2018-03-27 精益数据分析 from 云课堂
（1）认识数据——数据分析的误区
1.容易忽略沉默用户的需求
2.过分依赖数据会限制灵感与创意，数据只能作为一个手段
3.错判因果关系与相关关系，不能搞混
4.警惕表达数据的一些技巧，要客观清晰！
5.不要妄谈大数据
5.1大数据三要素：用全样本数据，注重相关关系，全新的计算方法。
各种混杂数据的简单相关性计算
《大数据时代》
（2）获取数据
1.web网站数据指标：
百度搜网站分析工具就很多
免费的网站排名工具：
Alexa，中国网站排名，网络媒体排名
免费的网站监测工具：
Google Analytics，百度统计，CNZZ网络分析
容易混淆的名词：
跳出率：从这个页面进出的比例 退出率：从任何页面进这个页面出的比例
访问量：看sessionid 访客数：UV 看cookie 浏览量：PV
2.移动指标与工具
用户获取：下载量，安装激活量，激活率，新增用户数，用户获取成本
用户活跃与参与：日活月活，活跃系数，平均使用时长，功能使用率
用户留存：次日留存，7日留存，30日留存
用户转化：付费用户比例，首次付费时间，用户平均月营收，付费用户平均每月营收
获取收入：收入金额，付费人数
移动应用分析工具：
国外分析工具：flurry Google Analytics
国内分析工具：友盟 takingdata
crash分析：crashlytics
3.电商类数据指标与工具
销售额，客户数（老客户，新客户），客单价，转化率，UV，详情页UV，订单数，妥投及时率，重点商品缺货率。
流量增长来源：PC细分到媒体，App端可以分为Android（渠道包），ios可以（IDFA或者跟踪工具跟踪来源）
客单价增长因素：件单价和人均购买件数变动
转化率增长因素-转化漏斗：UV-详情页UV-提交订单-支付成功
详情页来源：从各种渠道进入。
4.UGC数据指标
访客参与度指标：访客数，停留时长，产出内容（点赞访客数赞比等等）
热度=分享+推介+点赞
（3）数据分析
1.数据基本分析方法，对比分析：
横向对比——跟自己比
纵向对比——跟别人比
注意点：升级新版本的用户是最活跃的用户，而新版发布前老版本的用户是当前活跃的整体用户，如果直接比较会产生数据上的偏差。通常做此类分析我们会选择两个版本发布初期的新用户，保证对比指标之后的其他因素尽可能保持一致。
图表分析：数据多的时候快捷方式就是使用excel等画出图标来使得数据更加直接。
象限分析：依据数据的不同，将各个主体划分到四个象限中。（比如数量指标和质量指标）
交叉分析：把数据在不同纬度交叉展现，同时进行横纵对比，从而发现最为相关的维度来探求数据变化的原因。
（版本维度，渠道维度，时间维度）
2数据基本分析框架
区别：更像是分析思路，在面对产品问题时，告诉我们如何去开展数据分析的工作。
PEST分析理论：政治经济社会技术
5W2H分析框架 what when who where what how howmuch
SWOT分析：优势，劣势，机会，威胁
SMART分析：用于目标管理，分别由「Specific、Measurable、Attainable、Relevant、Time－based」五个词组组成
4P理论：产品(Product)、价格(Price)、渠道(Place)、宣传(Promotion)
数据分析最重要的框架：AARRR模型，用来分析新公司和新产品的可行性的时候，提出赢得客户需要建立的五个阶段。
获取Acquisition 激活Activation 留存Retention 收入Revenue 推介 Refer
获取：曝光数，点击数，打开率，下载量，安装量，用户获取成本
激活：设备激活量，新注册用户数，订阅数量，事件达成数，浏览数，日活
留存：次日留存，7日留存，距离上次时长，DAU/MAU，7日回访
收入：付费率，付费频次，客单价，用户价值
推介：转发数，邀请数，评论数，K因子
用于渠道分析时候，就可以用aarrr模型来比较哪种渠道更加完善，数量和质量要同时考虑。
3.数据分析框架：逻辑分层拆解。
寻找与核心指标有逻辑关联的指标。不停细分。
核心指标分成若干相关指标，各个相关指标再细分，以此类推。
4.数据分析框架：漏斗分析
转化率增长因素-转化漏斗：UV-详情页UV-提交订单-支付成功
注意点：转化率需要同期对比，漏斗分析可以细分漏斗，在流程不匹配的时候，Google Analytics能提供真实流程的方法。
5数据分析容易遇到的坑：
在图标中增加趋势线，可以防止数据变化的漏判。
样本量的大小会带来误差，决定其大小的因素，一是总体大小，二是总体内部的差异程度。整个网易用户调研需要千人级别，网易小说调研样本需要百人级别。
平均数：要去除极大值和极小值的情况，只有在正态分布才能客观反映平均，如果是长尾分布，就需要挑选数据集中的部分来反映平均。
辛普森悖论：即在某个条件下的两组数据，分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论，为了避免辛普森悖论出现，就需要斟酌个别分组的权重，以一定的系数去消除以分组资料基数差异所造成的影响，同时必需了解该情境是否存在其他潜在要因而综合考虑。
（4）数据驱动产品
发现问题 确定指标 产品设计 开发测试 产品上线 数据验证
形成数据的闭环。
推荐的数据分析学习网站：
1.网站分析在中国
2.蓝鲸的网站分析笔记
推介书籍：
《精通web Analytics 2.0 ——用户中心科学与在线统计技术》
《流量的秘密》
