用户数据分析理论与最佳实践（基础篇）| 青训营笔记【这是我参与「第四届青训营」笔记创作活动的第18天。】今天的学习内容

【这是我参与「第四届青训营」笔记创作活动的第18天。 】今天的学习内容是用户数据分析理论与最佳实践的基础篇。

一、用户数据分析简介

1.1 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，所以需要通过数据来驱动用户增长、降低成本和提高收益。

二、数据分析的各个环节

2.1 数据分析全景图

这里包含4个部分。数据源、分析工具、可视化以及贯穿全程的指标体系。

2.2 指标体系和指标分级

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。我们构建的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。

2.3 手游业务指标体系示例

以手游业务为例简单介绍指标体系和指标分级在这个例子中，指标分为三层级：第一级以管理层为目标，其数据类型是结果型的；第二级就是拆解一级指标，用于快速定位一级指标问题的原因；3级指标是为了给一线的产品、分析师或者运营，是二级指标拆解的，用于定位二级指标的问题和指导一线员工工作，第三级的数据类型为过程型数据。

2.4 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

近两年，企业们为了能更前置地促进业务发展，又引申出一个叫“北极星指标”（也叫第一关键指标）的概念。通过这个(也有可能不止1个)指标的牵引，来指引各部门抓住重心。

2.5.1 埋点简介

埋点数据：指上报的记录着触发原因和状态信息的日志数据。按照上报方来看，可以划分为“服务端埋点”和“客户端埋点”。按照上报形式，可以划分为“代码埋点”、“可视化全埋点”。企业最常用的是代码埋点。
埋点包含哪些要素：who when where how what how_much。举个例子：“张三”于“北京时间2022年1月2号12点整”在“游戏商城”用“xx支付”的形式“充值”了“500元”钻石。