1. 首頁 > 生活百科 > >

淺析分析數據的4大心得 怎樣分析數據？

小知識怎樣分析數據

數據分析能力對于一名產品經理來說是最基本的能力 。
在面試的過程中 ， 社招會有面試官會問你以往你負責的產品的相關數據 ， 如何看待這些數據 ， 如何通過這些數據來做接下來的產品優化；校招的面試官可能會問小伙伴們關于分析數據的思維；在產品經理的日常工作當中 ， 要時長盯著數據的報表來分析產品的健康程度 。 本文不再對一些基本的數據定義再做描述 ， 而是從分析的思路總結了一些心得 ， 歡迎各位一起來討論 。
1.看數據的緯度【淺析分析數據的4大心得 怎樣分析數據？】在對一款產品或者一款產品的其中的一個模塊進行分析時 ， 我們可以從兩個大緯度去分析數據 。

  • 首先是從廣闊的視角先去查看數據 ， 這里需要對該產品所處的行業數據有一個清晰的了解 ， 該產品所處的行業自己所處的市場占有率的排名 ， 一般市場占有率指的是用戶的占有量 ， 一般從行業報告可以看出大概的數據 。
  • 然后接下來需要分析這款產品的總的數據情況 ， 比如下載量、DAU、WAU、MAU等 ， 以及該產品的最核心的數據是什么 ， 并且如何有可能從側面去了解這款產品的競品的相關數據是什么 。
當了解完以上這些總體的信息 ， 我們心中應該對自己所負責的產品有了一個宏觀的概念 ， 自己在行業內所處的位置 ， 以及現在最需要提升哪些數據指標都有了一個清晰的認識 。 接下來就可以從大緯度切入到小緯度 ， 進一步去分析一些細節的數據 。 例如重要的數據信息 ， 包括用戶的基本的構成信息 ， 每個模塊自己建立的漏斗信息等 。 一般在做分析的時候應該注意的是數據的異常現象 ， 出現局部的極值（包括極大值和極小值）都需要進行分析 。
2.什么才是好的數據指標？在做數據分析的過程中 ， 我們需要了解什么樣的數據才是好數據 ， 如果單純地去看一個數據是沒有太大意義的 ， 數據本身也具有相應的欺騙性 ， 比如從運營同學那得到了日新增用戶數1W ， 那么單純看這個數據沒有什么意義 ， 我們可以說這個數據很好 ， 因為看上去很大 ， 但是你可能沒有看到同期的數據 ， 有可能昨天的數據達到了2W 。
第一 ， 好的數據一定是首先最好是以比率的形式存在的 ， 不要絕對數 ， 要相對數據 。
比如上面的那個數據我們換成增長率 ， 換成環比這個數據 ， 我們就可以進一步的了解到這個數據的好壞 。
第二 ， 就是通過對比來判斷數據的好壞 。
我們將數據的日增長量做成一個折線圖 ， 從折線圖我們就能看出這個數據是在高點還是在低點 。 通過對比 ， 我們就會得知這個數據所處的位置是什么樣的 。 另外 ， 通過對比不同的渠道 ， 對比不同的版本 ， 對比不同的用戶群等不同緯度的數據 ， 都可以從側面反映出這個數據的真實情況 。
第三 ， 數據不是一成不變的情況 ， 要動態的去看數據 。
單純只看一個點的數據情況是沒有意義的 ， 我們要在數據中加入時間的緯度 。 引入一段單位的時間去看待數據整體的變化趨勢 ， 這樣才能更為客觀的判斷產品的健康程度 。
3.發現數據異常后將從幾個緯度去分析？有時候從總量的角度是無法洞察出一些問題的 。 比如在某段時間內 ， 下載量出現了下跌 ， 我們需要去找到這個當中問題出現在哪里 。 從總量的角度看 ， 安卓的渠道要比IOS的總量大很多 ， 這并不能說明問題 。 那么我們首先需要將時間的緯度引入到當中 ， 將這幾個月緯度的數據進行對比 ， 一定可以看到在安卓當中有一個月份的數值相比其他較低 。 然后我們再去看這個月份的情況 。 一般情況下 ， 在找到這個異常會先從渠道的角度去分析 ， 查看是哪個渠道發生了異常的現象 。 在針對性的去對渠道進行優化 。
然后我們還可以從版本的角度去分析 ， 去查看最近近期是否有新版本的更新 ， 如果有新版本的更新 ， 是否設置了新的功能出現了BUG等問題無法解決 ， 導致了用戶出現卸載應用的情況 。 當然這些角度都要加入時間的緯度去判斷 。
另外 ， 數據異常也不一定是壞事情 。 比如在分析用戶行為的過程中 ， 如果發現了某些類別的用戶的關鍵指標表現良好 ， 那么就一定要分析為什么這些用戶的數據表現為什么十分良好 ， 這也是增長黑客的分析思路 。 比如在facebook早期發現 ， 如果一名用戶在剛使用產品的早期可以快速添加10明好友以上的用戶 ， 這類的用戶的活躍程度就明顯高于其他的用戶 。 在比如airbnb在早期發現那些放置的照片十分精美的住家的出租率較好 ， 發現了這個特性后 ， 內部產品技術團隊又進行了一次AB測試 ， 發現果然是存在這樣的優化點 。

推薦閱讀