基于此 ， 一開始就把指標進行分層級 ， 分為業務、產品和流程三個層級 ， 業務關注業務的 ， 產品關注產品的 。不同層級的指標有不同的思考維度和分析 ***。
以支付業務為例 ， 先明確指標層級后 ， 根據指標設計原則 ， 去做關鍵指標的拆解 ， 一級指標可以拆解到二級指標 ， 二級指標還可以繼續拆解到三級指標等等 。
文章插圖
業務層級的指標用來衡量商業層面的客戶發展、增長與獲利、競爭力與盈利能力等 。
業務從用戶那里掙錢 ， 需要通過產品作為載體或媒介 ， 互聯網產品的使命是利用技術賦能業務 ， 幫助企業降本增效 。所以談到產品 ， 需要去思考產品定位、產品能提供的核心價值、產品帶給用戶的產品使用體驗、產品如何實現業務目標 。
進一步細化 ， 一個產品往往有著很多功能 ， 承載著不同的用戶交互步驟或操作流程 。梳理并整理出整個轉化流程中各個關鍵節點 ， 去實現產品的核心指標 。
從業務模式 ， 到根據產品的價值與體驗 ， 再分解到具體流程的步驟效率 。這提供了一種縱向的 ， 自上而下、由粗到細的分析模型 ， 在每一個層級上 ， 又會有不同關注點和類別的指標 。以數據為基礎 ， 主導產品布局 ， 拆解流程步驟 ， 賦能業務增長 。
4. 結語本篇文章從用戶數據、行為數據和業務數據三方面介紹了3個數據指標體系模型 。特別說明的是 ， 文中提到的AARRR模型、UJM+O *** 模型、指標分層3個數據模型僅舉例說明 ， 實際還有更多模型 ， 如PLC、HEART、G *** 、PTECH模型等等 ， 需在不同場景下評估綜合使用 。
但不管什么數據模型 ， 核心都在于找到數據與數據之間的關聯性 ， 從海量數據中找出最核心的數據指標用以衡量目標是否達到 ， 以系統和結構化視角思維來看數據分析 。
四、數據呈現之數據分析 *** 今天來講數據分析的第四篇文章數據呈現之數據分析 *** ， 是整個數據分析篇章中最后一部分內容 。
在前面第二部分、第三部分文章中 ， 我們講了數據生成-獲取數據-數據建模-數據指標搭建這樣漫長的數據加工處理過程 ， 到最后一步便是數據呈現和從數據中挖掘出來的問題或者機會點的數據應用 。
有句話調侃講 ， 辛苦干活兒一年還比不過一個做PPT的 ， 同樣適用數據分析 。如果前面做了大量數據加工處理工作 ， 但是最后不會做數據分析和數據呈現 ， 挖掘不到問題和機會點 ， 那么前面的工作將白費 。
（或者說前面的工作皆屬于打地基 ， 最后一步也就是本篇文章講述的內容是收獲果實 。）
通過數據呈現 ， 把分析的結果完整呈現出來 ， 為決策者提供科學、嚴謹的決策依據 ， 供決策者參考以做出決策 。
好的數據呈現 ， 需要有一個好的方式展現數據間的關系和規律 ， 讓人一目了然 ， 這是接下來要說的數據分析 ***。常見的漏斗分析、多維拆解、趨勢分析、對比分析、帕累托分析和交叉分析等 。
上篇講的數據指標體系設計是從宏觀層面指導如何進行數據分析 ， 本章講的數據分析 *** 主要從微觀角度指導如何進行數據分析 。從宏觀到微觀是不斷細化的過程 。
1. 漏斗分析漏斗分析能夠科學反映用戶行為狀態 ， 以及從起點到終點各業務流程的用戶轉化率情況 ， 是一種重要的流程式數據分析 ***。
比如：對于電商產品來說 ， 最終目的是讓用戶購買商品 ， 但整個流程的轉化率由每一步的轉化率綜合而定 。這時 ， 我們就可以通過漏斗分析模型進行監測 。
如下圖所示 ， 我們可以觀察用戶在每一個環節上的轉化率 ， 尋找轉化路徑的薄弱點 ， 優化產品 ， 提升用戶體驗 ， 最終提升整體的轉化率 。
文章插圖
所有互聯網產品、數據分析都離不開漏斗 ， 無論是注冊轉化漏斗 ， 還是電商下單漏斗 。需要關注兩點 ， 之一是關注哪一步流失最多；第二是關注流失的人都有哪些行為 。轉化率更低的環節 ， 往往是ROI 價值更大的地方 。
推薦閱讀
- 汽車鍍膜劑怎么使用視頻 汽車鍍膜劑怎么用視頻
- 顯示器hdr是什么意思 hdr是什么意思400?
- 山行描寫了哪六種景物,顯示秋景圖 山行描寫了哪六種景物
- 汽車地毯拆卸圖解 汽車地毯怎么拆卸
- 奔馳smter汽車價格查詢
- 換汽車大燈燈泡多少錢 換汽車大燈多少錢？
- 金杯汽車圖片「金杯汽車圖片價格」
- 買汽車的無息貸款真的無息嗎，現在買車都是無息貸款嗎
- 夢見汽車爆胎
- 抖音為什么不顯示瀏覽者了 抖音為什么不顯示瀏覽者