互联网数据分析

第一周:Excel学习掌握

Excel函数不需要学全,重要的是学会搜索

数据透视表的核心思想是聚合运算,将字段名相同的数据聚合起来,所谓数以类分。

 

第二周:数据可视化

互联网数据分析_第1张图片

常见的多元分析,你能用Excel很轻松的完成?但是在IPython只需要一行代码。

第三周:分析思维的训练

SMART、5W2H、SWOT、4P理论、六顶思考帽等框架

分析也是有框架和方法论的,主要围绕三个要点展开:

一个业务没有指标,则不能增长和分析;
好的指标应该是比率或比例;
好的分析应该对比或关联。

举一个例子:我告诉你一家超市今天有1000人的客流量,你会怎么分析?
这1000人的数量,和附近其他超市比是多是少?(对比)
这1000人的数量比昨天多还是少?(对比)
1000人有多少产生了实际购买?(转化比例)
路过超市,超市外的人流是多少?(转化比例)

第四周:数据库学习

学习围绕Select展开。增删改、约束、索引、数据库范式均可以跳过

第五周:统计知识学习

第六周:业务知识(用户行为、产品、运营)

 

运营中典型的金字塔思维

我们活跃用户数在下降(中心论点),主要原因是竞争加剧(分论点),其次原因是新用户减少(分论点),老用户流失加快(分论点)。其中竞争加剧是因为竞争对手ABC出现(论据),新用户减少是ASO排名下降(论据)和渠道投入疲软(论据)造成,老用户流失是因为产品欠佳(论据)。我建议……

分析思维的思路:

提出假设—MECE原则(万能公式:经营 = 利润-成本)—结构化分析—找出关键驱动因素—数据分析

数据收集的核心是尽可能收集一切的数据,它有两个原则:宜早不宜晚,宜全不宜少。

数据来源:

行为数据
它是记录用户在产品上一系列操作行为的集合,按时间顺序记录。用户打开APP,点击菜单,浏览页面是行为;用户收藏歌曲、循环播放歌曲,快进跳过歌曲是行为。
行为数据的核心是描述哪个用户在哪个时间点、哪个地方,以哪种方式完成了哪类操作。

流量数据
流量数据是行为数据的前辈,是Web1.0就兴起的概念。它一般用于网页端的记录,行为数据在产品端。
流量数据和行为数据最大的差异在于,流量数据能够知道用户从哪里来,是通过搜索引擎、外链还是直接访问。这也是SEO、SEM以及各渠道营销的基础。

业务数据
业务数据在产品运营过程中伴随业务产生。比如电商产品,我进行了促销,多少用户领取了优惠券,多少优惠券被使用,优惠券用在哪个商品上,这些数据和运营息息相关又无法通过行为和流量解释,那么就归类到业务数据的范畴。

外部数据
通过第三方来源获取。比如微信公众号,用户关注后我们就能获取他们的地区、性别等数据。比如支付宝的芝麻信用,很多金融产品会调用。还有公开数据,像天气、人口、国民经济的相关指标。
爬虫,我们可以爬取豆瓣电影评分、微博内容、知乎回答、房地产信息为我们所用。第三方不可能支持你获取,很多时候会有防爬虫机制。它需要一定的技术支持,不属于稳定轻松的来源。

外部数据因为质量难以保证,更多是一种参考的作用,不像内部数据能产生巨大的作用。

微信朋友圈的浏览,记录的是用户weixinOpenId和cookie,下载后则是产品内部使用的的userId,两者无法对应,这就需要数据整合,将cookie、手机号、userId等信息映射(mapping)到同一个人。     这是技术层面的数据清洗。整个过程叫做ETL。

经典的框架叫做AARRR,即新增、留存、活跃、传播、盈利。

 

 

 

 

 

 

 

你可能感兴趣的:(随笔)