这是我参与「第四届青训营」笔记创作活动的的第19天
01.为什么要做用户数据分析
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，如何高效地理解用户需求和精细化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，我们通过数据来驱动用户增长、降低成本和提高收益。
02.数据分析的各个环节
2.1 数据分析全景图
2.2 指标体系和指标分级
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。
2.3 手游业务指标体系示意
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
指标还是多? 那我们定义一个北极星指标吧!
2.5 数据分析的各个环节
2.5.1 埋点简介
1.埋点(数据)是什么?
埋点数据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”
2.埋点包含哪些要素?
who when where how what how_ much
“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。
3.在哪里埋点呢?
在你要做数据分析的环节来埋点。(这不废话嘛)
2.5.2 数据分析的各个环节
2.5.2 常见的分析工具
2.5.2 数据表与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。细分为DDL(数据定义语言)和DML (数据操纵语言)等。
举个例子
表:用户登录日志表t 表字段: os,device_ id,province,login_ time,log date 查询:筛选最近30天和AB省份，统计各个log date、 os的 设备活跃数
2.5.2 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。
思考题:
1.上面的例子中维度是什么?指标是什么?
(筛选最近30天和AB省份，统计各个log_ date、 os的设备活跃数)
2.除了上面的去重数，你还能想到哪些常用的指标算子?
3.用户的付费金额、登录次数这类的数值，可以作为维度吗?
2.5.2 行为分析-事件分析
2.5.3 数据分析的各个环节
2.5.3 数据可视化
03.数据分析的流程和案例
3.1 分析流程
3.1 分析思路
3.2 案例-Acquisition获取
➢金额单位元
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
3.2 案例-Activation激活
新用户激活转化
3.2 案例-Retention 留存
玩法参与率
数据分析常见的问题
1）上游数据质量不高
2）不验证就全量上线
3）优化策略短期有利而长期有损
4）过分挖掘用户信息，不注重用户隐私保护
