针对如何快速搭建数据分析体系这个问题,作为数据分析师,我觉得主要从以下几个方面:熟悉业务逻辑,包括商业逻辑,销售和运营模式,产品功能,用户对象等;明确要统计分析的业务需求,建立相应场景的业务指标体系;提出分析假设、寻找对比数据、获取数据进行分析;给出分析结果,并结业务方反馈进一步深入分析,不断循环。
总结下来分为以下步骤:
1 熟悉业务逻辑
2 建立指标体系
3 进行数据分析
4 给出结论和反馈
1.熟悉业务逻辑
数据是产品效果的表达方式,在搭建数据体系前,必须先明确业务类型、明确验证目标:
A. 业务区分上,不同的行业领域,其关注点是有很大差异的:
(1)互联网金融领域,看重的是保有量非0的用户数、用户的资金保有量、申购量、用户财富指数等;
(2)电商行业,看重的是产生购买行为的用户数、用户购买金额、购买频次、复购周期等;
(3)社交类产品,看重的是用户活跃程度,如日活跃时长、社区活跃度(评论、发帖)等。
2. 建立指标体系
明确了业务场景、统计/分析目标,下一步则是继续拆分合适的衡量指标;对于数据分析需求来说,还需要在此之前提出分析的假设。以下举例说明:
A. 分析某个产品功能的转化率
转化率一般可分为注册转化率、申购转化率、场景用户转化率、入口转化率等,亦即“用户对某款产品路转粉”的过程。
B. 通过用户活跃度分析指导产品优化方向
活跃度指标可分为用户登录/访问频次、场景设置频次、申购/购买频次、互动频次等,主要是看用户在产品上的留存和活跃程度,比如用户近30天内登录过10次,用户近90天内发生了30次申购行为。
C. 监控用户健康度
产品的健康度在某种意义上说跟活跃度有点交叉,有些广义的概念可把活跃度包含于健康度内。
比如,ARPU值、用户流动性、会员体系下的用户升降级速度…都是衡量一款产品健康度的指标。
D. 用户流失节点分析
很多产品上线一段时间后,发现流失率越来越高,这个时候可关注用户在整个链路上的流失节点:用户主要是在哪一步开始流失的,用户流失的集中时间点是在什么时候,从流失节点着手进行产品优化、适当的流失挽留堵漏等操作。
3. 进行数据分析
没有对比的效果指标评价,都是耍流氓。一款产品上线效果,产品经理要看到其中的利弊,并且找到合适的参照物来对比效果,才可以做出评价和结论。
因此,得到产品的上线效果数据后,需要找到对应的产品做标的,而这个标的,可以是竞品、可以是历史经验数据沉淀、也可以是行业内默认的标准等。
4. 给出数据分析结论并反馈
数据分析并不是一蹴而就的,需要不断地下钻,从不同纬度分析才有可能发现问题所在,一般情况下,基于假设得出的结论可能得不出实际的效果,需要和业务方不断地探讨,并从其他的维度分析,不断循环,有可能才能得出最终的结论。