根据业务问题中的核心需求，匹配适当的分析套路，选用适当的数据工具。
需要达到的目标：遇到业务问题，能快速识别问题，并明确该匹配哪类数据分析工具，解决当前业务，当前阶段的问题。
数据使用的流程：数据采集－指标建模－观测数据－数据分析－业务洞察
观测数据的方法：
第三方数据统计工具
本地自己用excel处理数据
一、怎么理解业务中的核心需求？如何选择合适的数据工具
选数据工具的核心逻辑：需求（业务问题）匹配套路（数据工具的本质）
业务问题（需求）：产品设计，策略选择，运营，市场投放效果需要监控
数据工具（套路）：是处理业务问题的武器，提供各种分析套路
没有最好的工具，只有符合业务发展实际需求的工具。
有些工具很强大很复杂，但是学习成本很高，如果是初创期，应该把精力放业务上
数据工具怎么选：
从数据工具能解决什么问题可分为5种类型（使用者角度）：
计数 流量 内容 用户 业务
可以用两种方式进行选择：
1.识别公司的业务核心（公司缺了啥，最要命？）
社区类产品：用户导向（如懂球帝）、内容导向（百度贴吧）
电商类产品：
规模化电商，关注流量快速变现：流量导向（淘宝，京东）
奢侈品电商，获取高价值客户，长期客户消费更多：用户导向
视频类产品：
内容／流量导向（如U酷，爱奇艺，头部）
用户导向：看视频的人是谁，视频社区（A站／B站）
2.选取公司的发展阶段
公司不同阶段关注的业务重点不同，需不同的数据工具：
探索期（几百个用户，每天十几个订单，规模很小）：
业务问题：刚起步不完善，流程未定型，常变动
待解决需求：验证，业务是否可行，需求是否存在；我们的服务是否能解决这个需求
所需的数据工具：计数
成长期：
业务问题：追求增长，同时补前期债务
待解决需求：寻找用户量和业务量，规划化增长的方法。规模化增长的方法（用户的规模化增长，业务的规模化增长）用户从哪里来，用户特征；各种内容各种商品怎么样，找爆款爆点
所需的数据工具：流量导向／内容导向／用户导向／业务导向
成熟期（用户的规模红利已经消失）：
业务问题：稳定，没有新的突破点
待解决需求：业务流程理得更顺（提升流程效率，降低成本），用户群里拆得更细
所需的数据工具：用户导向／业务导向
衰退期（产品是服务于某些客户的某些需求，需求可能消退，服务可能被新产品替代）：
业务问题：用户对产品渐渐失去兴趣，开始流失
待解决需求：延长产品生命周期、尽力挖掘、用户剩余价值及可能的新需求（研究流失用户去了哪发现新的机会）
所需的数据工具：用户导向，研究剩下的用户和流失的用户特征和趋势
（结合当前的业务，挑选合适的分析模式，并思考：能解决哪些问题，不能解决哪些问题，为什么？）
案例：共享厕所的项目
探索期：
关注的问题：
大家会不会为这个事情买单：路过人数－进入人数
成长期：
关注的问题：
走进去的人特征是啥
没进的人特征是啥
如何核验证：
观察特征
找没进的人，问原因
成熟期：
关注的问题：
整个扩展已经达到上限
运转效率
面临竞争，用户忠诚度
用户留存怎么样，哪些人要流失
如何核验
根据用户行为路径，优化业务流程
按留存将用户分群，并尝试划分其特征
对有流失特征的用户，预警
解决方案：
提升效率，降低成本
用户生命周期管理
衰退
关注的问题：
在现有产品里考虑开拓新市场，用户如厕需要什么？
最新流失的用户去哪了？
为什么不用我们了？
如何核验
观察增值业务的售卖情况
跟踪调查流失用户刚需解决场景的迁移
二、常见的数据分析“套路”（不同数据工具解决特定问题快速上手）
数据工具地图和数据系统（很多功能，很多概念）
带着业务问题学习工具，从解决特定问题出发
1.计数统计：快速验证
统计浏览、统计行为和行为间转化的差异
通过脚本和代码统计日志：麻烦，难维护
简单的BI：日志的关键的信息抽取，然后图形展示，可读，维护（BI报表工具）
解决的问题：计数，特别基本的一些分析功能
优势：快，计算逻辑简单
2.流量导向：渠道依赖
解决的问题：
谁来了？（受众特征）
从哪里来的？（来源／媒介）
来了干什么？（行为，事件，一群人，关注流量）
有没有预期让他做的事达成目标？（转化）
适用于流量依赖性业务，如电商，或者一锤子买卖（只有落地页，销售功能）
优势：能将流量入口分析得较为细致
google analytics（GA）：最开始是服务于网站流量分析
3.内容导向：质量第一
适用于视频网站、小说网站、漫画网站、媒体这类的以内容为核心的“内容平台”，内容才是网站的核心资产
解决的问题：
哪些资源正在被消费
被消费的情况如何，次数，人数，时长
内容表现质量如何
百度统计，专注于统计，分析上相对弱
4.用户导向：用户为王
解决的问题（需要关注隐藏在报表、总量下面的，单个用户的行为轨迹）：
用户来了干什么？（精确到单个用户每个轨迹）
用户还会不会再来？（留存，做了行为后一段时间的留存，评估单个行为对留存的影响）
用户在哪流失的？（漏斗分析，快速定位用户在哪流失的，每一步定义事件）
用户是什么样的？（单个用户的画像、通过屏幕录像和行为序列观察，appsee 用户使用app上操作的录像；Inspectlet 页面上操作的完美回放）
优势：
用户行为轨迹
mixpanel
5.业务导向：商业本质
单纯看待流量、内容、用户都不足以描述我们业务的真实情况。此时，基于业务的观测模型便应运而生。
案例（回归业务）：
浏览－下单－支付－发货－物流－投诉
业务导向的工具（回归业务）
解决的问题：
流程是否顺畅？
规模／频次如何？
问题／原因何在？
神策（分析业务的发展情况）
流程是否顺畅？
线上线下的活动效果，参与人数小于启动app数？
线下到线上的拉新活动
看和流程相关的，用漏斗分析模型，每一步的转化率
第一步多少人参与活动，第二步启动app，第三步支付订单的用户数
老用户做活动的时候在做什么？
路径分析，适合比较发散
起始事件
规模／频次如何
支付订单次数 触发用户数 指标建模里的pv,uv
支付订单的事件，触发用户数，触发次数。优惠券，实际支付金额
不同的纬度拆解，节点，流程漏斗及每一步的拆解，会有不同的认知
启动app的事件：
触发用户数
不同空间和时间的分布，一个月内多少天启动了
解决的问题：
业务逻辑复杂，需要跟踪周期长
优势：
从商业逻辑上还原整个业务整个流程，可接入线上线下数据
成为工具的主人。先想业务上有什么问题，带着问题去学工具明确应该采取什么样的套路去分析业务问题。
网友评论