產品數據分析需要注意哪些問題？

01-06

我們開發了一款居於興趣社交的產品，目前已經開始有一些用戶量了，老闆想讓我做這個產品數據的分析，我是新來做這塊的，求高手指教。

每個網站分析的重點都不一樣，電商網站偏向流量和成交，資訊網站偏向閱讀，工具產品偏向使用頻次等，產品的差異性決定了所要分析的數據肯定也是大不同的。但是，運營一個網站總的分析維度有這些：

1、網站流量

主要是指PV/UV等最常見的數據指標，肯定是每個網站都要關注的指標，單單關注這個指標還不夠，重要的是要關注訪客最終的轉化的情況，新訪客是否註冊了、是否下載了、最終是否購買了；老訪客來幹嘛了，參加活動了還是購買了......轉化率是最重要的標準哦，你們網站定義的轉化標準是什麼，你就按自己的標準去分析轉化率。

2、訂單數據

訂單肯定都是每個必然、肯定關注的指標，因為訂單的多少決定了網站的商務盈利模式，訂單總量、優惠券補貼、訂單來源、訂單全國地域分布等，這些都要了解的，涉及推廣、渠道、盈利等重要問題，不過你們剛開始可能還不涉及訂單這一塊的分析。

3、用戶數據

對於網站來說，用戶是上帝，用戶的一切行為決定了網站的運營情況，用戶註冊、登錄、購買等行為必須要研究分析。

用戶模板：

https://me.bdp.cn/share/index.html?shareId=sdo_a77fa6b9e48a19e02cc2923f46618344

4、推廣數據

每個網站漸漸地或多或少都要進行推廣，或付費或免費，但是不能白白進行推廣工作啊，肯定要統計渠道效果的啊，不然白白投錢啊。

推廣模板：

https://me.bdp.cn/share/index.html?shareId=sdo_1aca4cbbcad96dc7559d0ba1ad2be5a1

5、APP渠道數據

既然是APP產品，那肯定還要分析APP渠道數據啊。

https://me.bdp.cn/share/index.html?shareId=sdo_58740e7b1b7ffcc193443fe7535200d1

6、營銷活動數據

每個網站都要經常做一些活動，慢慢的你們也會做一些活動，so活動分析也很常見咯！

https://me.bdp.cn/share/index.html?shareId=sdo_049b5e54855b2b40c205ee93bd84982b

這6個方向是很常見的分析方向，還要很多其他的，比如微信公眾號分析、商品數據分析、微博數據分析、營銷簡訊數據分析等等，其他可以按照以上的思路和分析方法去自定義分析！希望能幫到你

謝邀

兄弟真是Tencent的么？據我所知這個公司沒有量化交易這個崗位啊！我想，下面這篇文章或許已經完美回答你的問題了。文章轉自數據客，公眾號ID：dashuju234

分析產品數據需要注意哪些坑？

作者：@凱撒follwer

大家的討論都很給力，我就說點我對數據分析的整體認識：

其實在之前的「遊戲數據分析」的帖子裡面我就已經提到了分享會中對於數據分析的誤區，錯誤的將使用AARRR這類『高逼格』的模型來造成一種為了數據分析而分析的誤區。其實在做數據分析之前，要搞清楚兩點：WHY和HOW

之前在國外的論壇中有看到關於數據分析的細分，英文單詞是Segmentation，Segmentation的原意是分割。怎麼理解呢？試想想，當大量的數據擺在面前是無非直接去分析的，能夠做的就是細分。明白這一點之後，我們來從Why 和 How 上來簡單說說：

Why

無論是談業務，講解好的商業模式，還是做產品，會伴隨一個簡單的問題：這個商業模式、業務的客戶群、產品是哪些？（如：遠近聞名的Uber的主要用戶是哪些？）

好的回答會給你說，我的業務主要是分B2C、C2C；再好一點的答案會給你說：「根據我對市場的研究，我主要做B2C的市場，我的客戶主要會集中在群體A以及群體B，我的商業模式會對不同的群體有不同的運作方式」。如：Uber的主要市場是在一線城市，主要細分市場集中在中高端計程車（出行服務），主要客戶細分為服務提供方：私家車車主；服務受眾：針對需要更便捷的出行服務人群。這些都是數據反映出來的結果，越多的數據，能夠得到越多的信息。

從受眾的角度來看，把市場一層一層剝開：

　　市場&> 市場細分&> 用戶細分&> 用戶

從運營角度來說，在數據分析之前，先要了解市場細分，而做的細緻，則是對每一個顧客有定製化營銷。而對於任何一家公司來說，如何將這個認知的過程做好，則是這個生意／商業模式的關鍵。而「細分「（segmentation）很好地從一個相對可控的維度，給予我們決策者／執行者足夠的」認知「去進行商業決策。

這裡需要強調的是，公司是用「細分」還是客戶定製化營銷，並不是對立的關係，完全是根據公司發展的進度和客戶的需求來的。舉個栗子，還是拿我最為熟悉的知乎說事兒，知乎現在從戰略上來，用客戶細分解決那些「大V」問題，類似這段時間的版權改版－針對大V／內容貢獻者這個segment的加強；類似知乎日報升級－針對普通用戶／非用戶segment的改進；

How

談數據分析，必然要從統計學的角度扯扯。

從統計學的角度來說，這是分類問題。而從分析的角度來說，涉及兩個方面：

定量分析

　　定性分析

在迫不及待跳到用什麼各類高端模型（比如AARRR模型，我真不是故意的，這個確實是個例子）之前，先來確定我們的數據分析的目標, 其實說白了是對用戶做判斷：

現有用戶 -- 現有用戶是？喜歡啥？怎樣的消費習慣？，所有用戶裡面，哪些最值錢？etc...

潛在用戶-- 潛在客戶在哪？他們的喜好？我們要通過什麼渠道獲取？獲取成本是多少？etc..

這類問題，嘴上說起來是簡單的，但是實際上，建立這樣的用戶需要很系統的定量分析和定性分析，根據你對用戶的了解而提供對應的服務即是一種：產品的思維。這也就是為啥我覺得很多大型公司都會對部門進行細分：數據分析部，產品研發部，市場部，對指定新產品從整個發展線上去定位，然後再去做運營。

對於現有用戶和潛在用戶的了解，有如下方式：

了解你的商業模式：是零售類的重複性銷售還是會員制度，還是其他（類似金融產品的銷售云云）。

了解你的商業目的：

當前產品的定位產品
產品這個發展模式的定位
僅僅根據數據（財報）體現出來的通過不同的精準營銷手段來提高短期收益
提高用戶活躍度
了解你的用戶基本行為

關於用戶基本行為一點，是現在大數據分析的最為直接的目的。而實現這個這個往往會通過很多小的項目（也就是經常提到的跨部門協作的體現）來不斷完善。我了解到的是根據RFM分析（Recency，Frequency，Monetary）來分析，來了解你的用戶都是些什麼人，有什麼消費習慣，他們對營銷活動的反應如何，反饋率是多少。根據大量的數據統計的結果，來制定你的商業計劃。利用數據模型，比如k-means cluster，等等去分類你的已有客戶，看看他們基於某一個指標來分類，因為我的商業目標是為高利潤的客戶提高更好的服務，降低這個客戶群的流失率，增加交叉銷售的成功率（cross-sell rate）。

為啥要扯這些呢？因為很多數據分析的坑，都是這些具體的數據細分開始就錯了。

比如，從市場這個起點開始就錯了，沒有搞清楚這個數據是否能夠對這個市場能有好的分析性和預測性。這是一個鏈條，從一開始的錯，會一直錯到最後。而數據分析的邏輯是很嚴密的，如果你沒有意識到你的起點就是錯的，那麼錯誤的分析會讓你走入「只求短利益」而忘記產品持續發展的重要性，這也是為什麼很多做手游的公司，一再投入分析數據，運營，但是產品的效果總是不好。

再者，用戶的流失率表面上可能是運營不到位而在營銷手段上輸給競爭對手而導致的。如果做一個關於「產品的各個功能滿意度的調查」，會發現，大量的用戶流失是因為你的產品沒有持續發展的產品設計，而不是營銷上給用戶『恩惠』少了而流失，雖然營銷的失敗也能夠導致用戶的流失，但是不會有大量的流失的現象出現。

我們做數據分析是為了改善產品，從而給用戶更好的產品體驗，本質是要對用戶的進行進行深度分析，然後結合現有產品的特點，去改進，這才是數據能說話的要義。

PS：可能我回復有點歪樓，但是，當問題出現後，能從「數據分析的坑」這個小點，看到這個面的影響，才能更好的解決問題。