笔记 - 数据分析思维

三种核心思维

• 结构化思维
  • 将论点归纳和整理
  • 将论点递进和拆解
  • 将论点完善和补充
• 公式化思维
  • 上下互为计算
    
    • 一切结构皆可量化
  • 左右呈关联
    • 最小不可分割
• 业务化思维
  • 从业务方面的角度思考
  • 分析结果落地

数据分析的思维技巧

象限法

• 核心 - 策略驱动的思维
• 优点 - 直观、清晰，对数据进行人工的划分。划分结果可以直接应用于策略。
• 应用 - 适用范围广：战略分析、产品分析、市场分析、客户管理、用户管理、商品管理等
• 须知 - 象限划分可以按中位数，也可以按平均数，或者是经验

多维法

• 核心 - 精细驱动的思维
• 优点 - 处理大数据量、维度丰富且复杂的数据有较好的效果。但是维度过多，会消耗不少时间
• 应用 - 只要数据齐全且丰富，均可以应用
• 须知 - 对不同维度进行交叉分析时，需要注意辛普森悖论

假设法

• 核心 - 启动思考驱动的思维
• 优点 - 当没有直观数据或者线索能够支持分析时，以假设先行的方式进行推断，这是一个认证的过程。
• 应用 - 它更多是一种思考方式，假设-验证-判断
• 须知 - 不止可以假设前提，也能假设概率或者比例，一切都能假设，只要自圆其说

指数法

• 核心 - 目标驱动的思维
• 优点 - 目标驱动力强、直观、简洁、有效。对业务有一定的指导作用。一旦设立指数，不宜频繁变动
• 应用 - 和假设法不同，假设法是缺乏有效的数据，指数法是将无法利用的数据加工成可利用的数据
• 须知 - 指数法没统一的标准，很多指数更依赖经验的加工

（线性加权、反比例、Log）

二八法

• 核心 - 只抓重点的思维
• 优点 - 和业务紧密相关，和KPI更紧密相关。几乎花费最少的精力就能达到不错的效果，性价比高
• 应用 - 没有局限
• 须知 - 在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘

对比法

• 核心 - 挖掘数据规律的思考方式
• 优点 - 可以发现很多数据间的规律，它可以与任何思维技巧结合，比如多维对比、象限对比、假设对比等
• 应用 - 对比更多是一种习惯，是数据分析的牛角尖，一次合格的分析，一定要用到n次对比
• 须知 - 在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘

（竞争对手对比、类别对比、特征和属性对比、时间同比环比、转化对比、前后变化对比等）

漏斗法

• 核心 - 流程化思考方式
• 优点 - 需要与其他分析思维结合
• 应用 - 变化和流程
• 须知 - 单一的转化率没有

如何在业务时间锻炼数据分析思维

• 好奇心

建立指标的思考因素

• 核心指标
• 好的指标应该是比率
• 好的指标应该能带来显著效果
• 好的指标不应该虚荣
• 好的指标不应该复杂

市场营销指标

客户/用户生命周期

• 企业/产品和消费者在整个业务关系阶段的周期
• 不同业务划分的阶段不同。传统营销中，分为潜在用户、兴趣用户、新客户、老/熟客户、流失客户等

用户价值

• 用户贡献 = 产出量/投入量 * 100%
• 用户价值 = （贡献1 + 贡献2 + ... + 贡献N）

RFM模型

• 用户生命周期中，衡量客户价值的立方体模型
• R - 最近一次消费时间
• M - 总消费金额
• F  - 消费频次

用户分群，营销矩阵

• 提取用户的几个核心维度，用象限法将其归纳和分类

产品运营指标

AARRR

• Acquisition - 用户获取
  • 渠道到达量：俗称曝光量。有多少个看到了产品推广相关的线索。
  • 渠道转化率：有多少用户因为曝光而心动Cost Per，包含CPM、CPC、CPS、CPD、CPT等
  • 渠道ROI：投资回报率，利润 / 投资 *100%
  • 日应用下载量
  • 日新增用户数
  • 获客成本
  • 一次会话用户数占比：指新用户下载完App，仅打开过产品一次，且该次使用时长在2分钟以内
• Activation - 用户活跃
  • 日/周/月活跃用户应用下载量
  • 活跃用户数占比
  • 用户会话session次数
  • 用户访问时长
  • 用户平均访问次数
• Retention - 用户留存
  • 用户在某段时间内使用产品，过了一段时间后仍旧继续使用的用户
• Revenue - 营收
  • 付费用户数
  • 付费用户数占比
  • ARPU，某时间段内每位用户平均收入
    • 客单价，每位用户平均购买商品的金额。销售总额/顾客总数
    • LTV，用户生命周期价值，和市场营销的客户价值接近，经常用在游戏运营电子运营中
    • LTV = ARPU * 1 / 流失率
  • ARPPU，某时间段内每位付费用户平均收入，排除了未付费的
• Refer - 传播
  • K因子，每个用户能够带来几个新用户
  • K因子 = 用户数 * 平均邀请人数 * 邀请转化率
  • 用户分享率
  • 活动/邀请曝光量

用户行为指标

• 功能使用率/渗透率：使用某功能的用户占总活跃数之比
• 用户会话session
• 用户路径 - 路径图

电子商务指标

• 购物车分析
  • 笔单价，用户每次购买支付的金额，即每笔订单的支出，和客单价对应
  • 件单价，商品的平均价格
  • 成交率，支付成功的用户在总客流量中的占比
  • 购物车系数，平均每笔订单中，卖出了多少商品
• 复购率，一段时间内多次消费的用户占总消费用户数之比
• 回购率，一段时间内消费过的用户，在下一段时间内仍旧消费的占比

流量指标

• PV，浏览次数
• UV，一定时间内访问页面的人数，独立访客数
• 访客行为
  • 新老访客占比，衡量网站的生命力
  • 访客时间，衡量内容质量，不是看内容的UV，而是看内容的访问时间
  • 访客平均访问页数，衡量网站对访客的吸引力
  • 来源，访客从哪里来
  • 用户行为转化率，在网站上进行相应操作的用户在总访客数上的占比
  • 首页访客占比
  • 退出率
  • 跳出率

如何建立业务分析框架

• 从指标的角度出发
• 从业务的角度出发
• 从流程的角度出发