必看！完整的數據分析是怎樣的？

　　本文內容為如何建立以數據為導向的設計體系，講一次完整的數據分析過(guò)程。大綱如下：

　　1、以數據為導向的意義

　　2、數據指標

　　3、數據分析方法

　　4、模型建立

　　5、數據驗證

　　1、以數據為導向的意義

　　1、可視化

　　用戶(hù)行為可視化，可清晰的了解整體/個(gè)體用戶(hù)的行為。

　　如下圖所示，通過(guò)Google Aanalytic 網(wǎng)站可清晰的掌握平臺整體流量的來(lái)源，用戶(hù)群體路徑行為軌跡，這可以讓設計師/產(chǎn)品經(jīng)理清晰地了解到平臺的用戶(hù)行為軌跡和用戶(hù)人群的操作習慣。

　　也可以清晰地了解每個(gè)用戶(hù)的操作行為路徑。如下圖所示：

　　2、可追蹤

　　可追蹤產(chǎn)品任何一個(gè)時(shí)間段的數據，了解整體數據的變化。

　　如下圖所示：通過(guò)曲線(xiàn)變化，可看出產(chǎn)品日活躍的變化，通過(guò)變化前后的節點(diǎn)可得到產(chǎn)品發(fā)生大變化的時(shí)間節點(diǎn)。

　　3、可驗證

　　前期提供數據支持和后期方案的驗證。

　　例如下圖，通過(guò)優(yōu)化產(chǎn)品界面的購買(mǎi)按鈕，通過(guò)對比前后數據，看設計改版是否成功。

　　下圖的固定產(chǎn)品的購買(mǎi)按鈕點(diǎn)擊率從6.4%提升到了9.8%，漲幅53.1%，由于漲幅大于0，同時(shí)沒(méi)有外部其他因素影響數據變化，所以可得出結論，這次設計改版是成功的。

　　4、可預測

　　通過(guò)數據變化，可預測產(chǎn)品的走向和趨勢。

　　如下圖所示，通過(guò)日活曲線(xiàn)，可預測未來(lái)產(chǎn)品的日活增長(cháng)速度。

　　從圖可以看出，經(jīng)歷過(guò)第一次增長(cháng)后，第二次增長(cháng)的增長(cháng)率低于第一次。未來(lái)產(chǎn)品如果想維持高增長(cháng)，則需要投入更多的人力和費用。

　　2、數據指標

　　掌握數據指標有助于我們入門(mén)數據分析。

　　我將數據指標分為三類(lèi)，分別為：綜合性指標、流程性指標和業(yè)務(wù)性指標。

　　1、綜合性指標

　　綜合性指標：指的是能綜合體現產(chǎn)品整體情況的指標。

　　對于非交易類(lèi)型的產(chǎn)品，那么這個(gè)平臺的綜合性指標可以包含DAU、留存用戶(hù)數、留存率和人均使用時(shí)長(cháng)等等。

　　DAU

　　DAU：Daily Active User 。衡量產(chǎn)品使用的活躍度。明確產(chǎn)品的用戶(hù)體量，方便產(chǎn)品設計了解產(chǎn)品的每日用戶(hù)情況和用戶(hù)增減趨勢。

　　如下圖所示，通過(guò)DAU可以很直觀(guān)的了解產(chǎn)品的所處在的生命周期。和用戶(hù)增長(cháng)情況。

　　數據用途是方便產(chǎn)品設計人員了解產(chǎn)品的每日用戶(hù)情況，了解產(chǎn)品的用戶(hù)增長(cháng)或者減少趨勢。

　　留存率

　　留存率：某周期內留存用戶(hù)數/某周期內訪(fǎng)問(wèn)用戶(hù)數。用來(lái)衡量用戶(hù)使用粘性，也是衡量產(chǎn)品引流成本的一個(gè)重要參考

　　數據用途是用來(lái)衡量用戶(hù)使用粘性，也可以用來(lái)作為產(chǎn)品改版后的重要指標，留存率提升了，在不改變功能的情況下，說(shuō)明設計改版成功。

　　產(chǎn)品的留存率越來(lái)越高，這說(shuō)明他們的產(chǎn)品用戶(hù)粘性越來(lái)越好。

　　當然不同行業(yè)的產(chǎn)品，留存率也是不一樣的。社交產(chǎn)品，關(guān)系鏈越龐大越深度，粘性越好，用戶(hù)遷移成本就越高，留存率也高。

　　人均使用時(shí)長(cháng)

　　人均使用時(shí)長(cháng)：用來(lái)衡量用戶(hù)使用產(chǎn)品的深度，判斷用戶(hù)使用產(chǎn)品的粘性和依賴(lài)度。

　　單位用戶(hù)的使用app的時(shí)長(cháng)是一定的，當在一個(gè)app上花費的時(shí)間多，那么意味著(zhù)在其他的app上就花費的時(shí)間少。

　　對于交易類(lèi)型的產(chǎn)品，那么這個(gè)平臺的綜合性指標可能就包含GMV、支付UV、人均訂單數、人均客單價(jià)等等。

　　GMV：用戶(hù)的下單總金額。下單產(chǎn)生的總金額，包括銷(xiāo)售額+取消訂單金額+退款訂單金額。舉個(gè)例子：一個(gè)電商平臺，所有用戶(hù)一共下單了100萬(wàn)的商品，其中取消訂單2萬(wàn)，退款10萬(wàn)，那么GMV就是100萬(wàn)。

　　數據用途是體現電商平臺的交易規模，GMV越高說(shuō)明這個(gè)電商平臺的交易規模越大，平臺體量越大。

　　支付UV：指下單并成功支付的用戶(hù)數。舉個(gè)例子：一個(gè)電商平臺，有3000人點(diǎn)擊購買(mǎi)，其中2000人，成功完成支付，則支付uv為2000人。

　　

　　數據用途是了解平臺整體用戶(hù)支付*敏*感*詞*數規模。

　　人均訂單數：支付PV/支付UV，人均訂單數大于1。舉個(gè)例子：一個(gè)電商平臺，支付pv為3000，其中支付人數為2000人，那么人均訂單數為1.5。

　　數據用途是用于衡量產(chǎn)品/頁(yè)面/功能的導購能力。

　　人均客單價(jià)：ARPU，GMV/支付UV。舉個(gè)例子：一個(gè)電商平臺昨天GMV有100萬(wàn)，其中支付UV1萬(wàn)人，那么人均客單價(jià)為100元。

　　數據用途是一段時(shí)間內每個(gè)用戶(hù)平均收入，用來(lái)衡量產(chǎn)品效益。

　　2、流程性指標

　　流程性指標和用戶(hù)操作流程中產(chǎn)品的指標有關(guān)。

　　常見(jiàn)的有：點(diǎn)擊率、轉化率、流失率和完成率。

　　點(diǎn)擊率

　　點(diǎn)擊率：點(diǎn)擊率分為pv點(diǎn)擊率和uv點(diǎn)擊率。在實(shí)際工作中，使用pv點(diǎn)擊率的情況比較多。這個(gè)要根據具體需求而定。

　　舉個(gè)例子：如果當天知乎的首頁(yè)展現PV是400萬(wàn)，5萬(wàn)人點(diǎn)擊提問(wèn)按鈕有10萬(wàn)次，那么點(diǎn)擊率就是 10/400=2.5%

　　轉化率

　　轉化率：下一步用戶(hù)數/上一步用戶(hù)數。

　　如下圖所示，可以看到整個(gè)注冊流程，每個(gè)節點(diǎn)的轉化率數據。

　　流失率

　　流失率：（上一步用戶(hù)數-下一步用戶(hù)數）/上一步用戶(hù)數。

　　通過(guò)流失率，可全局看出所有的流失情況，找到流失異常數據，可追蹤之前是什么情況導致流失數據情況，并修復產(chǎn)品問(wèn)題。

　　完成率

　　完成率：完成率相對于轉化率而言，是最終的結果數值。轉化率是過(guò)程值，完成率是結果值。

　　3、業(yè)務(wù)性指標

　　區別于基礎通用型指標，業(yè)務(wù)性指標主要強調其業(yè)務(wù)屬性，例如社交社區，則可能需要的業(yè)務(wù)指標為：人均發(fā)文數、人均評論數、人均點(diǎn)贊數，分享率等。

　　3、數據分析方法

　　數據分析和設計的方法這里簡(jiǎn)單介紹以下5種，分別為：行為事件分析、漏斗分析、留存分析、分步分析和對比分析。

　　1、行為事件分析

　　通過(guò)分析特定類(lèi)型的用戶(hù)行為，找到這種特定類(lèi)型的用戶(hù)行為的對產(chǎn)品帶來(lái)的影響。也可以推算出這種特定的行為給產(chǎn)品帶來(lái)的意義。

　　行為事件分析法一般經(jīng)過(guò)事件定義、下鉆分析、解釋與結論等環(huán)節。

　　2、漏斗分析

　　流量在各個(gè)節點(diǎn)流轉過(guò)程中，會(huì )存在一級級的流失。最終形成了漏斗形態(tài)，漏斗分析適用于一些列完整流程操作的用戶(hù)行為。

　　找到設計過(guò)程中流失比較多的數據，通過(guò)數據找到流失的原因。

　　3、留存分析

　　通過(guò)找到整體留存情況，找到用戶(hù)留存的關(guān)鍵性因素指標。

　　留存分為兩種情況：

　　1.產(chǎn)品整體留存，整個(gè)產(chǎn)品的留存率，對象是整個(gè)產(chǎn)品。

　　2.功能模塊流程，各個(gè)模塊的留存，這里是針對于單個(gè)功能模塊。

　　產(chǎn)品留存要分開(kāi)看待。既要看整個(gè)產(chǎn)品留存率也要看所負責設計的各個(gè)功能模塊留存率。

　　4、分布分析

　　用戶(hù)在特定指標的各種占比的歸類(lèi)展現。

　　如下圖谷歌數據分析網(wǎng)站所示，可以根據不同分布類(lèi)型占比，進(jìn)行分析。

　　5、對比分析

　　對比前后數據，通過(guò)對比數據的差值，驗證設計。

　　1.自身產(chǎn)品比，對比產(chǎn)品其他模塊相似場(chǎng)景的數據差異。通過(guò)對比找到問(wèn)題點(diǎn)并做分析優(yōu)化。

　　2.行業(yè)產(chǎn)品比，和同行業(yè)產(chǎn)品的數據對比分析，找出數據差異的問(wèn)題所在，并給出對應的優(yōu)化方案。

　　4、模型建立

　　目前市面上常用的模型有Google’s HEART、AARRR和RARRA。

　　

　　1、Google’s HEART

　　HEART是一個(gè)用來(lái)評估以及提升用戶(hù)體驗的模型，它由五個(gè)維度組成：Engagement（參與度）、Adoption（接受度）、Retention（留存度）、Task Success（任務(wù)完成度）和Happiness（愉悅度）

　　Engagement（參與度）：通常指的是用戶(hù)的使用行為，這里面包含用戶(hù)的活躍度、uv、pv、人均訪(fǎng)問(wèn)次數等，通過(guò)這些數據可以很好的反應整個(gè)產(chǎn)品的用戶(hù)參與意愿度。

　　Adoption（接受度）：用戶(hù)在特定（短）時(shí)間內開(kāi)始”真正”開(kāi)始使用某個(gè)新功能/模塊。接受度主要體現在用戶(hù)訪(fǎng)問(wèn)和操作等行為

　　Retention（留存度）：留存度即對于一個(gè)功能或者產(chǎn)品，一段長(cháng)時(shí)間內從開(kāi)始參與到現在連續活躍的用戶(hù)，留存率是互聯(lián)網(wǎng)產(chǎn)品的主要獲利因素。

　　Task Success（任務(wù)完成度）：任務(wù)完成度主要指核心任務(wù)的完成率，在該緯度下包括三個(gè)基礎用戶(hù)行為指標：轉化率、跳失率、成功率。

　　Happiness（愉悅度）：愉悅度是一個(gè)產(chǎn)品用戶(hù)體驗的最直觀(guān)的評價(jià)感覺(jué)。

　　基于HEART五大維度可制作業(yè)務(wù)的數據模型，如下圖所示：

　　2、AAARR

　　AARRR增長(cháng)模型出自于增長(cháng)黑客，即獲客、激活、留存、變現、傳播推薦。

　　AARRR是Acquisition、Activation、Retention、Revenue、Referral，五個(gè)單詞的縮寫(xiě)，分別對應用戶(hù)生命周期中的5個(gè)。

　　獲取用戶(hù)（Acquisition）：本階段最主要的目的是將潛在的目標用戶(hù)轉化成我們產(chǎn)品的用戶(hù)，并且開(kāi)始使用產(chǎn)品。提高用戶(hù)注冊轉化率的關(guān)鍵在于，調優(yōu)產(chǎn)品的著(zhù)陸頁(yè)，要準確傳達產(chǎn)品的核心價(jià)值。

　　需要的數據指標：流量來(lái)源、CAC(用戶(hù)獲取成本)、CPC(每次點(diǎn)擊付費) 、CPT(按時(shí)長(cháng)付費)、 CPM(千人成本) 、 CPS(按提成收費) 、CPA(按點(diǎn)擊計費) 、Campaign(塑造品牌)

　　提高活躍度（Activation）：對于移動(dòng)應用產(chǎn)品，用戶(hù)活躍度還有另外兩個(gè)關(guān)鍵數據指標：每次啟動(dòng)平均使用時(shí)長(cháng)和每個(gè)用戶(hù)每日的平均啟動(dòng)次數。

　　需要的數據指標：DNU(日新增用戶(hù)) 、DAU/WAU/MAU 、 ACU(平均同時(shí)在線(xiàn)人數)、 PCU(最高同時(shí)在線(xiàn)人數)、 PV、 UV 、意向UV(進(jìn)入意向頁(yè)面的用戶(hù)數)、 PV/UV、 CTR(點(diǎn)擊率)、 意向UV-CTR （點(diǎn)擊UV/意向UV）、VV(視頻播放次數)、訪(fǎng)問(wèn)時(shí)長(cháng)、停留時(shí)長(cháng)、滾動(dòng)屏數、人均停留時(shí)長(cháng)、人均操作次數、 N次操作占比、行為路徑、訪(fǎng)問(wèn)頻次、跳出率、用戶(hù)來(lái)源、用戶(hù)去向。

　　提高留存率（Retention）：用戶(hù)留存率是非常重要的一個(gè)數據指標，留存率衡量著(zhù)一個(gè)產(chǎn)品是否健康成長(cháng)。

　　需要的數據指標：留存率、次日留存率、7日留存率、30日留存率、回流率、召回CTR（提取出的正確信息條數 / 樣本中的信息條數)、用戶(hù)生命周期 (周期/(1-周期內新增留存率))

　　獲取收入（Revenue）:即用戶(hù)給產(chǎn)品貢獻的收入價(jià)值，公司從用戶(hù)所有的活動(dòng)中所得到的全部經(jīng)濟收益的總和。

　　需要的數據指標：GMV 、ARPU(每用戶(hù)平均收入）、ARPPU(平均每付費用戶(hù)收入）、LTV(生命周期價(jià)值)、 PBP(回收期)、 ROI(投資回報率 )、收入地圖 、客單價(jià)、 消費次數 、消費頻率、 訂單量、 利潤、 購買(mǎi)偏好、 直接引導成交、 間接引導成交、 購買(mǎi)間隔

　　用戶(hù)推薦（Refer）：通過(guò)用戶(hù)推薦再次獲取新用戶(hù)，應用運營(yíng)形成了一個(gè)螺旋式上升的軌道。而優(yōu)秀的應用就很好地利用了這個(gè)軌道，不斷擴大自己的用戶(hù)群體。

　　需要的數據指標：分享率、分享次數、K-Factor (病毒傳播指標)、 NPS

　　AARRR模型對應的數據指標如下圖所示：

　　3、RARRA

　　RARRA的數據模型，本質(zhì)上是在A(yíng)ARRR的基礎上進(jìn)行順序調整得到，以滿(mǎn)足日益獲客成本所帶來(lái)的壓力成本。RARRA模型相比與AARRR可以使得獲客成本更低。

　　用戶(hù)留存Retention：為用戶(hù)提供價(jià)值，讓用戶(hù)回訪(fǎng)。

　　用戶(hù)激活Activation：確保新用戶(hù)在首次啟動(dòng)時(shí)看到你的產(chǎn)品價(jià)值。

　　用戶(hù)推薦Referral：讓用戶(hù)分享、討論你的產(chǎn)品。

　　商業(yè)變現Revenue：一個(gè)好的商業(yè)模式是可以賺錢(qián)的。

　　用戶(hù)拉新Acquisition：鼓勵老用戶(hù)帶來(lái)新用戶(hù)。

　　RARRA通過(guò)最重要的指標來(lái)關(guān)注增長(cháng)：用戶(hù)留存。

　　RARRA與AARRR的區別是，RARRA模型里面用戶(hù)的留存重要性遠高于獲客。

　　在數據模型中，我們可以學(xué)到數據模型的分類(lèi)思路，以及如何創(chuàng )造出適用自己團隊的數據模型。

　　基于這個(gè)目的，我們可以將市面上常見(jiàn)的數據模型找出來(lái)并進(jìn)行整理并分析。通過(guò)熟悉主流的數據模型的產(chǎn)出邏輯，并從中找到規律，創(chuàng )造出適用于自己團隊的數據模型。

　　5、數據驗證

　　通過(guò)核心指標判斷設計方案是否符合預期，以此驗證設計方案是否成功，并為后續產(chǎn)品的迭代優(yōu)化做依據。

　　1.關(guān)注設計的核心指標

　　設計過(guò)程中，要關(guān)注設計的核心指標，針對于核心指標，進(jìn)行針對性的設計。

　　如果改版的最重要（核心）的指標是任務(wù)流程完成率，先查看用戶(hù)操作流失率，然后分析找出流失原因，給出對應的優(yōu)化方案。等到優(yōu)化方案的產(chǎn)品版本上線(xiàn)后，對比完成率數據變化。

　　如果改版的最重要（核心）指標是人均觀(guān)看次數，則要思考可通過(guò)哪些設計策略可提升產(chǎn)品的人均播放次數。

　　舉個(gè)例子，新浪微博，以前版本用戶(hù)看完視頻后，視頻會(huì )有重播按鈕和推薦視頻，用戶(hù)只有進(jìn)行下一步點(diǎn)擊才能播放下一個(gè)視頻。改版后看完視頻會(huì )自動(dòng)切換到下一個(gè)視頻。這樣的設計策略雖然綁架了用戶(hù)的行為，用戶(hù)從一個(gè)主動(dòng)接受者，變成了一個(gè)被動(dòng)接受者，但是這種策略能有效的提升人均播放次數。

　　2.核心指標帶來(lái)的價(jià)值/收益

　　當驗證了核心指標往好的方向發(fā)展，這時(shí)候，就需要總結核心指標帶來(lái)的價(jià)值和收益，這樣的話(huà)設計價(jià)值才可以直接被量化。

　　舉個(gè)例子：一個(gè)banner的點(diǎn)擊率達到3%的時(shí)候，每天GMV約200萬(wàn)，當重新設計了這個(gè)banner，同時(shí)其他條件保持不變，點(diǎn)擊率提升到了6%，這時(shí)候通過(guò)數據查看每天的GMV是多少，如果達到了400萬(wàn)，那么這增加的200萬(wàn)則是通過(guò)設計優(yōu)化所帶來(lái)的。

　　數據驗證總結后有四步：

　　1.關(guān)注改版的核心指標

　　2.核心指標帶來(lái)的價(jià)值/收益

　　3.確定上線(xiàn)時(shí)間

　　4.對比上線(xiàn)前后數據變化，進(jìn)行驗證

　　歡迎關(guān)注，關(guān)注就送好資料