產(chǎn)品數(shù)據(jù)分析

1、產(chǎn)品數(shù)據(jù)分析數(shù)據(jù)分析相關(guān)的一些東西，三板斧指的是趨勢、對比、細分?？蹿厔菪╆P(guān)鍵動作有無效果。比如產(chǎn)品的核心指標是GMV，那肯定就需要定期關(guān)注增長的趨勢分析?？磳Ρ葢魯?shù)，這個數(shù)據(jù)肯定是一直在增加，除非沒有新用戶進來了。另外沒有對比就沒有傷害，比如你的增長速率是每年50500%的速率進行增長所以，通常情況下，數(shù)據(jù)會對比著來看，一方面是縱向比較，即縱向?qū)Ρ韧ǔ０ōh(huán)比、同比。20189201882018920179通常情況下，我們在進行數(shù)據(jù)分析的時候大都會用本周的數(shù)據(jù)和不同的變量進行分析然后把這個周期拉長一些，以周為單位再看下。APP春節(jié)這種節(jié)日，下降的會非常厲害。比看下，之后再找找其他原因。橫向?qū)?/p>

2、比通常包括行業(yè)競品，全站數(shù)據(jù)，測試AB 組等。水平是怎樣的，雖然這部分數(shù)據(jù)很難獲得。哦，原來是整體的數(shù)據(jù)漲了，順帶著躺贏了一把AB析不同的結(jié)果?？醇毞值脑?，還能為后續(xù)的一些動作提供參考依據(jù)。維度和度量主要是概念說明，后面幾部分則是具體如何看細分數(shù)據(jù)。維度和度量很多時候數(shù)據(jù)分析都是通過不同的維度和度量進行交叉對比分析，找到一些可能的原因，然后再去驗證猜想。維度，指的就是分析數(shù)據(jù)的角度，比如城市、時間、瀏覽器、新老用戶、操作系統(tǒng)、終端等。度量，指的就是具體的數(shù)據(jù)值，比如 UV、PV、轉(zhuǎn)化率、跳出率等。結(jié)合著維度。比如整體DAU在下降的，如果我們只是看度量的話，有可能就被蒙蔽掉。為例，用戶最核心的

3、路徑是瀏覽內(nèi)容產(chǎn)生互動行為。點贊、評論、轉(zhuǎn)發(fā)等互動行為。在此基礎(chǔ)上，再結(jié)合著新老用戶、男女用戶、年齡分布、地域分布、終端分布、行為差異等維度再來進行更細致的分析。拆數(shù)據(jù)標兩種形式。單指標主要是衡量功能本身的表現(xiàn)情況，比如說：功能本身的深度：使用頻次、使用時長、分布情況等； 功能本身的廣度：使用人數(shù)、DAU%等；功能本身的留存度：留存率；功能本身的轉(zhuǎn)化率：各環(huán)節(jié)轉(zhuǎn)化率。多指標主要是對其它關(guān)聯(lián)指標的貢獻，比如對目標值的貢獻度， 如留存率，轉(zhuǎn)化率、相關(guān)性等，比如新用戶閱讀了X 篇文章，留存下來的可能性會增加多少。拆用戶主要是針對用戶本身進行分群，再結(jié)合著數(shù)據(jù)指標進行交叉對比，通常情況下可以按照用戶的靜態(tài)屬性和動態(tài)屬性進行拆分。靜態(tài)屬性主要指新老用戶、版本、終端、地域、操作系統(tǒng)、渠道等。買商品的客單價，或者某個行為路徑的操作步驟來進行分群。思路了，然后再繼續(xù)分解和交叉對比，直到找到一些結(jié)論。拆因子體的公式，然后再按照因子去拆解。比如上司來找你說我們這段時間DAU么原因造成的。那首先我們可以考慮一下DAU一個公式來進行概括：DAU=新增用戶數(shù)+活躍用戶數(shù)+回流用戶數(shù)因子的細分情況。還是回流用戶下降。的新增數(shù)量，然后再拆解各渠道的留存率看看。如果是活躍用戶數(shù)下降，就按照新老用戶的留存率對比分析看 的動作進行干預，觀察對應的數(shù)據(jù)指標變化。最后經(jīng)過上面的層層細分和交叉分析，一種可能性