:按月、周或曰，按渠道，按分群;

指标比例:某日/周/月的启动次数占所选时段总启动次数的比例;

指标说明:打开应用视为启动，完全退出或退至后台即视为启动结束;

2.2版本分布

基础指标:启动次数、新增用户、活跃用户、升级用户;

统计维度:按时间、版本;

指标比例:统一使用”率“表示;不同版本的累计用户(占累计用户全体的比

例)

指标说明:展示累计用户排名前10的各个版本变化趋势，可以帮助了解每个

版本的新增用户，最新版本的升级情况，目前的哪些版本状况;

2.3使用状况

基础指标:使用时长、使用频次、使用间隔;

统计维度:日、周、月;版本、渠道、时间段;

指标比例:某日/周/月的启动次数占所选时段总启动次数的比例;

指标说明:统计周期内，一次启动的使用时长;一天内启动应用的次数;

用统一用户相邻两次启动间隔的时间长度。

2.4终端类型、错误分析(不做详细介绍)3.3. 3.功能分析

a.功能活跃指标:某个功能的活跃用户，使用量情况;功能验证;对产品功能的

数据分析，确保功能的取舍的合理性,

b.页面访问路径:用户从打开到离开应用整个过程中每一步骤的页面访问、跳转

情况。页面访问路径是全量统计。通过路径分析得出用户类型的多样、用户使

用产品目的的多样性，还原用户目的;通过路径分析，做用户细分;再通过用

户细分，返回到产品的迭代。

c.

漏斗模型:整个漏斗所关心的最终转化率的目标是序列中最后一个事件。用户

转化率的分析，核心考察漏斗每一层的流失原因的分析。通过设置自定义事件

以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过

分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化

水平。

3.4. 4.行业分析

指标说明:行业数据可以帮助了解行业内应用的整体水平，可以查看应用的全

体应用或同类应用中各个

指标的数据、排名及趋势，有助于衡量应用的质量和表现;

统计维度:用户规模、更新频次、应用排名;

指标比例:全体排名和同规模排名;

了解行业数据，可以知道自己的APP在整个行业的水平，可以从新增用户、活

跃用户、启动次数、使用时长等多个维度去对比自己产品与行业平均水平的差

异以及自己产品的对应的指标在整个行业的排名，从而知道自己产品的不足之

处。

3.5. 5.渠道分析

指标说明:渠道质量的评估，不同渠道获得用户的行为特征监控、判断问题;

统计维度:时间段、不同渠道对比;基础对比(新增用户、新增账号、活跃用

户、活跃账号、启动次数、单次使用时长、次日留存率);

可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、

次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据

找到最适合自身的渠道，从而获得最好的推广效果。

4.逻辑分析拆解

4.1.核心数据

4.2.逻辑拆解

找到的指标能够影响核心指标的变动

指标之间有强烈的逻辑关联

方法

多渠道分解

实例