一.数据分析思维
1.三种核心思维
-
业务化
用结构化思考+公式化拆解，获得的最终分析论点。很多时候是现象。数据是某个结果的体现，但是不代表原因。
比如：如何预估上海地区的共享单车的投放量？在业务中需要考虑上海地区共享单车的损耗
比如说：研究发现销售人员的业绩较低，但是这只是现象，我们需要找出现象背后的原因
-
结构化
结构化分析思路（金字塔思维，层层递进，依次拆解）
微信截图_20190911133535.png
-
公式化
上下互为计算、左右呈关联。一切结构均可量化，最小不可分割。
加法：不同类别的业务叠加可以使用加法
减法：常用于计算业务之间的逻辑关系（销售额、利润）
乘除：乘法和除法是各种比例或者比率
2.数据分析的思维技巧
-
象限法
-
对比法
好的数据指标，一定是比例或者是比率，好的数据分析，一定会用到对比
孤数不证。
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
-
二八法
帕累托图
- 数据中，20%的变量将直接产生80%的效果，数据分析将围绕在20%作文章
- 持续关注TopN的数据，是一个非常好的习惯，尤其在部分行业
- 虽然指标很多，但是往往某些指标更具有价值，二八法则不仅能够分析数据，也能够管理数据。
-
漏斗法
漏斗化分析是一种流程化的思考方式，单一的漏斗是没有用的，可以结合多维、对比等方式一起使用。
-
指数法
很多时候我们有数据，但是不知道该如何应用。因为缺乏了一定的有效性指标方向。这个方向可以成为目标指数。通过将数据加工成指数，达到聚焦的目的。组合方法如线性加权、反比例、log等
忠诚度（各月消费次数加权等），文章热度（log(uv+评论*5,2)+(time-init)/10
问题比如
（1）中国今年的经济指标如何？
（2）美国NBA的最佳球星是谁？（得分+篮板+助攻+抢断+封盖）-（出手次数-命中次数）-（罚球次数-罚球命中次数）-（失误次数/球员上场比赛次数）
（3）竞争对手产品表现如何？
-
假设法
没有数据的情况下进行分析
-
例如：公司在节日进行了一次营销活动，APP上的销量数据整体比上周上升了20%。因为统计失误问题，拿不到明细数据，也就是说，活动效果是一个黑盒。现在的问题是，销量本身就是可能因为节日而提高，那么怎么证明活动是有效或者是无效的呢？
答: （1）思考一下，活动有效的话，会发生什么事？
（2）会有一定数量的用户购买，如果能证明这条，那么我们有理由相信活动是有效的
（3）用户通过活动购买商品，会发生什么可观测的行为呢？假设一些用户会留下频率，那么可以统计活动的字眼。
-
你是自营电商的数据分析师，现在想商品提价后，收入会不会有变化？你会这么做？
答： （1）假设商品提价后，销量一定会下跌，问题是销量下跌多少？
（2）首先假设流量不会变化，流量和渠道营销正相关，商品价格影响转化率，那么现在确定转化率的波动
（3）找出平时的转化率（譬如20%），预估提价后的转化率变化。假设各类型用户对价格的敏感度不同，那么将客户化为忠诚，普通，羊毛等
（4）不同用户层次数量不同，反应不同。忠诚用户转化率变化极低，羊毛几乎不会转化...这些数据可以凭借经验做出假设，最后汇总。
-
-
多维法
辛普森悖论：
微信截图_20190911150526.png
二.业务
指标
如果你不能衡量它，那么你就无法增长它。
-
什么是好像好的指标？
- 核心指标（对公司发展的阶段不同来说是不同的）
- 好的指标是比率
- 能够带来显著效果
- 不应该虚荣
- 简单
-
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。 -
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+……）比如金融行业会以存款+贷款+信用卡+年费+……-风险-流失
-
RFM模型
用户生命周期中，衡量客户价值的立方体模型。利用R最近一次消费时间，M总消费金额，F消费频次，将用户划分成多个群体
最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary)
重要价值客户（111）：最近消费时间近、消费频次和消费金额都很高，必须是VIP啊！
重要保持客户（011）：最近消费时间较远，但消费频次和金额都很高，说明这是个一段时间没来的忠诚客户，我们需要主动和他保持联系。
重要发展客户（101）：最近消费时间较近、消费金额高，但频次不高，忠诚度不高，很有潜力的用户，必须重点发展。
RFM模型分析重要挽留客户（001）：最近消费时间较远、消费频次不高，但消费金额高的用户，可能是将要流失或者已经要流失的用户，应当基于挽留措施。
用户分群，营销矩阵
用户分群是市场营销中的一种常见策略，它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
-
Acquisition用户获取
- 渠道到达量：俗称曝光量。有多少人看到了产品推广相关的线索。（估计）
- 渠道转化率：有多少用户因为曝光而心劢Cost Per，包含CPM（曝光）、CPC（点击）、CPS（销售）、CPD（下载）、CPT等。
- 渠道ROI（投资回报率）：推广营销的熟悉KPI，投资回报率，利润／投资*100%。
- 日应用下载量：app的下载量，这里指点击下载，不代表下载完成
- 日新增用户数：以用户注册提交资料为基准
- 获客成本（CAC）：为获取一位用户需要支付的成本
- 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。(防止刷单)
-
Activation用户活跃
- 日／周／月活跃用户应用下载量：活跃标准是用户用过产品，广义上，网页浏览内容算「用」，在公众号下单算「用」，不限于打开APP。
- 活跃用户占比：活跃用户数在总用户数的比例，衡量的是产品健康程度
- 用户会话session次数：用户打开产品操作和使用，直到退出产品的整个周期。5分钟内没有操作，默认会话操作结束。（反作弊）
- 用户访问时长：一次会话的持续时间。
- 用户平均访问次数：一段时间内的用户平均产生会话次数。
-
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。
假设产品某天新增用户1000个，第二天仍旧活跃的用户有350个，那么称次日留存率有35%，如果第七天仍旧活跃的用户有100个，那么称七日留存率为10%。 -
Revenue营收
付费用户数：花了钱的
付费用户数占比：每日付费用户占活跃用户数比，也可以计算总付费用户占总用户数比
ARPU：某时间段内每位用户平均收入
ARPPU：某时间段内每位付费用户平均收入，排除了未付费的客单价：每一位用户平均贩买商品的金额。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商运营中。
LTV = ARPU * 1/流失率 -
Refer自传播
K因子：每一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：某功能／页面中，分享用户数占浏览页面人数占比。
活动／邀请曝光量：线上传播活动中，该页面被人浏览的次数。一般代指微信朋友圈
-
-
用户行为指标
- 功能使用
功能使用率／渗透率：使用某功能的用户占总活跃数占比。比如点赞、评论、收藏、关注、搜索、
添加好友，均可以算做功能使用。这些指标在特定业务中均有作用。 - 用户会话
会话session：也叫做session，是用户在一次访问过程中，从开始到结束的整个过程。 在网页端，30分钟内没有操作，默认会话操作结束 - 用户路径
路径图：用户在一次会话的过程中，其访问产品内部的浏览轨迹。通过此，可以加工出关键路径转化率。
- 功能使用
-
电子商务指标
-
购物篮分析
笔单价：用户每次贩买支付的金额，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的客流量中的占比。
贩物篮系数：平均每笔订单中，卖出了多少商品。贩物篮系数是多多益善，它也和商品关联规则有关系。 -
好基友：复购率和回购率
复购率：是一段时间内多次消费的用户占总消费用户数占比。有例如4月有1000位用户消费，其中500位消费了两次以上，则复贩率是50%。
回购率：是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。例如4月的消费用户数1000，其中600位在5月继续消费，则回贩率为60%。
-
购物篮分析
-
流量指标
-
浏览量和访客量
PV：浏览次数。互联网早起的统计指标，用户在网页的一次访问请求可以看作一个PV，用户看了十个网页，则PV为10。
UV：是一定时间内访问网页的人数，正式名称独立访客数。在同一天内，丌管用户访问了多少网页，他都只算一个独立访客。技术上，UV会通过cookie或IP衡量。 -
访客行为
新老访客占比：衡量网站的生命力，吸引力和粘性
访客时间：衡量内容质量丌是看内容的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，是访问的深度。
来源：访客从哪里来，技术上，通过来源网站的参数提取，可以区分SEM，SEO或者外链等。用户行为转化率：用户在网站上进行了相应操作的用户在总访客数上的占比。
首页访客占比：只看了首页的用户，在总访客数上的占比。 -
退出率和跳出率
退出率：从该页退出的页面访问数／进入该页的访问数。
跳出率：浏览单页即推出的次数／访问次数。跳出率一般衡量各个落地页，营销页等页面。退出率则更偏产品，仸何页面都有退出率
-
三.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
