产品之数据分析

构建数据分析模型

在需求设计阶段，已经明确自己的数据分析需求：（以视频的下载功能为例）

1.确认数据漏斗/模型

eg：icon曝光——>icon点击——>功能开始——>功能进行——>功能完成

分析维度包含：

a.人数与次数

b.绝对值与相对值

c.环比与同比（明确对比周期很重要，针对某个具体功能，一般需要比较相同周期-工作日/节假日/寒暑假等；相同用户基数；相同用户特征）

PS:如果不能明确漏斗，最简单的方法，把功能拆解为前中后三个环节，罗列每一个环节的要素，串联整个漏斗

2.明确数据指标在整个漏斗/模型中的位置

所有指标均为漏斗中的某一环节，明确漏斗的起点与重点，明确指标位置，确定指标的必要性与关联项很重要（例如下载功能的起点可以追溯到可下载资源的曝光甚至更上层）

指标位置：

例如：研发同学进行了一项技术上的优化，提升了下载速度，则一方面我们要看速度本身的数据表现，即平均下载速度、下载所用耗时，直接数据表现处于漏斗中的下载开始之后

3.明确指标的关联项影响

指标关联：

例如：下载速度提升可能带来的影响——下载完成率提升（用户暂停或者删除的少了）、下载人数/次数增加（体验的优化带来的功能数据表现）、下载带宽增加、留存提升（假设有下载行为的用户留存高于无下载用户）

4.根据数据结果不断调整模型

北极星指标非一成不变，在产品的不同阶段甚至不同条件下，都会不同

数据解读

带着目的解读数据：

数据分析是一个验证的过程，而不是一个由数据表现推测结论的过程，往往在数据分析结果出现之前，我们应该已经明确了数据的可能跟表现与原因

数据分析要保证唯一变量：（ABtest原则）

依据数据模型与数据指标对数据进行分析，其中选择数据对比对象很重要，对比时，需要保证指标的唯一变量，多个指标同时变化，则对比无意义。数据指标维度一般包含：

1.人群特征：

新增/日活、不同渠道来源（主动下载/被推广等）、不同画像（性别、年龄、地区、职业等）

2.时间段：

工作日、节假日、寒暑假、发版前后、周期（7天、一个月、半年等）

3.数据基数：

日活数、功能使用人数

4.其他特殊事件影响：

热点事件发生（发布热点新闻）、热剧完结（针对视频应用）、其他应用相关大事件（发布其他新功能、发布活动等）