数据分析实战宝典-PM
2021-11-17 15:42:24 4 举报AI智能生成
登录查看完整内容
产品经理需要了解的数据分析，最后有推荐书籍
作者其他创作
大纲/内容
需求：按照用户需求增加了产品简介
分析：部分用户观点无法代表用户真实体验
分析：产品经理主观感知无法代表用户真实体验
结果：视频简介，分散用户注意力，注册点击率下降
前置问题（注册点击率下降）
PM只能模拟用户，但是无法还原真实使用行为
instagram的burbn签到换成图片设计
通过数据观察用户行为
不是坐在办公室模拟或者假设
通过数据分析迭代产品
改进迭代后要评估效果，不能只靠PM主观感受
注册转化率提升
通过数据分析洞察用户
关注企业商业指标、产品本身指标
通过数据分析验证产品
PM要拿数据说话
发声用户VS沉默用户
先入为主就容易造成，人们喜欢看到自己想看到的结果，导致为论点找论据
先入为主VS保持客观
数据分析并不代表做完一份报告
用户数据-数据分析-产品优化循环不断迭代
报告驱动VS业务驱动
产品数据分析如何避免踩坑
为什么产品经理要做数据分析
对数据分析价值认同
既不否定，也不神化成万能钥匙
利用大数据分析为所有职场人员做出迅捷、高质、高效的决策，提供有指导意义的洞察和可规模化的解决方案
Empower(助力)
Optimize（优化）
Innovate（创新）
对核心、战略及风险任务起到了下面三大作用
数据分析工作定位
要对企业的行业背景、业务含义、产品和用户有深刻认知
背后含义：用户使用--产生数据--业务变现
数据分析的商业模式
价值
数据规划
数据采集
数据分析
数据决策
用户
业务系统：ERP/CRM/OA...
采集平台:采集，清理，转换
ETL/ELT
EDW/ODS
数据仓库
OLAP
DM（Data Mining）数据挖掘
BI（Business Intelligence）商业智能
决策
行为
回归到用户
数据分析框架
Acquisition（获取）
Activation(激活)
Retention（留存）
Revenue（变现）
Referral（推荐）
AARRR增长黑客（海盗法则）
构建（build）产品
idea
衡量（measure）用户和市场反应
product（MVP）
不断学习（learn）
优化
data
分析上的学习引擎
方法论
链接标记
渠道归因
漏斗分析
分群分析
留存分析
同期群分析
用户细查
热图分析
A/B测试
...
具体方法
采集工具投入80%时间收获20%的价值
分析工具投入20%时间收获80%的价值
工具的重要性
采集
Hadoop、Hive、SQL、Excel等
清理
Tableau、Echart、Excel、PPT等
可视化
数据建模
统计分析
数据科学
R、Python、SAS、SPSS、Matlab、Excel等
Google Analytics、百度统计等
网站流量分析
GrowingIO、Mixpanel、Kissmetrics等
用户行为分析
Python、Java、Google Analytics、GrowingIO等
选择合适工具
工具
数据分析能力搭建三个层次
排序
筛选
去除重复项
分列
异常值处理
透视表
数据处理
柱状图
条形图
扇形图
折线图
散点图
气泡图
面积图
股价图
曲面图
雷达图
数据可视化
加载分析工具库
描述统计
假设检验
方差分析
回归分析
Excel（求和、画图等）
适用于、Microsoft Access 、MySQLserver、oracle
执行SELECT/UPDATE/INSERT/DELETE等操作
得到.xls和.csv的格式表格，然后进行分析
了解数据库基础知识（表、字段、记录、属性、关系、主键等概念）
SQL
解决海量结构化日志数据
搭建在Hadoop的一个数据仓库
对网站访问日志、PV/UV的流量数据统计基本不是问题
Hive
抓取数据，导出数据
数据分析，数据可视化
使用Python包
数据分析：pandas库
数据可视化：matplotlib库
Python（网络爬虫）
Desktop、server、Online三个版本
Tableau（数据可视化工具，数据图表和数据仪表盘）
跟踪网站访问
Adwords打通追踪推广效果
Google Analytics（国内百度统计/友盟统计）
流量监测
转化分析
用户分群
图表分析
活跃度分析
GrowingIO/诸葛IO/Mixpanle/kissmetrics等数据分析平台
PM数据分析的常用工具
挖掘业务含义
制定分析计划
拆分查询数据
提炼业务洞察
产出商业决策
数据分析基本思路
内部可控：立即执行
外部可控：相关渠道
内部不可控：协调沟通
外部不可控：确定假设
内外因素分解法
Detailed Question具体问题
Overall influence整体影响
single answer 单一回答
scaled soulution 规模化方案
Doss分析法
常见数据分析方法
聚合符合某种特定行为的用户，特定优化和分析
画像分群
迅速了解市场、用户、产品特征的基本表现，切分不同维度指标，定位优化点，进行决策
趋势维度
确定从先到后的用户使用路径
分析每一个节点的转化数据
定位高损耗节点
漏斗洞察
关注用户体验
掌握用户使用习惯
行为轨迹
留存老用户成本要低于获取新用户成本
获取各渠道用户的留存度
各类内容吸引用户来注册的回访率
其他新功能对于用户的回访影响
对比不同产品设计/算法对结果的影响
要有足够的时间进行测试
数据量和数据密度较高
必备因素
商业目标与多种行为、画像信息有关联性
将多种信息进行组合和权重，得到模型
数据挖掘进行建模，预测商业结果的产生
优化建模
数据分析的应用手段
PM数据分析常用方法
数据分析体系
深入浅出数据分析
深入浅出统计学
基础理论
大数据时代
增长黑客
精通业务
精益数据分析
精通Web Analytics
数据之美，一本书学会可视化设计
商务智能
谙熟方法
SQL必知必会
利用Python进行数据分析
R语言实战
运用工具
推荐书单
总结
数据分析实战宝典-PM
0 条评论
回复 删除
下一页
