一.数据分析思维
1.三种核心思维
-
业务化
用结构化思考+公式化拆解,获得的最终分析论点。很多时候是现象。数据是某个结果的体现,但是不代表原因。
比如:如何预估上海地区的共享单车的投放量?在业务中需要考虑上海地区共享单车的损耗
比如说:研究发现销售人员的业绩较低,但是这只是现象,我们需要找出现象背后的原因
-
结构化
结构化分析思路(金字塔思维,层层递进,依次拆解)
-
公式化
上下互为计算、左右呈关联。一切结构均可量化,最小不可分割。
加法:不同类别的业务叠加可以使用加法
减法:常用于计算业务之间的逻辑关系(销售额、利润)
乘除:乘法和除法是各种比例或者比率
2.数据分析的思维技巧
-
象限法
-
对比法
好的数据指标,一定是比例或者是比率,好的数据分析,一定会用到对比
孤数不证。
竞争对手对比、类别对比、特征和属性对比、时间同比环比、转化对比、前后变化对比
-
二八法
帕累托图
- 数据中,20%的变量将直接产生80%的效果,数据分析将围绕在20%作文章
- 持续关注TopN的数据,是一个非常好的习惯,尤其在部分行业
- 虽然指标很多,但是往往某些指标更具有价值,二八法则不仅能够分析数据,也能够管理数据。
-
漏斗法
漏斗化分析是一种流程化的思考方式,单一的漏斗是没有用的,可以结合多维、对比等方式一起使用。
-
指数法
很多时候我们有数据,但是不知道该如何应用。因为缺乏了一定的有效性指标方向。这个方向可以成为目标指数。通过将数据加工成指数,达到聚焦的目的。组合方法如线性加权、反比例、log等
忠诚度(各月消费次数加权等),文章热度(log(uv+评论*5,2)+(time-init)/10
问题比如
(1)中国今年的经济指标如何?
(2)美国NBA的最佳球星是谁?(得分+篮板+助攻+抢断+封盖)-(出手次数-命中次数)-(罚球次数-罚球命中次数)-(失误次数/球员上场比赛次数)
(3)竞争对手产品表现如何?
-
假设法
没有数据的情况下进行分析
-
例如:公司在节日进行了一次营销活动,APP上的销量数据整体比上周上升了20%。因为统计失误问题,拿不到明细数据,也就是说,活动效果是一个黑盒。现在的问题是,销量本身就是可能因为节日而提高,那么怎么证明活动是有效或者是无效的呢?
答: (1)思考一下,活动有效的话,会发生什么事?
(2)会有一定数量的用户购买,如果能证明这条,那么我们有理由相信活动是有效的
(3)用户通过活动购买商品,会发生什么可观测的行为呢?假设一些用户会留下频率,那么可以统计活动的字眼。
-
你是自营电商的数据分析师,现在想商品提价后,收入会不会有变化?你会这么做?
答: (1)假设商品提价后,销量一定会下跌,问题是销量下跌多少?
(2)首先假设流量不会变化,流量和渠道营销正相关,商品价格影响转化率,那么现在确定转化率的波动
(3)找出平时的转化率(譬如20%),预估提价后的转化率变化。假设各类型用户对价格的敏感度不同,那么将客户化为忠诚,普通,羊毛等
(4)不同用户层次数量不同,反应不同。忠诚用户转化率变化极低,羊毛几乎不会转化...这些数据可以凭借经验做出假设,最后汇总。
-
-
多维法
辛普森悖论:
二.业务
指标
如果你不能衡量它,那么你就无法增长它。
-
什么是好像好的指标?
- 核心指标(对公司发展的阶段不同来说是不同的)
- 好的指标是比率
- 能够带来显著效果
- 不应该虚荣
- 简单
-
市场营销指标
-
客户/用户生命周期,企业/产品和消费者在整个业务关系阶段的周
期不同业务划分的阶段不同。传统营销中,分为潜在用户,兴趣用户,新客户,老/
熟客户,流失客户。 -
用户价值
用户贡献 = 产出量/投入量*100%,用户价值 = (贡献1+贡献2+……)比如金融行业会以存款+贷款+信用卡+年费+……-风险-流失
-
RFM模型
用户生命周期中,衡量客户价值的立方体模型。利用R最近一次消费时间,M总消费金额,F消费频次,将用户划分成多个群体
最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary)
重要价值客户(111):最近消费时间近、消费频次和消费金额都很高,必须是VIP啊!
重要保持客户(011):最近消费时间较远,但消费频次和金额都很高,说明这是个一段时间没来的忠诚客户,我们需要主动和他保持联系。
重要发展客户(101):最近消费时间较近、消费金额高,但频次不高,忠诚度不高,很有潜力的用户,必须重点发展。
RFM模型分析重要挽留客户(001):最近消费时间较远、消费频次不高,但消费金额高的用户,可能是将要流失或者已经要流失的用户,应当基于挽留措施。
用户分群,营销矩阵
用户分群是市场营销中的一种常见策略,它提取用户的几个核心维度,用象限法将其归纳和分类。
-
-
产品运营指标
-
Acquisition用户获取
- 渠道到达量:俗称曝光量。有多少人看到了产品推广相关的线索。(估计)
- 渠道转化率:有多少用户因为曝光而心劢Cost Per,包含CPM(曝光)、CPC(点击)、CPS(销售)、CPD(下载)、CPT等。
- 渠道ROI(投资回报率):推广营销的熟悉KPI,投资回报率,利润/投资*100%。
- 日应用下载量:app的下载量,这里指点击下载,不代表下载完成
- 日新增用户数:以用户注册提交资料为基准
- 获客成本(CAC):为获取一位用户需要支付的成本
- 一次会话用户数占比:指新用户下载完App,仅打开过产品一次,且该次使用时长在2分钟以内。(防止刷单)
-
Activation用户活跃
- 日/周/月活跃用户应用下载量:活跃标准是用户用过产品,广义上,网页浏览内容算「用」,在公众号下单算「用」,不限于打开APP。
- 活跃用户占比:活跃用户数在总用户数的比例,衡量的是产品健康程度
- 用户会话session次数:用户打开产品操作和使用,直到退出产品的整个周期。5分钟内没有操作,默认会话操作结束。(反作弊)
- 用户访问时长:一次会话的持续时间。
- 用户平均访问次数:一段时间内的用户平均产生会话次数。
-
Retention用户留存
用户在某段时间内使用产品,过了一段时间后仍旧继续使用的用户。
假设产品某天新增用户1000个,第二天仍旧活跃的用户有350个,那么称次日留存率有35%,如果第七天仍旧活跃的用户有100个,那么称七日留存率为10%。 -
Revenue营收
付费用户数:花了钱的
付费用户数占比:每日付费用户占活跃用户数比,也可以计算总付费用户占总用户数比
ARPU:某时间段内每位用户平均收入
ARPPU:某时间段内每位付费用户平均收入,排除了未付费的客单价:每一位用户平均贩买商品的金额。销售总额/顾客总数
LTV:用户生命周期价值,和市场营销的客户价值接近,经常用在游戏运营电商运营中。
LTV = ARPU * 1/流失率 -
Refer自传播
K因子:每一个用户能够带来几个新用户
K因子=用户数*平均邀请人数邀请转化率
用户分享率:某功能/页面中,分享用户数占浏览页面人数占比。
活动/邀请曝光量:线上传播活动中,该页面被人浏览的次数。一般代指微信朋友圈
-
-
用户行为指标
- 功能使用
功能使用率/渗透率:使用某功能的用户占总活跃数占比。比如点赞、评论、收藏、关注、搜索、
添加好友,均可以算做功能使用。这些指标在特定业务中均有作用。 - 用户会话
会话session:也叫做session,是用户在一次访问过程中,从开始到结束的整个过程。 在网页端,30分钟内没有操作,默认会话操作结束 - 用户路径
路径图:用户在一次会话的过程中,其访问产品内部的浏览轨迹。通过此,可以加工出关键路径转化率。
- 功能使用
-
电子商务指标
-
购物篮分析
笔单价:用户每次贩买支付的金额,即每笔订单的支出。和客单价对应。
件单价:商品的平均价格。
成交率:支付成功的用户在总的客流量中的占比。
贩物篮系数:平均每笔订单中,卖出了多少商品。贩物篮系数是多多益善,它也和商品关联规则有关系。 -
好基友:复购率和回购率
复购率:是一段时间内多次消费的用户占总消费用户数占比。有例如4月有1000位用户消费,其中500位消费了两次以上,则复贩率是50%。
回购率:是一段时间内消费过的用户,在下一段时间内仍旧消费的占比。例如4月的消费用户数1000,其中600位在5月继续消费,则回贩率为60%。
-
购物篮分析
-
流量指标
-
浏览量和访客量
PV:浏览次数。互联网早起的统计指标,用户在网页的一次访问请求可以看作一个PV,用户看了十个网页,则PV为10。
UV:是一定时间内访问网页的人数,正式名称独立访客数。在同一天内,丌管用户访问了多少网页,他都只算一个独立访客。技术上,UV会通过cookie或IP衡量。 -
访客行为
新老访客占比:衡量网站的生命力,吸引力和粘性
访客时间:衡量内容质量丌是看内容的UV,而是看内容的访问时间。
访客平均访问页数:衡量网站对访客的吸引力,是访问的深度。
来源:访客从哪里来,技术上,通过来源网站的参数提取,可以区分SEM,SEO或者外链等。用户行为转化率:用户在网站上进行了相应操作的用户在总访客数上的占比。
首页访客占比:只看了首页的用户,在总访客数上的占比。 -
退出率和跳出率
退出率:从该页退出的页面访问数/进入该页的访问数。
跳出率:浏览单页即推出的次数/访问次数。跳出率一般衡量各个落地页,营销页等页面。退出率则更偏产品,仸何页面都有退出率
-
三.如何建立业务分析框架?
从指标的角度出发
从业务的角度出发
从流程的角度出发