本章的内容有什么？解决问题有什么？可以回忆一下在日常工作中会有一些数据指标。比如：DAU留存这些指标，它是可以随时观测的，当你想知道前天或者之前的一些数据指标，直接去看就可以（内部系统或者外部系统）
举个例子：假设你们公司产品的DAU下跌百分之三十。为什么下跌？原因是什么？当你想知道原因的时候你应该用什么工具？这个时候就没有你去观测数据那么直接了。
其实我们工作中可能有很多类似这样的问题。
所以我们欠缺的是：如何把工作中产生的问题，与我们的数据工具和可以拿得到的数据建立对应关系。观测数据看见趋势异常下，挖掘数据背后的意义。基于数据分析的基础的思考，最后才可以形成对业务的洞察。
为大家介绍9种数据分析方法。
对比分析，多维度拆解，漏斗观察，分布情况，用户留存，用户画像，归因查找，路径挖掘，行为序列。
一、对比分析
日常数据分析的目的：对功能/策略的好坏的去评估最常见的就是对比，因为没有对比就没有好坏。通过对比我们才知道产品或功能的好坏。
做对比分析的时候我们要了解三点。
第一点：比什么？
绝对值（本省具备价值的数字）比如：销售金额，阅读数 。缺点：不易得知问题的严重度。
比例值（在具体环境中看比例才具备对比价值）比如：活跃占比，注册转化率。缺点：易受到极端值影响。
第二点：怎么比？
环比：与当前时间范围相邻的上一个时间范围对比 比如：日环比（今天vs昨天）月环比（本月vs上月）
优点：对短期内具有连续性的数据进行分析。
使用场景：需要根据相邻时间范围的数字对当前时间范围的指标进行设定。
同比：与当前时间范围上层时间范围的前一范围中的同样数据对比 比如：年同比（今天vs去年今日）周同比（今天vs上周同日）
优点：观察更长期的数据集。
使用场景：观察时间周期里面有较多的干扰，希望在某种程度上消除这些干扰。
第三点：和谁比？
和自己比： 时间维度，不同业务线，过往经验估计。
行业比：是自身因素还是行业趋势？（都跌，能否比同行跌的少 都涨，是否比同行涨的慢）
二、多维度拆解
app启动事件分析
1、按照设备来查看
可以看出那种型号的手机用户使用比较多，是否符合我们产品的定位。（来证明用户群体是否正确）
2、按照启动来源查看
一般情况下，产品启动方式很多种。这个数据可以得到用户是通过什么方式进入。考虑一下原因？平台使用的什么方式是有效的。
3、按照城市等级来查看
这可得到是一线城市使用多还是其他城市多。有了结果就要查找原因，看看是否因为产品刚刚上线的原因，还是运营重的城市打开率高。
4、按照新老用户来查看
这时会发现大v推广，日活没有大的改变，新增用户在涨，老用户下降。这时要找一下原因。是不是因为我们引入了大量用户，缺没有办法将这些用户留住。（运营方面的问题）
分析完成之后的结果
目标群体是否正确。用户大部分是通过什么方式打开app。是否因为我们的运营努力不足，导致用户只在大城市之间使用。为什么明明新用户增加，却人活没有改变。
多维度拆分小结
运作原理：指标/业务流程需要按照多维度拆分，来观察变动。
分析单一指标的构成：（分栏目的播放量、新老用户比例）
针对一个流程进行拆解分析：（不同渠道的浏览，购买转化率、活动：不同省份活动参与漏斗）
还原行为发生的场景：（观察打赏主播的等级，性别，频道、是否在wifi或4G环境，也会对行为有影响。）
三、漏斗观察
漏斗观察：就是一连串想后影响的用户行为。一个个行为构成，是前一步对后一步是有影响的。
使用场景：又明确的业务流程和业务目标。
不太适用的场景：没有明确的流程，跳转关系纷繁复杂的业务。
我们在建立漏斗分析的时候容易掉的坑（要避免）
1、漏斗一定是有时间窗口的
我们根据业务的实际情况，选择对应的窗口
按天：对用户心智的影响只在短期内有效（如短期活动）
按周：业务复杂，成本高/多日才可以完成（理财产品等）
按月：决策周期比较长（装修买房结婚）
要注意的是太长，包进了很多无用的信息。
太短，扔掉了很多有用信息。
2、一定有严格的顺序的
一定要按照12345的顺序来观察。不可以只观察1和5的数据，这样的话或多出更多的其他方面的数据，造成数据信息不正确，没有办法给出合适的结果和方案
3、漏斗的技数单位可以基于用户，也可基于事件
我们要判断什么时候基于用户什么时候基于事件
基于用户：我们关心的是整个业务流程的推动（促使交易）
基于事件：关心某一步具体的转化率。无法获知事件流传的真实情况。
4、结果指标的数据不符合预期
首先我们先自查：看看是否只有这一个漏斗能够到达最终目标？
因为可能达成这个目标的时候回有多种不同的路径。
四、评估渠道质量并确定投放优先级
常用的划分方式
来源：百度、头条、线下、百度贴吧
媒介：SEM、自然搜索结果、banner
其他的参数：活动营销、广告关键词、裂变
渠道质量跟踪
1选择一个关键路径——选取反映你产品目标人群的行为的数据
比如：电商购买，社区发帖（可以衡量每个渠道的用户是否为目标用户）
比如：完成为期三个月的课程（门槛太高/流程太深，转化率极低，无区分度）
比如：打开app/访问首页（门槛太低，同样缺乏区分度）
五、分布情况分析方法
一般都是在一个事件不仅仅只有累计数量这么一个可以观察的指标。还可以观察这个事件在不同维度的分布来观察。
常见的群体划分：事件频率、一天内的时间分布、消费金额的区间
小结：
运作原理：从事件在不同维度中的分布来观察，以便理解该事件除了累计数量和频次外，更多维度的信息
适用场景：已经知道一群用户完成了指定事件，但需要对用户群体进行细分，按不同的维度和价值将他们划分为不同群体，分别进行后续的维护或分析。
已经知道单个事件的完成次数，希望知道这些次数拆分道不同维度上后的分布情况，以便清晰地了解该事件的完成情况。
六、用户留存的分析方法
为什么要看留存？
了解某一个渠道的质量–日留存
1.以天为单位，衡量这个渠道来的用户当下/接下来的表现
2.以日留存作为比较标准时，应避免其他日数据的干扰。
观察整个大盘–周留存月留存
1.以周月为单位，衡量产品的健康情况，观察产品在平台上的黏性。
2.务必去重
留存
一般的计算方式
将某一个时间段的用户id与另一时间段的用户id做交叉去重。
产品，运营，技术，市场每个环节都会对留存造成影响。
精准留存
过滤进行指定行为的用户id，在计算。
将用户分为不同群体之后，观察其之间留存的区别。
用户留存的适用场景
评估产品功能粘性
验证产品长期价值
七、功能/内容上线之后，如何评估其短期效果/长期效果/未来潜力
一个功能/内容上线之后，我们将如何去评估其价值？
1、上线后的目标与价值清晰明确（做的事情和以后给公司带来的价值非常清晰）
解：
第一种：我们可以借助漏斗对比（1和2进行对比）
1.vip视频-会员付费转化效果
——看过这批付费视频——会员付费—— （通过控制流量入口来观察最终结果）
2.普通商品-会员付费转化效果
——看过同期视频——会员付费——
（漏斗分析都是有时间窗口的，一般情况下不会设计的太长，以免失去有效性）
第二种：借助用户分群对比
可以根据付费用户进行一个区分（1.购买会员看过付费视频的2.购买会员没有看过付费视频的）这个时候就可以发现，这个时候购买会员的人有百分之七十九是看过付费视频的。就可以得知最后这个的效果是如何的。
总结：上线后的目标与价值清晰明确
1借助漏斗分析对比（转化关系明确时）
2借助用户分群对比（转化关系比较复杂时）
2、上线后关注其对产品价值的提升
解：通过上面的案例我们得出来四种类型的主播
1种主播—主播留存高，平台留存高。建议：要留住。
2种主播—主播留存低，平台留存高。建议：多多益善，但无需特别运营
3种主播—主播留存高，平台留存低。建议：有风险，专门管理
4种主播—主播留存低，平台留存低。建议：放置，无需管理
小结：上线后关注其对产品价值的提升————————借助精准留存对比。
3、上线以探索更长期产品潜力
从对使用情况的促进作用来观察
某社交app：本来一天只用一次，好友推荐功能发布之后，一天用2-3次。
小结：借助分布情况分析，对比是否优化了
产品核心功能使用频次的分布，使用场景（如时间段的分布）
作者：猫咪很慢180113
