之前参加了一些数据培训课程，综合自己最近对数据的一些摸索和心得，整理了一份关于数据体系和数据分析的PPT。开始接触数据分析之前，需要对公司的数据框架有一个整体的认识，在明确分析目标之后，善于利用前人总结的数据分析理论和模型，逐渐细分数据纬度，最终得出想要的结果。所以，PPT主要从公司数据框架，AARRR模型，OSM模型，数据分析与ROI决策，经典案例分析等五个方面讲述数据体系和数据分析的方法。
构建公司整体的数据框架，可从产品，运用，广告，销售，财务等不同部门对数据的分析，个别公司还可以针对自身业务特色去做一些分析，这个就不细讲。
产品分析方面，可从转化漏斗，热力图，留存率，用户分群，个体行为分析等方面分析。转化漏斗可以明显看出产品是否在哪个环节存在问题，相应的针对转化地的环节进行优化。热力图可看出用户对页面元素的关注度，哪些元素更容易吸引人注意。留存率也是衡量一个产品是否及格的重要指标，Facebook平台流传出留存率“40–20–10”规则，规则中的数字表示的是次日留存率、第7日留存率和第30日留存率。用户分群和个体行为分析则是可以让产品经理更了解你的用户画像。
销售数据分析采用了电商网站为例，侧重点关注基本销售指标，品类分析，用户分群和客户生命周期价值。用户分群常用经典的RFM模型，R(Recency)代表最近一次消费，F(Frequency)代表消费频率，M(Monetary)代表的消费金额，通过3个相关因素的权重把用户划分为不同等级的价值用户。
AARRR用户增长模型：获客->激活->留存->变现->推荐。从漏斗角度是理解这个模型，AARRR的每个环节都是在递减的，每个环节都有相应需要关注的数据指标。
OSM模型更多像是一种数据分析的指导思路，分析数据前先确定O（业务目标），为了实现业务目标而采取的S（业务策略），最好需要M（度量）来衡量策略的有效性，反应业务目标的达成情况。
下面以一个简单的从搜索到成功支付购买的例子去更好的说明OSM模型：
确定了分析的目标后，那该如何分析？数据的分析都应该是以业务场景为起始思考点，以业务决策为终点。从数据分析的起点到终点之间分拆为5个重要步骤：挖掘业务含义->制定分析计划->拆分查询数据->提炼业务洞察->产出商业决策。
下面以投放渠道进行分析，如是通过数据分析基本思路判断哪个渠道更优质
ROI决策从投入产出比来决定先做哪件事
下面通过经典的流量渠道案例分析，看看如何使用更多的数据发掘问题。
上图可知，渠道5比较优质，新访问用户量占比高，跳出率较低。
加上率注册成功转化率和CPA-注册(即一个注册用户需花多少钱)的数据后，还是渠道5更优质，因为注册成功转化更高，每个注册用户平均需要花费的钱也更少。
再加多交易转化率和CPA-交易(即一个交易用户需要花多少钱)，出现了反转，渠道5的交易转化很低，每个交易用户需要的营销费用更高。如果以交易为最终的营销目的，渠道3就成了优质的渠道，交易转化高，每个交易用户更便宜。
把前面几个数据表转化为一个高低显示表，更直观的看到对应指标下哪个渠道最优和最劣质。再结合业务目标的转化看质量，从复杂的信息中抽丝剥茧。
对于市场人员来说，评估一个渠道的质量，可以先从渠道规模和拉新能力等粗维度评估，再细分到平均访问市场，会话访问页数，跳出率去评估渠道质量，更深一层就是注册转化和交易转化等方面综合评估。
有兴趣请关注我的微信公众号：
网友评论