产品经理角度看数据分析和数据埋点

2017-11-13 本文已影响64人我才是沐先生

首先声明：PEST模型、SPSS、R语言、5W2H、爬虫抓取、SAS、Python等一切“高深莫测”的内容都不在本文讨论范围内，各位请放心阅读。[标题备选：关于数据分析和数据埋点，80%的产品经理知道这些就够了]

一提到数据分析，总能听到看到上面这些牛X闪闪的词汇，把人唬得一愣一愣的，不敢靠近。实际上，这些东西太过于专业和学术，以致于大多数产品经理在实际产品工作中根本用不到，所以本文将从普遍、实用、落地的角度，总结分享自己对数据分析和数据埋点的理解。

文章总体逻辑：

① 掌握数据分析工作中常用的名词和概念；

② 将这些名词和概念用逻辑串起来。

名词1：数据分析

数据分析的定义不少，其中最适合产品人的定义应该是：

数据分析是有目的地进行收集、整理、加工和研究数据，提炼有价值信息的一个过程。

关键词有：「有目的」「收集」「整理、加工和研究」「有价值信息」

关键词①：有目的——为什么要做数据分析？

于产品：挖掘需求、验证产品、科学迭代

于运营：提高留存、促进活跃、减少流失

于市场：渠道评估、拉新优化、权责清晰

关键词②③④暂且放一放，因为在解释这几个关键词之前，我们需要先了解一些名词概念，它们是知识基础。

名词2-7：

PV：page view，页面浏览量；

UV：user view ，页面访问独立用户数；

新增：新增用户（准确来说，移动端埋点统计到的是新增的“设备”）；

留存：次日留存/周留存/月留存，分别表示当天新增用户在第二天/第七天/第三十天还有多少人在使用（可以具体定义到某一事件）；

活跃：DAU（daily activited users）日活跃用户；MAU（monthly activited users）月活跃用户；

渠道：用户来源，例如用户访问来源是百度搜索、微信活动或者App下载平台是应用宝、豌豆荚；

名词8：事件

事件指用户的行为或操作，例如启动App、搜索商品、浏览详情、提交订单、支付；

“事件”应该算是数据分析里最重要的概念和元素了，它是其它一切的基础。

名词9：漏斗模型/漏斗

漏斗是用事件组合成的一系列用户操作过程；

使用漏斗模型可以分析出每一步的转化和流失情况；

名词10-11：转化率、流失率

通俗点讲，转化率是指后面事件的次数/人数占前面事件次数/人数的百分比；

例如100名用户浏览商品详情，15人下单，那这一步的转化率就是15%；流失率反之，为75%。

名词12：用户路径

用户进入产品后，各事件触发的先后次序；

名词13：用户画像

用户的更多信息，例如性别、年龄、职业等；

名词14：用户分群

将用户归类；分群原理：基于事件；

名词14：A/B测试

同一需求或目标用不用方式实现，看哪种方案效果好；

逻辑串联：

事件怎么来——埋点

埋点分为后端埋点和前端埋点，事件对应的前端埋点是指在UI层埋下标记，当用户触发后会进行记录。