数据分析框架

数据分析框架——AARRR模型

数据分析框架的作用

• 保证结果的准确性、可靠性、针对性
• 常见的分析框架(宏观，适用于管理和运营)

（1）PEST分析框架：

Political(政治)，Economic(经济)、Social(社会)、Technological(科技)，用于企业所处宏观环境的分析。

（2）5W2H分析框架：

What+Why+When+Where+Who+How+How Much,常用于决策和执行性的活动措施

（3）SWOT分析：

Strengths(内部优势)， Weaknesses(内部劣势) Opportunities(外部机会) Threats(外部威胁)

运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而根据研究结果制定相应的发展战略、计划以及对策等。

（4）SMART原则36大数据（http://www.36dsj.com/）

Specific(具体的)， Measurable(可衡量的)，Attainable(可达到的)，Relevant(相关的)，Time-Bound(有明确结束期限的)，常用于目标管理。

（5）4P理论36大数据（http://www.36dsj.com/）

Product(产品)，Price(价格)，Place(渠道)，促销(Promotion)，用于制定营销策略。

（6）AARRR分析框架

Acquisition(获取)Activation(激活) Retention(留存) Revenue(收入) Refer(推荐)

AARRR模型

8

AARRR分析思路

9

AARRR模型应用

提升AARRR各环节指标的对应操作(渠道分析案例)

渠道分析案例

10

渠道分析案例

11

3.3 数据分析框架——逻辑分层拆解与漏斗分析

逻辑分层拆解

• 逻辑拆解【相关指标和核心指标存在逻辑关联】
• 分层拆解【同一层指标不相关】

逻辑分层拆解

12

漏斗分析法

关键路径的转化率、转化率对比分析、Google Analytics行为流

3.4 数据会说谎

1. 改变坐标轴：添加趋势线及其公式
2. 样本量的误差：决定样本量大小的因素(总体大小、总体内部差异程度)
3. 平均数的数据谎言：当数据呈现正态分布，平均数才能近似代表整体的情况
4. 辛普森悖论：数据集中的变量被分组，其相关性被降低或不存在相关性(注意不用混淆变量分组数据)

四、利用数据——数据驱动产品

4.1 数据应用的场景

需求分析阶段：36大数据（http://www.36dsj.com/）

对用户层面的需求，通过数据去伪存真。对公司层面的需求，通过数据验证并提供证据(网易考拉海购退出率案例)

产品设计阶段：

设计前——发现问题，设计中——辅助决策，判断思路(A/B test)，设计后——验证方案(对比核心指标)

4.2 数据驱动产品的方法

通过数据发现问题：

对导出率、跳出率、满意度、各端用户占比进行对比分析

确定改版数据指标：

综合用户需求和数据反映问题拟定核心指标

产品设计：

品牌调性(用户调研)、首页架构和陈列样式、展现形式

上线后的数据验证：

对之前的数据核心指标进行对比认证，并发现新问题

4.3 如何培养数据分析能力

心法层面：

好奇心、求知欲、观察生活

基础层面：

核心基础概念、基本统计原理

实战层面：

数据驱动产品闭环，熟悉业务，时刻关注数据、保持敏感