互联网公司数据分析的应用场景
运营：用户运营（用户分类，用户生命周期），活动运营，内容运营，商品运营
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
流程
需求分析——数据收集——数据清洗——数据分析——报告撰写——报告分享——投入应用，收集反馈
数据类型
定性数据（一般通过问卷调查获取）
· 分类数据：男生/女生 天气好/坏……
分类数据不能区分大小，也不可以进行算术计算
· 顺序数据：满意度评分，教育水平等级，年龄层……
顺序数据可以区分大小
定量数据（一般通过日志获取）
· 离散型：用户数，消费次数……
可加减，进行频数分析
·连续型：成绩，消费金额……
可算术运算，进行频数分析，集中趋势分析（均值，众数，中位数）&离散程度分析（标准差，方差，最大值，最小值，全距/范围）
数据收集
（1）数据埋点
UV，PV，用户数，用户停留时间，浏览页面等用户行为数据
（2）第三方数据平台
Growing IO，SimilarWeb, Google Analytics, 国家统计局网站……
（3）问卷调查
线上问卷调查，线下问卷调查 & 电话回访
数据清洗
（1）数据异常表现：空值，波动太大，不同数据源获取的数据相互矛盾
（2）数据异常原因：系统故障 & 人为因素
（3）清洗方法：删除异常值，平均值填充，通过统计计算值填充 & 不同数据源交叉验证
数据分析体系
常用数据分析指标（Key Performance Indicator）
网站分析指标：
UV（unique visitor) 独立访客数
PV (page view) 网页浏览量
VV (visit view) 访客网站的访问次数，该网站所有页面visit=page1+page2+……
IP( Internet Protocol) 独立IP数
DAU （daily active user）日活跃用户
点击率，转化率，网页停留时间，网站停留时间，跳出率，退出率等
eg：小皮用ADSL拨号上网，今天9am访问了www.universityofwarwick.co.uk下的两个网页，5pm访问了同一个网站下的五个网页，则：
PV=7，UV=1，VV=2，IP=2（ADSL拨号上网每次IP不同）
渠道分析指标：
新增用户数，用户转化率，渠道ROI（return on investment），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
用户类指标：
新增用户，活跃用户，留存用户，回流用户，流失用户
用户价值指标：
用户最近一次下单时间，用户下单频次，用户消费总金额
#####通过需求分析，找到目标，把目标拆解成不同指标（一级指标，二级指标等）####
横向拆解数据体系原则：遵循MECE原则，即互相独立，完全穷尽；同一类型的数据在同一层级
纵向拆解数据体系原则：拆解的时候只能选一条主流程；主流程应该选择大多数用户的操作流程
不同类产品关注常见指标「例子」：
电商类
{GMV=流量*转化率*客单价；毛利额=流量*转化率*客单价*毛利率}
工具/社群类产品
{活跃用户数=新增活跃用户数+已有活跃用户数
二级：活跃用户数=新访客流量*新用户激活率+已有用户数*已有用户留存率}
游戏类产品
{付费收入=活跃用户数*付费率*ARPU
二级：付费收入=（新活跃用户数+留存用户数）*付费率*ARPU
三级：付费收入=(渠道流量*转化率+老用户*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
二级：（新用户订单数+老用户订单数）/（新用户需求数+老用户订单数）
常用数据分析框架（数据分析方法论）
1. 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，参与率
eg：某banner活动点击量很高，但参与率低，说明可能活动能吸引用户，但是参与门槛高
2. 用户行为理论
3. 5W2H分析法
4. AARRR模型（“海盗模型”）
5. RFM模型（用户价值模型）
6. 人货场模型
常用数据分析方法
对比分析法，分组分析法，矩阵关联分析，逻辑树分析方法，漏斗分析法
网友评论