“大数据”、“数据驱动”这些词汇,对沉浮在互联网的厂工们来说并不陌生,隔着屏幕,一边在源源不断地生产数据,一边在紧锣密鼓地收集解读数据。这些数据是奇妙的,它可以让人更加直观、清晰地认识世界,也可以指导人更加理智地做出决策。
数据分析目的有俩:
- 挖掘问题,定位原因,对症下药
- 验证假设,提供必要的数据支持
不能为了做数据分析而做,这是互联网小白甚至是白银段位产品汪也会犯的错误,你可能听到过这样的对话:
产品汪:“我们想看看跟贴用户里有多少是高活用户?”
几招过后,不想拉扯的数据分析师灵魂一问,“就先假设一个数,占比60%,你下一步的策略是什么?”
产品汪束手不及,瞪圆无辜的大眼,哑语。
此次谈判失败。
如果你只是想要一个值(日常指标监控不算在内),可以先假定,然后看看自己是否有进一步解决问题的思路,如果没有,说明这个问题你还没有想清楚,就不必大费周章做数据分析了,请给数据分析师减负。
数据流转/分析流程:
一、指标&指标体系“好数据胜过大数据”,不要用装满数字的高压水枪把团队冲垮,那什么是好数据?
9个字简单概括:比率、比较性、简单易懂。
- 比率:避免“抛开剂量谈毒性是耍流氓”的情况,在有一定统计学意义的统计量上看转化率,如看页面转化率比单纯看页面访问PV更有意义;看点击率比单纯看文章推荐量更有意义;
- 比较性:数据可以横向、纵向、环比等,能比较的数据才有意义;
- 简单易懂:如字。
不同的商业模式有不同的数据指标,热门的模式大致可以分为以下几类:
- 电子商务,如亚马逊、淘宝;
- 移动应用,如王者荣耀,今日头条;
- 媒体网站,如腾讯新闻网页版。
移动应用以新闻资讯app为例(如今日头条、网易新闻、腾讯视频等),简单阐述其指标体系。
宏观指标(水池理论)
我们把活跃用户当做一个活跃的蓄水池,每天每月有新的水进来(水的来源和水质都不同,有付费发行、免费发行、回流等),也有部分水流出(流失率),没有流出的水暂时停留在水池里,这一出一进维持着蓄水池的水量,也就是我们常提到的DAU/WAU/MAU。
流入>流出,看涨;流入<流出,看跌,道理浅显易懂。
产品发展期间,增长负责人也许会有担忧(特别是创业团队):“新增能够抵过流失吗?”
我们用水池理论来做一道数学题,已知数据:现存量用户500w,月平均上线率60%,月回流8%,月流失率20%,日活目标增率6%,即6个月后的日活目标是709w,请计算这半年每日发行量需达到多少?