用户数据分析理论与最佳实践 | 青训营笔记

小叶要努力
73 阅读7分钟

这是我参与「第四届青训营 」笔记创作活动的的第20天

本节课程分为两个部分，分别讲述数据分析偏基础的概览和进阶的机器学习的应用。

一、本课堂重点内容

image.png

二、详细知识点介绍：

用户数据分析简介

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

这里我仅指互联网行业，我的理解就是一些有经验的人，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

在真正进入到具体的分析案例之前，我们先来整体看一下，数据分析有哪些环节。

image.png

埋点：记录当前状态信息的数据 业务DB：传统关系型数据库里存的信息

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。

首先我们先看一下数据源，没有数据，我们的数据分析就无从谈起。数据源包括很多种，我们最常见的是埋点和业务DB中的数据以及二次加工的如统计和挖掘出的数据。

有了数据源，我们也不要着急马上去写sql查数，我们看一下有哪些工具来支持我们去做数据分析。企业提供了除了非常基础的sql(也算是一种编程)和代码编程外，还有很多好用的工具，比如可视化查询、分群圈选和当下热门的行为分析工具。

可视化这一块，其实并不是独立的部分，很多分析工具里集成了可视化的能力，但是为了方便同学们理解，我们单独拎出来这一块来讲解。

而指标体系是我们数据分析的脉络，我们做个各种分析其实都会围绕着指标体系来做。指标体系会在真正开始建设之前就进行规划，并在业务发展过程中不断完善。

\

指标体系

一句话介绍指标体系：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。

我们以手游业务为例看一下指标体系是什么，当然这个例子不全，仅作为示意用。

image.png

这里除了常见的业务指标还有安全风控、服务质量相关的，比如外挂封禁账号数、应用crash率、fps等。整个指标体系所涵盖的指标数量在复杂的业务场景中，可能几百个。

那我们搭建指标体系有什么用途呢？这里我列了一些，大家可以先行体会一下：

  • 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。

数据源

埋点数据是什么呢？它是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。

埋点包含哪些要素呢？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。那企业中埋点数据上报的格式是什么样呢？我们看下面这个例子：

  {
   "event_name":"game_purchase",
   "event_time":1641776400,
   "user_info":{
       "user_id":"1111",
       "role_id":"2222",
       "device_id":"3333"
   },
   "params":{
       "server_id":1001,
       "item_id":123,
       "amount":50000,
       "platform":"game_mall",
       "pay_type":"xx pay"
   },
   "location_info":{
       "zone_area":"Asia/Shanghai"
   },
   "headers":{
      "device_os":"android",
      "app_version":"12.3.4",
      "channel":"xxx",
      "ip":"x.x.x.x",
      "sys_language":"zh-CN",
      "app_language":"zh-CN"
   }
}

这里我们可以看到，除了上面那些参数外，还会上报很多其他属性，这些属性是我们极其常用的，所以企业内的sdk默认会采集上报。

了解了埋点的格式之后，那我们需要在什么时候上报呢？这个就跟具体的业务场景有关系了。你要分析什么数据就在对应的时机采集埋点数据。

理解指标和维度

指标是数据的量化统计，维度是数据分组的方式。

那大家思考一下：

  • 上面的sql例子中维度是什么？指标是什么？
  • 除了上面的去重数，你还能想到哪些常用的指标算子？
  • 用户的付费金额、登录次数这类的数值，可以作为维度吗？

行为分析-事件分析

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。由于篇幅有限，这里我们仅介绍下企业最常用的事件分析。

image.png

我们可以看到，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。这个比较好理解。

数据可视化

选择什么样的样式是看怎么方便你去做数据洞察，不要仅为了花里胡哨而去使用这些图表。

数据分析的流程和案例

分析流程和分析思路

一个完整的数据分析流程是这样的：

1660954743513.png

分析思路

1660954877362.png

案例

Acquisition(获取) -广告素材分析

数据如下：

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

其他指标同理

通过这份数据，大家觉得应该优先加大哪个素材的推广力度呢？

Activation(激活)-新用户激活转化分析

这是一份漏斗转化数据。

如果某一步出现很低的转化率，你有什么优化建议吗？

Retention(留存)-新用户激活转化分析

这是一份游戏各玩法参与率的数据，你能得出什么结论？

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

三、个人总结：

总结：

上半节课简单讲了下企业是如何使用各种分析工具来分析数据的，并一起看了一些案例

思考题：

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？

四、参考文献

link.juejin.cn/?target=htt… 【大数据专场 学习资料七】第四届字节跳动青训营 - 掘金 (juejin.cn)

avatar
文章
阅读
粉丝