数据分析思维-思维导图
2023-05-26 16:28:07 25 举报
AI智能生成
登录查看完整内容
为你推荐
查看更多
1
作者其他创作
大纲/内容
表现为哪些现象
明确问题决定了分析范国,而错误定义问题会缩小分析的范围.时刻提醒自己:数据分析不是主观的腌断,是一种客观的分析
1.明确问题
1.哪里出了问题? (多维度拆解)
2.为什么会出现这个问题? (假设检验、相关分析
2.分析原因
如何应对? (回归分析、AARRR)
3.提出建议
解决问题的过程
时间
地点
数据来源
明确数据来源和准确性
指标含义
问题本质上是指现状与理想状态之间的差距。因此不知道理想的状态是什么,就无法比较,从而就无法确定问题。
和谁比
业务指标理解
如何明确问题
1.使用“多维度拆解分析方法”对问题进行拆解,将一个复杂问题细化成各个子问题
2.对拆解的每个部分,使用“假设检验分析方法”找到哪里出了问题。分析的过程可以用“对比分析方法”等多个分析方法来辅助完成
3.在找到哪里出了问题以后,可以多问自己“为什么出现了这个问题”,然后使用“相关分析方法”进行深入分析
如何分析原因
以费比下降为例
根据分析结论提出建议
常用的分析方法是回归分析或AARRR模型分析方法
如何提出建议
用数据分析解决问题
实战:如何应用第一篇的方法来解决工作中的问题
业务模式
点击次数,点击率,点进概率,弹出率
免费试学阶段
付费购买课程阶段指标
出勤率,完课率
上课学习阶段指标
评价数,好评率
课程评价阶段指标
业务指标
在线教育行业案例
名片表上的众多指标
通话数据如何构建分析指标
手里有一堆数据,如何利用
缺少数据思维,不知道自己需要哪些数据
需要的数据无法正确反馈解决遇到的问题
业务部门不满意,觉得分析不够深入
阅读前的问题
看懂数据
理解数据,懂得从数据中发现业务指标
知道常见指标
使用指标分析数据,使用数据分析问题
为什么要学习业务指标——在能力上
好处
明确定义
前端名片信息
用户数据
落地页行为
行为数据
产品数据
数据分类
如何理解数据
展现 点击 发起 有效 名片 机会 转化
同样对应转化漏斗
获取,新增,活跃,留存,流失
用户数据指标
PV和UV,点击转化率,支付转化率,页面跳出率,按钮发起率
PV和UV,转发率,转化率,K因子
K因子=平均每个用户向多少人发出邀请×接收到邀请的人转化为新用户的转化率。分界点是1
行为数据指标
成交总量
成交数量
访问时长
总量
客单价
人均付费
人均访问时长
人均
付费率
复购率
付费
热销产品
好评产品
差评产品
产品
产品数据指标
从产品的绝对衡量哪些产品好,哪些产品不好
例如:开屏广告
展示位广告
搜索位广告
信息类广告
推广付费指标
常用的指标有哪些(指标是统一的标准)
分析报名数据,直接给出某子站点报名合同数500是较难直观理解的,但是如果给出机会数5000,得出报名转化率为10%,和子站点平均值5%相比,得出这个子站点的报名情况较好
方便更好的理解数字的真实含义
好的数据指标应该是比例
在公司/业务发展的不同阶段,这个指标也不同
现阶段全公司核心指标是费比,中原可能是费比+业绩
根据业务重点,找到业务重点指标
如何选择指标
指标体系=指标+体系,从不同维度梳理业务,把指标有系统的组织起来
什么是指标体系
监控业务情况
通过拆解指标寻找当前业务问题
评估业务可改进的地方,找出下一步工作的方向
指标体系有什么用
1.明确部门KPI,找到一级指标
2.了解业务运营情况,找到二级指标
3.梳理业务流程,找到三级指标
4.通过报表监控指标,不断更新指标体系
如何建立指标体系
指标业务含义,指标定义,数据来源
每个指标可以从三个方面确定统计口径
没有一级指标,抓不住重点
指标之间没有逻辑关系
拆解的指标没有业务意义
一个人就完成了,不和业务部门沟通
建立指标体系的注意事项
指标体系和报表
没有数据分析意识,靠感觉
这个月销售额下降了
统计式数据分析
只会只用工具,不会分析解决问题
前置问题
是什么?先知道这个知识什么?
有什么用,知道在什么场景下使用这个知识
如何用,通过实际例子看这个知识如何使用
使用这个知识的注意事项
从4点出发学习
分析方法概述
what when where why who
how howmuch
是什么
可以解决简单的问题
有什么用
在复杂的商业问题面前不起作用,因为复杂不是一个原因,而是多个原因引起的
注意事项
5W2H分析法
北京人口
有钢琴的比例
有多少架钢琴
一年一次
钢琴每年调音几次
一次2h
调音一次多长时间
全部钢琴调音师1年的总工作时间
工作总时长
交通时长
一位调音师每年工作时间
北京有多少钢琴调音师
建设BI系统
把复杂问题拆成若干个简单的子问题,然后像树枝那样逐步展开
逻辑树案例
可以把一个复杂问题变成容易处理的子问题
在解决业务问题时,该方法经常不是单独存在的,会融合在其他分析方法里,辅助解决问题
逻辑树分析方法
指对公司发展的宏观环境分析,从四个方面:政策,经济,社会,技术
需要对外部环境,竞争环境,行业问题等进行分析
行业(PEST)分析法
把问题拆解成=维度+维度+维度
整体拆分成部分,可以看到内部的差异
将复杂问题变成简单问题
如何拆呢
业绩下降
从指标构成拆解
进店多,但是购买率低,所以质量更差
从业务流程拆解
怎么用
多维度拆解分析方法
没有对比,就没有好坏
价格锚定
追踪业务问题
A/B测试
和自己比
和行业比
数据整体的大小:平均值,中位数
数据整体的波动:变异系数(标准差除以平均值)
趋势变化:时间折线图,环比,同比
如何比较
要注意和比较的对象的规模要一致
对比分析法
提出假设
收集证据
得出结论
假设检验方法三步骤
美军的中途岛情报
提高逻辑思维能力
分析问题发生的原因(归因分析)
1.从用户,产品,竞品三个维度
产品不能满足用户需求
价格和竞争对手比没有优势
价格
某个地区渠道无货
渠道
活动促销没有效果
促销
2.4P营销理论
假设法,对比法,多维度的综合检验
3.业务流程
如何提出假设
不能主观猜测,要用证据证明结论
假设检验的3步是一个不断重复的过程
灵活使用多重分析方法
使用分析思路图
假设检验分析方法
研究两种或两种以上数据之间有什么关系
A和B之间的关系或影响
通俗易懂
有什么用
-1,1
相关系数
散点图
计算的时候剔除异常值
计算多个相关系数
哪些因素和分析目标相关
如果用
但是很多时候没有因果关系
相关关系不等于因果关系
如果判断?单一变量控制
什么时候用
相关分析法
也叫同期群分析方法。指按某个特征,将数据分为不同的组,然后比较各组数据,即数据分组进行对比
留存(流失)分析
金融逾期分析
找到留存率低的组,然后分析这些组
如何用
需要注意如果分组
根据业务,灵活分组
群组分析方法
R 用户最近一次消费距现在的时间间隔
F 消费频率,用户一段时间内的消费次数
M 消费金额,用户一段时间内的消费金额
通过三个指标对用户分类的方法
用户分类规则
对不用用户,制定不同的营销策略
使用原始数据计算RFM值
给三个值按照价值打分
计算价值平均分,得出数值的高低
和用户分类规则表比较,得出用户分类
RFM对用户分类步骤
如何定义RFM指标,不同业务下定义不同
如何按价值打分:确定打分的规则
RFM三个指标可以灵活的和其他分析方法配合使用
RFM分析法
获取用户:用户如何找到我们
激活用户:用户的首次体验如何
提高留存:用户会回来吗
增加收入:如何赚到更多的钱
推荐:用户会告诉其他人吗
对应产品运营流程
帮助分析用户行为,为产品运营制定决策,从而实现用户增长
渠道曝光量:有多少人看到产品推广的信息
渠道转换率:有多少人因为看到广告转换成用户
日新增用户数:每天新增用户是多少
日应用下载量: 每天有多少用户下载了产品
获客成本:获取一个客户所花费的成本
1.获取用户: 用户如何找到我们?
需要关注“啊哈时刻”和活跃率指标。 (啊哈时刻: 用户情不自禁地喜欢上产品亮点、发出赞叹的时刻)
2.激活用户: 用户的首次体验如何?
需要关注留存率指标
3.留存: 用户会回来吗?
用来衡量业务总量的指标,例如成交总额、成交故量
用来衡量每个人平均情况的指标,例如客单价
用来衡量付费情况的指标,例如付费率,复购率
退费挽回
注:“夹点”:指的是损失潜在收益的地方。
4.增加收入: 如何赚到更多钱?
推荐,也叫病毒营销或者自传播。
传染物本身 一 要对自己的产品有足够的了解。
传染物发挥作用所需的环境 一 指用户所在的环境
人们传播传染物的行为 一 需要关注的指标有转发率、转化率、K因子
引爆一种流行病需要三个条件
5,推荐: 用户会告诉其他人吗?
要坚持把每一次营销当作一种产品体验理念的实现,让用户分享的奖励不能华而不实
奖励要与产品的核心价值有关
AARRR模型分析法
衡量业务流程每一步的转化效率
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的总体的转化情况
指标
作用:“定位问题节点”。即找出问题的业务环节在哪
常用于用户转化分析或者用户流失分析
关注两个指标:用户转化率和用户流失率
根据业务流程进行细分,得到环节转换率和整体转化率
然后使用对比分析方法和行业平均值方法来比较,找到急需解决的转化薄弱点
沟通寻找原因,找到原因后针对性的对商品进行调优和改善
不同行业的业务流程不一样,所以漏斗分析图也不一样。要结合所在行业的业务特点,让分析结果具有业务指导性
漏斗分析方法
分析方法详解
方法:指标、分析方法以及如何用数据分析解决问题
数据分析思维
收藏
收藏
0 条评论
回复 删除
下一页