这篇文章关于数据方法，非工具的使用。
为什么要做数据分析
1. 认知层面
1.1 理解用户：我们服务的是怎样的用户？
1.1.1 用户画像，如年龄、性别、职业、地域、网络、机型、分辨率等等
1.1.2 行为，如发现内容的方式、内容消费的方式、内容偏好
1.2 理解业务，如视频客户端渗透率，判断是否有挖掘潜力
1.3 理解行业，分析行业数据，寻找切入点
2. 行为层面
2.1 效果验证，例如GP评分关于广告的投诉是否下降
2.2 优化产品，例如顽固广告站点中70%的网站找不到跳转来源，对于这些网站直接屏蔽，而对于剩下的30%的网站采用阻塞部分页面内容加载的方法
2.3 排查线上问题，例如用户投诉增加，原因是UC合作的部分网络商投放的广告干扰用户、误导用户，比如说uc浏览器可以在没有网络的情况下使用
2.4 制定规划/策略，例如分析数据确定广告商域名更换频率，定期排查
数据分析原则
1. 目标导向：根据业务定位、发展阶段选择数据目标
例如以发行为目标vs以品牌为目标，目前uc浏览俄罗斯市场主要以品牌为目标，通过强大的广告过滤功能提升用户的留存
2. 实事求是：数据是工具，用于支撑观点；数据不只是工具，不能为了证明观点扭曲、选择性展示数据
3. 形成闭环：发现问题→定位问题→解决问题→验证反馈→发现问题
数据分析流程
1. 发现问题
1.1 从目标出发，设置直接指标、关联指标
例如，新版本广告过滤工具投入使用，预期top500站点中广告网站的访问排名会出现整体滑坡的情况，关联指标为GP评分
1.2 纵向对比：同比、环比
1.3 横向对比：选择合理的比较对象
2. 定位问题
· 内外因
例如，以浏览器/导航为主要流量入口的业务，需要关注节假日、赛事、当地网络、政策等导致客户端/导航日活波动影响
· 维度，聚焦数据变化大的维度，如Top500访问站点里面广告网站排名
· 流程：追踪用户访问流程各个环节，细化监控，发现流失最严重的环节。如日志（少打、漏打、打点时机、字段缺失）→服务器日志传输→统计服务器→报表计算
· 访问路径
· 内外部反馈：后台用户意见，是否有短时间内某类异常报告突然增多
3. 解决问题
问题原因不止一个，逐个解决，发布上线，验证问题是否得到解决
4. 验证问题
观察核心数据指标是否呈现正常态势
