这是我参与「第四届青训营 」笔记创作活动的的第10天

为什么做数据用户分析

为什么要做用户数据分析

在企业竞争越来越激烈，获客成本越来越高的背景下，如何高效地优化产品和精细化投放运营是当前企业竞争的关键，而用户数据分析正是我们保持此竞争力的重要手段（难道还有别的手段？有，靠抄袭，靠砸钱），我们通过数据来驱动用户增长、降低成本和提高收益。

当下互联网的行情不太好，大家也知道，企业们也在“勒紧裤腰带过日子“，盲目扩张、砸钱抢市场的情况在当下会收敛很多。

什么是方法论

这里仅指互联网行业，一些有经验的人体系化的把这些做事的手段和思考进行抽象整合后，沉淀下来作为理论，而“后人”按照这个“套路”来执行就好了。

学习方法论，能大大减少你去探索的成本。但是在这个互联网飞速发展的时期，这个套路有可能过时，所以大家需要保持敏锐，不要过于迷信某些方法论。

数据分析的各个环节

---

包括数据源、分析工具、可视化以及贯穿全程的指标体系四部分 实际上很多分析工具中集成了可视化的功能

指标体系

指标体系：结合业务战略目标和业务场景，系统化梳理构建的指标集合。

指标集合通常是分级的，以满足不同级别的人的数据使用需求。

指标是数据的量化统计

北极星指标：最关键的指标

常用的指标算子：去重数 求和 计数 均值 分位 最大 最小 最早 最新

维度是数据分组的方式

例如：筛选最近30天和AB省份，统计各个log_date、os的设备活跃数 维度是日期和操作系统，指标是设备去重数

以手游业务指标体系为例

• 搭建指标体系的价值
  • 衡量经营状况
  • 统一口径和统一认知
  • 团队牵引
  • 支撑后续制定目标和衡量目标
  • 发现问题
  • 定位问题

数据源

埋点

埋点数据：上报的记录着触发原因和状态信息的日志

埋点分类

• 按照上报方划分
  • 服务器埋点、客户端埋点
• 按照上报形式划分
  • 代码埋点（用的比较多）、可视化埋点

埋点要素：who when where how what how_much

在数据分析的各个环节设置埋点。在用户打赏时，可以在点击打赏按钮、选择金额、提交等环节设置埋点

分析工具

SQL

表的基本构成：表名、表字段、表字段类型等。

SQL：结构化查询语言，用来操作表的语言。主要分成为DML，DDL，DCL。

• DML即数据操纵语言，最常用的增删改查就属于DML，操作对象是数据表中的记录；
• DDL即数据定义语言，例如建数据库、建表等，都属于数据定义语言，
• DCL数据控制语言，如Grant、Rollback等等，常见于数据库安全管理，多数人一般很少用。

在工作中，这些表的建模和查询sql是需要做精心优化的，以提升查询性能并减少资源浪费。

行为分析

行为分析工具包括很多模型，我们把用户日常最高频使用的功能进行了固化，用户只需在界面配置自己要分析的埋点、属性筛选和分组项，即可在几秒内查询出数据结果。 以最常用的事件分析为例

左侧是查询配置区，右侧是展示区。左侧我们可以配置指标、筛选项和分组项，分别对应了sql的select、where、group by。。

可视化

可以参考开源可视化图表库Echarts

图表的样式很多，样式选择是为了方便做数据洞察

数据分析流程和案例

分析流程

分析思路

具体案例

Acquisition(获取) -广告素材分析

数据如下： 可以看出大制作投入产出比很不健康

一些指标概念：

• 激活CPA：平均获取1个新增设备花费的成本
• 新增CPA：平均获取1个新增账号花费的成本
• 次留：当天新增的用户有少比例在次日又活跃了
• 3留：当天新增的用户有少比例在第3日又活跃了
• 2日LTV：平均每个用户前两天带来的收入
• 2日ROI：2日LTV/新增CPA

Activation(激活)-新用户激活转化分析

这是一份漏斗转化数据。

资源下载可以改成后台静默更新，注册可以改为手机一键注册

Retention(留存)-新用户激活转化分析

游戏参与率不高的玩法可以考虑选择不维护

Revenue(收入)

对于右边的情况可以设置专属客服

数据分析常见的问题

• 上游数据质量不高

• 不验证就全量上线

• 优化策略短期有利而长期有损

• 过分挖掘用户信息，不注重用户隐私保护

思考

打开你手机的一款应用，你觉得哪些环节可以做数据分析，你觉得可能存在哪些优化点？