这是我参与「第四届青训营 」笔记创作活动的第20天
[第四届青训营笔记创作活动]
用户数据分析简介
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。
用户数据分析的流程如下所示。数据源、分析工具、可视化以及贯穿全程的指标体系是核心四部分内容。
首先是数据源，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。除了基础的sql查询工具，一些可视化查询、分群圈选和当下热门的行为分析工具。数据可视化通常在前面的工具里面会集成一大部分。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。
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。
Acquisition(获取) -广告素材分析
一些概念指标
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
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
