2019-04-14

时而踌躇满志，时而坐吃等死，这就是我现在的状态。                                                                                                            --本大帅1652

这是个买不起流量的时代！36 氪《买不起的流量，创业者每一天都是生死存亡》刷爆了互联网圈子，一句“每 10 个人下载我们的 APP，就有近 300 元人民币被白白浪费掉”让我们知道了精细化运营对于现在的 APP 开发者来说是多么重要！“浪费”正在    发生，减少浪费从学会数据分析开始。

为什么要做数据分析？能有效避免拍脑袋做事情，用客观数据分析出来的结果堵住主观臆想的黑洞；能够为决策提供有说服力的支撑，通过数据分析，还可以看到决策之后的效果和问题以及为下次决策提供方向。

那么怎么做数据分析就是一个大问题。

第一步：确认数据分析的对象

产品名称

产品愿景

分析范畴：产品迭代、产品优化、产品分析/验证

背景概述

第二步：制定数据分析指标

1.商业模式/盈利方式分析

免费增值模式，先做成流量的入口，后期分享流量红利扩大转化率。

免费增值指的是这样一种商业模式：通过向用户提供免费内容或者补贴价格，来实现两个目的：（1）向用户销售另一种利润更高的产品；（2）向第三方（比如广告商）销售用户数据

2.了解产品现状/定量分析

2.1 用户分析

用户规模

用户质量

2.2 应用分析

启动次数

版本分布

使用情况

设备终端和错误分析

2.3 行业分析

数据分析的作用：

1. 描述性分析，故名思义，主要是对已经发生的事实用数据做出准确的描

述。比如某企业订单履约率从上月的 98%下降到了 95%，属于偏基础类的

工作；

2. 诊断性分析，在知道了发生什么之后，更重要的是，我们要明白为什么发

生。比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法

完成交付；

3. 预测性分析，基于上述两个层次的分析，我们发现了其中的规律，即原材

料供应商的送货及时率会影响成品订单的履约率。假如上月某原材料供应

商 A 送货及时率只有 70%，通过建模，我们可以预测本月该供应商会使我

们的订单履约率下降 2%；

4. 处方性分析，有了预测性分析的结果后，我们无需再做事后诸葛亮，而可

以运筹帷幄，在事前就采取措施。上例中，供应商 A 会导致本月我们的订

单履约率下降，我们可能采取的措施就是把 A 换掉，但是现在有 B 和 C 两

个供应商供我们选择，该选择哪个呢？通过分析和计算得出：选用供应商

B 会比选 C 的订单履约率高 1%，因此建议选择供应商 B。