产品要懂点数据分析(一)-数据采集和数据指标

产品经理多少要懂点数据分析,不可免俗的这篇把几个大概念讲一下。

数据分析的作用

数据分析是定量分析的手段。在《谁说菜鸟不会数据分析》一书中,提到了数据分析的三个作用。

1. 描述

通过数据分析可以描述产品的现状及其原因。

2. 探索

数据分析还可以通过现状,对未来进行预测和探索。

3. 验证

通过数据分析的结果,可以验证产品假设。

数据的构成

来认识一下数据:一条数据是由事件属性参数三个要素构成的。

数据由事件触发,数据根据触发的事件不同进行分类。例如,用户的一次按钮点击、登录、购买,系统的一次消息推送都是一次事件。

属性和参数构成了对事件的完整性描述。如,一次购买事件,除了购买事件本身外,可能还需要收集用户购买的数量、商品的金额等等。当然,也并非所有数据都需要属性。如,统计某个按钮的点击数量时就不需要属性。

数据采集

数据分析的第一步是数据采集。埋点是最常用的数据采集的方式,随着数据采集需求的多样化,无埋点技术也得到了广泛的应用。

埋点

数据埋点,就是在事件被触发的地方,设置一个数据收集点。当触发这个数据收集点的事件出现时,对数据进行收集。

例如需要收集注册用户的数据。可以在注册用户的代码上埋个数据收集点。每当用户注册时,就进行一次数据采集。

无埋点

无埋点是相对于埋点来说的。无埋点是指无需代码埋点的技术。数据收集人员可以通过数据采集工具,对需要采集的数据点进行设置。

例如,需要收集用户点击了购买按钮的次数。可以通过无埋点工具将购买按钮设置成一个数据采集点。每当用户点击了购买按钮,就进行一次数据采集。

埋点和无埋点对比

全面性

代码埋点可以收集详细的数据信息。例如,采集用户一次购买行为的数据,可以采集到购买的商品数量、金额等数据。

无埋点方法则只能收集简单的用户行为事件。例如,统计用户点击了多少次购买按钮,但是不能采集购买的详细信息。

便捷性

代码埋点每次需要收集数据,都需要修改代码重新发布版本。对于临时的数据收集需求并不是很方便。

无埋点方式并不需要修改代码,将收集点设置好了之后就可以进行数据收集了。

数据库和日志

除了主动收集用户数据外,产品的数据库和日志,也有大量的用户行为数据。

假设用户在产品上设置了性别、年龄,这些数据都将被保存在数据库上。当我们需要分析用户年龄分布时,直接从数据库读取用户的年龄数据即可。

数据指标

数据指标可以对业务进行衡量,便于我们把控产品和业务的发展。

数据指标的分类

根据指标的作用,可以将指标成分结果型指标过程型指标

结果型指标

结果型指标往往可以衡量产品的现状,描述的是产品“怎么样?”。如销售额、转化率等,描述的是产品现状。

过程型指标

过程型指标则可以了解产品现状的原因,解决的是产品“为什么这样?”。如浏览量、跳出率。销售额是受到了浏览量、跳出率的影响。

根据指标的表现形式,可以将指标分成绝对指标相对指标

绝对指标

绝对指标反映规模的大小,如销售额、用户数等。

相对指标

相对指标反映质量的好坏,如存留率、转化率等。

拆解数据指标

数据指标的拆解常用的是杜邦分析法。杜邦分析法最早由美国杜邦公司应用,所以被称为杜邦分析法。利用杜邦分析法是将核心的数据指标逐层拆解,直至最小指标。从而可以深入分析核心指标的影响因素。

以销售额分析为例,销售额由购买人数和客单价决定,而购买人数是在活跃用户中产生。然后再一层层的进行拆解分析。

指标的纬度

维度是指事务或者数据的特征,如年龄、地区、时间等。在做数据分析的时候,常常需要通过不同的纬度来进行分析的。

通过时间纬度,可以相同指标,在不同时期进行一个纵向的分析。如分析每天新增用户的数量。

通过其他纬度,对同级单位的数据进行横向分析。如不同性别、年龄、地区的用户之间的指标差别。

可以这么说,任何不加纬度的数据分析都是耍流氓。在听到某个产品用户达到百万时,其实并没什么太多信息量。有多少用户还在使用产品?每天新增了多少用户又流失了多少用户?我们一无所知。

常用维度

时间

常见的时间纬度有年、月、日、时等单位。如年度、月度、一周、单日、日均,都是以时间为纬度。通过纵向对比不同时间,指标数据随着时间变化的趋势。

用户属性

将用户按属性加以区分,然后分析不同分组的用户数据。不同用户类型会呈现出不同的用户行为,如果不加以区分,容易掩盖很多现象。

如按注册时间分,将用户分成新用户、老用户,按地区,将用户分成一线、二线、三线城市用户,按目的将用户分成买家、卖家等。

终端类型

常见的终端类型按设备类型分为PC、移动端、平板电脑。按实现类型Web、Wap、APP等,还有基于大型平台的微信小程序、百度轻应用等。

特别是PC端和移动端的用户,往往呈现出巨大的使用差异。

版本

按版本来区分可以查看版本之间的差异,特别是某些重大的迭代更新的版本。以版本作为纬度,可以衡量产品更新后的效果。

事件

通过执行某些关键事件对用户进行区分,继而对不同用户进行区分和对比分析。

如基于注册事件区分注册用户和非注册用户,基于发布内容事件区分内容创作用户和普通用户。

渠道

对用户的来源渠道进行区分,是运营日常衡量渠道作用的重要标志。对产品来说,有时候基于渠道的分析并进行针对性设计,可以有效的优化渠道效果。比如,怎么提升通过搜索引擎访问的用户的注册率。


产品要懂点数据分析(一)-数据采集和数据指标
产品要懂点数据分析(二)-常用指标
产品要懂点数据分析(三)- 分析过程
产品要懂点数据分析(四)- 分析方法