三步搞定數據統計分析:統計+分析+可視化

1 評論 6099 瀏覽 9 收藏 14 分鐘

編輯導語:在產品運行流程中,數據是其中的重要元素,進行相關數據分析,有助于前端開發、設計團隊等部門根據數據進行決策,推動產品的后續迭代升級。而數據可視化有助于團隊更好地理解數據,以更好地實現溝通協作。本文作者介紹了數據統計分析的幾大步驟,對初接觸數據統計分析的你應該會有所幫助。

我們都知道,數據是支撐決策的重要依據!

于是我們可以看到,幾乎所有的產品,都會具有數據統計分析的功能模塊。

往大了說,比如數據中臺;往高端了說,比如數據大屏、數據看板、數據駕駛艙;往本質了說,其實就是數據的統計分析。

作為一個非數據型產品經理,或者是初級產品經理,該怎樣設計這個功能模塊呢?

如果你剛好為此苦惱,不妨試一下我最近研究的這三步曲:統計+分析+可視化!

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

前言

關于數據統計分析,首先表達一個我蠻認同的觀點。

好的數據分析師,要像眼科醫生一樣:配眼鏡可能有很多專業的方法,有很多專業的工具,可在配的過程中,醫生糾結的不是自己的理論,而是關注用戶看得清不清楚,不斷問用戶“這樣可以嗎?這樣更清楚嗎?再這樣試試呢?”——接地氣的陳老師

相信在工作中,大家經常會碰到一些“孔乙己”式的數據統計分析,一開口就是“xx指標體系”,再加上一大堆什么“權威的、標準的、BAT認定的”這之類的修飾詞匯。

這特么就是典型的虛假數據分析啊,因為這些玩意,看起來牛x哄哄,亮瞎了眾人的狗眼,但大多數時候,耗時費力,卻沒有解決實際問題!

并且這種虛假的數據統計分析,還有它遵循的理論模型。

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

而真正的數據統計分析,就像太極拳的精髓一樣:“只重其義,不重其招,你忘記所有的招式,就練成太極拳了?!保?strong>以解決業務問題為根本!)

學成之時,你的境界也會是這樣的:

  • 張三豐:“你記住沒有?”
  • 張無忌:“沒記住?!?/li>
  • 張三豐:“這套叫什么拳?”
  • 張無忌:“不知道”
  • 張三豐:“你老爸姓什么?”
  • 張無忌:“我忘了?!?/li>
  • 張三豐:“好,你只要記住,把這兩個混蛋打成廢人就行了?!?/li>

但是、但是、但是,這可是張三豐100歲才悟出的拳法,而且張無忌也是有九陽神功護體,所以他們才能夠“只重其義,不重其招”(這太凡爾賽了)。

對于我們這些非數據型產品經理,或者是初級產品經理來說,自然還是需要從一招一式開始練起。不然,結局指定是“被那兩個混蛋打成廢人”。

先模仿才能超越嘛,我們今天就來研究一下怎樣模仿。

一、統計

要搞數據的統計分析,那第一步我們得先有數據吧,也就是數據的統計工作。

提起數據統計,那自然繞不開數據埋點。關于埋點怎么埋,隨便一查,就有很多總結得很好的文章了。

But,我想說的是,如果你們公司從來沒整過埋點這個事,那也不用大費周章,因為界內已經有很多成熟的埋點公司了,例如神策、友盟等等。直接花錢辦事就完了,也不貴。

我們今天研究的,是通過埋點能夠獲得哪些數據呢?總結下來,大概有這么五類:

  1. 整體概況;
  2. 用戶獲??;
  3. 活躍與留存;
  4. 事件轉化;
  5. 用戶特征。

來來來,我們逐個剖析一下,這幾類數據,具體都包含什么,以及獲取這些數據有啥用。

1. 整體概況

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

  • 實時數據意義:可以獲取到每個小時的產品實時數據,幫助你了解產品目前的實時情況。
  • 使用概況意義:產品整體的使用情況,包括用戶量、訪問情況、留存等,幫助你對產品整體指標有一個大致的了解。

2. 用戶獲取

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

  • 渠道訪問意義:每個渠道的用戶的使用情況,包括渠道中新用戶的占比、留存等,幫助你了解產品在獲客層面上的優勢與不足。
  • 版本數據意義:每個版本的使用情況,幫助你了解在產品升級的過程中,是否在活躍和留存方面有所改善。

3. 活躍與留存

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

  • 訪問流量意義:產品的每日訪問數據,指標集中在新老用戶的訪問行為上,提供訪問次數、時長、次數分布、訪問時段高峰等指標,幫助了解新老用戶在使用產品時的一些行為特征。
  • 用戶留存意義:提供用戶 7 日、次日、次周、次月留存的數據,幫助你了解新老用戶的使用粘性。

4. 事件轉化

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

  • 自定義事件意義:用戶自定義關鍵事件,系統會自動生成該事件的發生次數、人數以及分布情況,也就是能夠看到用戶都在干啥。
  • 收益類事件意義:用戶自定義收益類事件,系統會自動生成該事件的發生次數、人數以及分布情況,會根據你選擇的數值類型屬性,計算該數值的總值、人均值以及次均值。也就是能夠看到用戶都咋花錢的。

5. 用戶特征

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

用戶特征意義:能夠看到我們的用戶,都是哪些牛鬼蛇神~

二、分析

有了埋點的數據以后,那就是怎樣利用這些數據、充分發掘這些數據的價值了。

數據分析的套路就更多了,把下面這些學會,應該“二八原則”里面的“八”就能夠搞定了~

1. 常見的數據分析指標

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

  • 綜合性指標:反映產品的整體情況。
  • 流程性指標:反映用戶的使用行為。
  • 業務性指標:反映具體的業務情況。

2. 常見的數據分析維度

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

  • 數據細分:通過不同的細分維度分析,往往可以追溯到問題發生的原因,還能為后續的一些動作提供參考依據。
  • 數據對比:沒有對比就沒有傷害,一方面是橫向比較,即自身和別人進行對比,如長江的同比、環比;另一方面是縱向比較,即自身和自身進行對比,比如行業競品、全站數據、AB測試等。

3. 常見的數據分析方法

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

1)HEART模型

Google HEART模型的提出,可以讓大家反思自己的產品設計思維,同時運用相關設計工具去提高HEART五項指標來完善用戶體驗,打造更好的產品。

2)AARRR模型

該模型出自于《增長黑客》,它是在2007提出,當年的獲客成本還比較低廉,而這種模型很簡單又很直觀地突出了增長的所有重要元素,所以這個模型很長時間內都很受歡迎。

3)RARRA模型

而現在獲客的成本與日俱增,市場情況和2007年已經完全不同?,F在黑客增長的真正關鍵在于用戶留存,而不是獲客。于是,一個突出了用戶留存重要性的模型RARRA誕生了。

三、可視化

有了統計的數據以及分析的維度之后,最后一步工作就是可視化啦!

這個環節的目標很簡單,就是讓領導看到之后,不由地發出“臥槽,牛x!”這樣的感慨,那就ok了~

而想要完成這一步,又快又好的方法,那自然就是參考各種規范啦。首先我們可以去一個叫做“e-chars”的網站,去查看各種可視化圖表,因為開發很多時候,就是依照這些開源的圖表庫進行擼代碼的。

而我們設計的時候,就需要借助各種原型組件啦。數據可視化的內容有很多,我們來舉幾個典型例子。

1. 折線圖

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

注意事項:選用的線型要相對粗些,線條一般不超過5條,不使用傾斜的標簽,縱坐標軸一般刻度從0開始。預測值的線條線型改為虛線。

2. 柱形圖

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

注意事項:同一數據序列使用相同的顏色。不使用傾斜的標簽,縱坐標軸一般刻度從0開始。一般來說,柱形圖最好添加數據標簽,如果添加了數據標簽,可以刪除縱坐標刻度線和網格線。

3. 條形圖

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

注意事項:同一數據序列使用相同的顏色。不使用傾斜的標簽,最好添加數據標簽,盡量讓數據由大到小排列,方便閱讀。

4. 餅圖

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

注意事項:把數據從12點鐘的位置開始排列,最重要的成分緊靠12點鐘的位置。數據項不要太多,保持在6項以內,不使用爆炸式的餅圖分離。不過可以將某一片的扇區分離出來,前提是你希望強調這片扇區。

餅圖不使用圖例,不使用3D效果,當扇區使用顏色填充時,推薦使用白色的邊框線,具有較好的切割感。

5. 其他

三步搞定數據統計分析:統計+分析+可視化?。ǜ娇梢暬徒M件下載)

這種數據可視化的圖表還有很多,而它的意義就在于,用圖表代替大量堆砌的數字,有助于閱讀者更形象直觀地看清楚問題和結論。

四、結語

好了,以上就是今天的所有內容了,正如前言所說的,我們今天只討論武功招式,不討論內功心法。

延伸一下:數據統計分析,最終還是要從業務中來,到業務中去,一切的形式,都是次要的,關鍵還是要以解決業務問題為根本!

但對于我們這些“新手”來說,經驗主義自然也是要借鑒的!相信今天總結的內容,也足夠支撐大家比葫蘆畫瓢啦。

#專欄作家#

曉莊同學;公眾號:曉莊同學產品筆記,人人都是產品經理專欄作家?;ヂ摼W老兵,各大平臺專欄作者。

本文原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 好的,謝謝哦

    回復