关键词：数据分析的理念、数据埋点分类、AHA moment
前言
-- 为什么做数据分析：产品经理的主观感知无法代表用户的真实体验，部分不用的观点无法代表全部用户的真实体验等。数据是可以比较客观的反映一些事实。
-- 数据的重要性 ：你的用户永远不会按照你的想法使用产品，唯有数据才是丈量产品的标尺。
一. 数据分析的基本知识
1、常见数据指标
DAU（Daily Active User）日活跃用户数
MAU（Monthly Active Users ）月活跃用户数
PCU（Peak Concurrent Users）最高同时在线人数（一般使用在直播和游戏上比较多）
UV（Unique Visitor）排重人数（一段时间来做定义）
CPM（Cost Per Mille）平均每一千人分别听到或者看到某广告一次一共需要的广告成本（广告上用比较多）
CPC（Cost Per Click）每次点击付费广告（广告上用比较多）
CPA（Cost Per Action）按照行为作为指标来计费（广告上用比较多）
CPS（Cost Per Sale）以实际销售产品数量来换算广告刊登金额（广告上用比较多）
2、埋点事件分类：点击事件、曝光事件、页面停留时间事件
-- 点击事件：用户点击按钮即算点击事件，不管点击后有无结果
-- 曝光事件：成功打开一次页面记一次，刷新页面一次记一次，加载下一页新页，加载一次记一次。home键切换到后台再进入页面，曝光事件不记
-- 页面停留时间事件：一个用户在X页面的停留时长记为停留尺长
例如:小明9:00访问了X网站首页，此时分析工具 则开始为小明这个访问者记录1个Session(会话)。接着9:01小明又浏览了另外一个页面列表页，然 后离开了网站(离开网站可以是通过关闭浏览器，或在地址栏键入一个不同的网址，或是点击了你 网站上链接到其他网站的链接......)为了简单，我们把这个过程当做一个Session。 则最终小明在首页的页面停留时间:
(Time on Page，简称Tp)Tp(首页) = 9:01 – 9:00 = 1 分钟
二. 数据分析流程
案例：视频网站，提升用户观看时长
1、挖掘业务：为什么要这么做
为什么要提高观看时长？
-- 商业模式角度：广告，更多时长意味着更多广告的曝光可能
-- 竞争模式角度：饱和的竞争状态下，时长意味着市场份额
2、制定计划
以“提升时长”为核心目标，分配一定的流量灰度测试，观察时长、视频播放个数等效果，并观察后续用户行为。
3、拆分数据：人、渠道、路径等维度
-- 用户维度拆解（人）：低观看数据用户行为、不同时间段进入行为、不同网络条件进入行为
-- 渠道拆解：外渠道、内渠道、低观看渠道、频道（如广告频道）
-- 路径拆解：landing-page（着陆页：点击链接时，打开的第一个页面）、关键路径点
4、提炼业务洞察
-- 长视频观看后，再次推荐长视频难度很大（如，电影、电视剧等）
电视剧看完后，推荐预告效果很好
-- 短视频推荐短视频效果很好（如，抖音）
-- 右侧推荐效率高于下侧推荐
-- 某些付费渠道用户质量较低，用户时长均值低于平均
5、产生决策
-- 改变推荐算法策略（如，除了用一些相关性的匹配，还应该匹配当时用户使用场景，用户如果已经看了一定时长的，不管是累积还是单个的，长就不要推长，而要去推短）
-- 加入人工干预（除了机器算法推荐它喜欢以外，可以加入一些人工规则，如后续的花絮、预告、片花等）
-- 排除部分低效果渠道
-- 解决不能观看的技术问题（0播放可能是视频播放出现问题）
-- 解决0播放问题（可能是没有找到想看的）
三. AHA moment
Aha Moment（顿悟时刻）：最开始是由FaceBook发现的，当新用户有6个好友留存率大幅提高。《增长黑客》一书也有提到，是指产品使用户眼前一亮的时刻，用户发现并认可你产品价值的时刻。
如何找到发现产生这个monment的功能？
留下的用户都用过这一功能：大部分留存用户都是用过哪些功能，梳理一个列表，主要关注高留存用户使用的功能
使用这一功能的用户都留了下来：找到大部分使用这个功能的用户和留存用户的交集。
