《数据分析思维》
2022-07-03 22:14:55 0 举报
AI智能生成
登录查看完整内容
为你推荐
查看更多
form豆瓣,内容简介:本书中的24种模型就是一个应对复杂世界的思维工具箱。各行各业、各种需求的所有人都可以根据此书建立专属于自己的思维工具箱,成为一个多模型思考者。它将帮助你整理数据、提取信息、去伪存真,在决策时让你知道选择什么样的模型,选取一个模型还是几个模型。而这是现代高手必备的一种大智慧。
作者其他创作
大纲/内容
用户数据:姓名、性别、年龄等
行为数据:浏览过哪些产品、购买了哪些产品等
产品数据:产品名称、产品类别、评论等
数据分类
日新增用户数
活跃率
留存率
用户数据指标
获客渠道→新增数→推广效果
日/周/月活跃用户数,活跃率=活跃用户数/总用户数
评估产品功能对用户的黏性,分为次日/第7日/第30留存率=在第N天使用过产品的用户数/第一天新增的用户数
PV(一定时间内访问某个页面的次数)和UV(一定时间内访问某个页面的人数)
转发率:“病毒式”推广
转化率
K因子:用来衡量推荐效果,即发起推荐的用户可以带来多少新用户
行为数据指标
了解用户喜欢产品的某个功能,或不喜欢某个功能,从而优化产品。
= 转发某功能的用户/看到该功能的用户数
购买产品的人数 / 所有到达店铺的人数
当K>1时,新增用户数会增加
当K<1时,新增用户数到某个规模时会停止增长
平均每个人用户向多少人发出邀请*转化率
总量
人均付费=总收入/总用户数
付费用户人均付费=总收入/付费人数
人均访问时长=总时长/总用户数
人均
付费率=付费人数/总人数:产品的变现能力和用户质量
复购率=重复购买用户数/付费人数:用户的付费频率
付费
热销产品
好评产品
差评产品
产品
产品数据指标
成交数额、成交数量、访问时长
找出好产品重点推销,不好的产品分析原因
好的数据指标应该是比例
根据目前业务重点,找到北极星指标
选择指标
换算成一个比例
衡量业务的核心指标
什么是指标体系
监控业务情况
拆借指标寻找当前业务问题
找到下步工作方向
明确KPI找到一级指标(评价公司或部门运营情况的核心指标)
了解业务运营情况,找到二级指标(对一级指标进行拆解)
梳理业务流程,找到三级指标(对二级指标进行拆解)
如何建立指标体系
这个指标在业务上表示什么?
指标怎么定义
什么地方收集原始数据、统计时间范围
确定统计口径
需求分析
建立指标体系
设计展示
编写需求文档
报表开发
通过报表监控,不断更新指标体系
目的
哪些指标可以呈现这个目的
指标体系有什么用
指标体系和报表
指标+体系(业务指标有系统的组织起来)
业务指标
表现为:我觉得、我感觉、我认为
没有数据分析意识
表现为:做了很多图表发现不了业务中存在的问题
统计式的数据分析
只会使用工具的数据分析
存在的症状
是什么
有什么用
如何用
注意事项
分析思维的出发点
what(是什么)
when(何时)
where(何地)
why(为什么)
who(是谁)
how(怎么做)
how much (多少钱)
5W2H分析方法
对所有的现象进行追问
再追问两个问题
将复杂的问题拆解成若干个简单的子问题,像树枝那样逐步展开
逻辑树分析方法
此方法不会单独存在,会融合在其他分析方法里辅助解决问题
对公司有什么影响?
政策(Policy)
决定着公司未来市场能做多大
经济(Economy)
一个地区的人口、年龄、收入分布、购买习惯、教育水平
社会(Society)
外部技术对公司发展的影响
技术(Technology)
行业分析方法(PEST分析方法)
子维度1
子维度2
子维度N
指标构成
业务流程
多维度拆解分析方法(A=维度1+维度2+....)
单一分析指标的构成
各个环节的构成
和自己比:和自己过去的历史数据比较
和行业比:和行业平均值数据比较
和谁比较
平均值
中位数
某个业务指标
数据整体的大小
变异系数=标准差/平均值
数据整体的波动
衡量数据波动情况
时间折线图
环比
同比
趋势变化
1.从过去到现在发生了什么变化;2.预测未来的动向
和上一个时间对比,观察短期的数据集
与去年同一个时间段对比,观察长期的数据集
如何比较
对比分析法
注意比较对象的规模保持一致
3个维度(用户、产品、竞争)
4P营销理论(产品、价格、渠道、促销)
从业务流程提出假设
提出假设:针对要解决的问题提出假设
收集证据:证明材料
得出结论:证明假设成立
假设检验分析方法(底层思想:逻辑推理 )
可以运用多维度拆解法
一般相关系数的值大于0.6或者小于-0.6,表示两种数据之间的高度相关
相关系数的数值正负反映两种数据之间的相关方向
得到相关系数:衡量两种数据之间的关联程度
相关分析方法
使用散点图给出相关系数
目的:常用来分析用户留存率(流失率)随时间发生来了哪些变化
找到留存率低或高的一组,使用假设验证、相关分析等方法研究存在的原因
使用折线图观察具体变化
按某个特征将数据分组,然后比较
群组分析方法
间隔(Recency)
频率(Frequency)
金额(Monetary)
RFM分析方法
R、F、M根据不同业务定义不同
R、F、M根据具体业务指定打分规则(一般在1~5分)
R、F、M指标可以灵活与其他分析方法结合
将用户分为8大类,针对不同用户使用不同策略
渠道曝光
转换率
语言
产品投放到什么地方才能最大限度的让用户看到
渠道
获客成本(低)
获取用户(Acquisition)
“啊哈时刻”:用户情不自禁的喜欢上产品两点、发出赞叹的时刻
活跃率指标:各个阶段的活跃率,即完成度的比例
激活用户(Activation)
让用户变成回头客,提高复购率
让用户养成使用习惯
提高留存(Retention)
使用群众分析方法找到原因,关注留存率
衡量业务总量的指标
衡量每个人平均情况的指标
衡量付费情况的指标
关注”夹点“:损失潜在收益的地方
增加收入(Revenue)
传染物本身:对自己产品的足够了解
传染物发挥作用所需的环境:用户所在环境
人们传播传染物的行为:病毒式营销(转发率、转化率、K因子)、自传播
推荐(Referral)
AARRR模型分析方法
如何赚到更多的钱
环节转化率=本环节用户数/上一环节用户数:衡量相邻业务环节的转化情况
整体转化率=某环节用户数/第一环节用户数:衡量从第一环节到该环节为止(初始环节)的转化情况
定位问题节点,衡量业务每个环节的转化效率,从而找到问题出在哪个环节
通过各环节的转化率与行业内平均值对比,找到瓶颈点,持续优化调整
漏斗分析方法
分析方法
解决比较单一的问题
通过整体到局部的分析看到内部存在的差异,防止出现“辛普森结论”
通过将问题、假设、数据从上到下连接起来,使用数据做决策的过程;分析原因的过程也称归因分析
相关关系≠因果关系;使用“单变量控制法”观察个别因素对实验结果的影响
对用户的精细化管理
分析产品的用户行为,在不同阶段制定不同运营策略,实现客户增长
数据分析思维
0 条评论
回复 删除
下一页