阶段性总结--数据分析方法

目前大部分的企业领导都提过一个词“数据驱动”，大家似乎都知道在目前的数字经济概念下“数据”是时代和企业的新能源。很多互联网公司或者相关企业都在扩建自己的数据中心，大的企业开始搭建自己的数据服务中台，中小微或者创业型公司会购买性价比高，落地快的数据类产品。大体来说主要有两个方向，1.偏底层基础能力，搭建数据仓库，数据集市，形成报表对外输出；2.偏业务运营，对已有的数据深耕细作，名曰精细化运营。简而言之一个是向上做数据整合，把一堆数据堆到一起；另一个是向下对数据抽丝剥茧，力图找到可解释业务变化的原因。

数据分析不应该停留在数据本身，数据和Excel、ppt一样都是一种工具，它是为了服务于企业的，就像汽油之于汽车，不是说汽油好的，多的车就一定跑的快，如果轮胎、发动机、底盘等等任何一样不好它都跑不好。数据分析的重点在于“分析”二字。任何数据分析首先要考虑的应该是现阶段公司、部门或者某次活动某个产品的重点目标是什么，而不是一味的数据堆砌出报告，作评价一定是有标准的，没有目标的评价就是无的放矢（排除探索类分析）

常规数据分析套路：

一般产品的周期目标：1.产品运营，用户增长；2.品牌露出，流量变现；3.深层优化，转型升级，三大步完成循环。

一.产品运营，用户增长：

这一步主要是用户运营，1.用户留存，日留存、周留存、月留存，对应的有DAU/WAU/MAU分析，不同行业侧重点不同，例如社交、新闻类考虑DAU，服务、金融类考虑WAU甚至是MAU。2.用户分群，根据产品属性抽象出多个标签，大家都知道的“二八法则”用户分群可以找到“二”的那些超级用户的属性标签，然后针对性做用户引导可以提升更多的超级用户量。

二.品牌露出，流量变现：

这一步主要是流量分析，1.产品自身几个重点指标:访问量、访问用户、新用户访问量、会话浏览次数、访问时间点、访问时长、跳出率等；2.流量来源，Web端：搜索词、来源平台、来源内容（软文）、APP端：来源商城，小程序、APP版本、终端设备、操作系统等。通过分析1.可以找到好的推广渠道，优化成本结构，2.找到产品自身的顶级流量页，做到最大化流量变现；3.分析不同落地页的跳出率可以做相应的页面优化和渠道调整。

3.深层优化，转型升级：

这一步主要是产品分析，1.建立产品功能点指标检测，从异常数据指标入手 ，分析用户和产品的交互问题；2.新功能上线后的用户留存，判断新功能的必要性和优化空间以及对核心功能的贡献度；3.每次的产品版本迭代的历史数据归因分析，从而抓住用户的心理和偏好不断优化（用户的行为心理不能主观臆断，要在归因分析中找到切实的数据证明）

总结：

一切商业数据分析的最终目的都是助力公司业务增长，为公司或者产品的下一部动作做的各类前置性分析（复盘分析也是为了下次部署的更好）