数据分析三大原理

原文链接：https://www.jianshu.com/p/120f2d1d1c1a

一、三大原理

（1）深度理解业务，以及理解生活中遇到的领域问题，不理解业务的分析结论不具有任何参考或者指导意义。所谓理解业务就是要学会拆解业务，用指标衡量业务的发展趋势。
（2）第二是拆解业务后，要基于业务指标建立分析框架，并且基于当前业务状态和目标找到可衡量的关键性指标。
（3）第三是用数据量化指标，把指标公式化，最佳的状态是每一个指标背后的数据都是最小维度且量化的。

示例 —— 电商店铺当日销售额

    销售额 = 店铺客单价 × 付费客户数 = 客单价 × 支付人数 × 支付成功率
    支付人数 = 浏览人数 × 下单率 = 商品曝光次数 × 曝光转化率 × 下单率

所以理论上，在店铺客单价不变的情况下，可以通过提升各个步骤的转化率以及曝光率来提升最终的销售额。对应的策略可以是加大广告投放量，优化商品详情页，以及下单时各种优惠刺激，去提升曝光量和转化率。

二、如何善用数据分析能力？

（1）第三方BI系统示例

友盟BI系统基础架构｛
    概况｛
        实时统计：今日新增用户数、今日启动次数、自定义指标；
        整体趋势：七日平均新增用户、活跃用户、留存率、使用时长；
                    累计用户总数、近期用户用户总数
    ｝
    用户分析：新增用户、活跃用户、启动次数；
    留存分析：留存用户、用户新鲜度、用户活跃度；
    渠道分析：渠道新增用户分时段统计、渠道列表；
    用户参与度：使用时长、使用频率、访问页面分布、访问时长间隔分布；
    功能使用｛
        页面访问路径分析；
        自定义功能统计：登陆产品、搜索商品、查看商品介绍；
        事件转化率：所需步骤数、每一步转化率；
    ｝
    终端属性｛
        top终端用户分布以及用户数变化；
        top地域用户分布以及用户数变化：活跃用户、启动次数；
    ｝
    错误分析｛
        错误趋势：崩溃次数、崩溃概率、影响用户数、占比；
        错误列表；
    ｝
    社会化分享｛
        概况：各平台分享总数、评论数、点赞数；各平台分享数变化趋势；分享转化率；
        社交平台参数配置；
        行为  社交分享成为数据集成；
    ｝
    消息推送｛
        历史消息推送列表；
        进入信息推送平台：应用概况、消息详细列表、数据展示、测试模式、应用管理；
    ｝
    移动广告检测器：推广友盟广告效果监测与分析平台；
    ｝

（2）详解

概况里的指标是设计人员认为对产品有利的关键性指标，所以放在一起集中展示，其实其中的每一个指标都是取自下面的9大指标体系，只是起到了一个汇总呈现，集中对比展示的作用。
用户分析模块涉及到用户的拉新和活跃数据，留存分析是单独把新老用户的留存单拎出来统计，通过公式化拆解出2个关键性指标，分别是用户新鲜度和用户活跃度。
渠道分析模块是把拉新方式中的渠道投放给细化统计监测，用于区分优劣渠道，核算预算投入产出比。
用户参与度模块我理解的就是把用户活跃度指标继续细化，具体到产品行为产生的数据上，得到使用时长、使用频率、访问页面分布、访问时长间隔分布。
功能使用模块则是更进一步把访问页面的行为细化，统计出用户访问的路径是从哪个功能到哪个功能，得出页面访问路径图，还能自定义功能事件并统计到该事件发生的次数，以及事件完成率。
终端属性模块主要是简易的内部用户画像，涉及到机型、地域等。
错误分析模块主要是统计到产品报错的次数和概率，用以及时发现错误，优化各模块的可用性和易用性。
社会化分享模块对应到的是产品中涉及到分享的功能，统计到分享到各个平台的数据，以及进入分享页面后的分享完成率。

三、如何利用数据分析能力制定产品和运营策略？

（1）产品策略

这里说的产品策略分为两类，一种是基于用户型APP的更新迭代，比如抖音近一年的42次更新是如何获得数据支持的；另一种是业务型产品的定价和更新，比如网贷理财产品的定价。

以抖音为例，抖音近一年更新了42次。整理近期的更新日志会发现，近期对于“道具玩法”的更新非常多，因此提出一个问题：迭代多种新奇好玩的道具玩法能否提升产品的活跃指标？

具体来说，抖音上有很多只看不发的用户，也可能会因为想尝试道具玩法而发布短视频，因此可能增加了用户的活跃度。从逻辑上是这样判断，如果要数据上验证逻辑成立，需要什么数据？如何去证明？

作为外部用户，基于业务可以分析出抖音道具玩法涉及到的数据指标模型：

道具玩法作品贡献度：
- 道具玩法作品量：
  - 单一玩法使用次数；
  - 产品内道具玩法的数量；
  - 道具无法作品增长率（现值/旧值）；
- 作品总量：作品总量增长率；
- 作品播放总量：道具玩法贡献度（道具作品/作品总量）；
道具玩法作品受欢迎程度：
- 推荐量；
- 播放量：推荐转化率 = 播放量 / 推荐量；
- 点赞量：点赞率 = 点赞量 / 播放量；
- 评论量：评论率 = 评论量 / 播放量；
- 受欢迎度 = 推荐转化率权重1 + 点赞率权重2 + 评论率*权重3；

分析完道具玩法这个单一功能，继续把视线拉回抖音产品本身，分析道具玩法是否助于提升产品整体活跃度。先拆解抖音活跃度这一指标。抖音是一款流量非常大的产品，我们把用户活跃定义为“使用产品各项功能”的时间越长，频次越高，则用户越活跃。用公式化的思维拆解活跃度：

功能活跃度Pi = 使用功能时长T × 使用频次N
产品活跃度 = P1 × 权重w1 + P2 × w2 + P3 × w3 = sum(Pi × wi)

由于每个功能对于产品的意义不同，需要设置权重。例如对看视频、评论点赞等核心功能增加权重，像完善个人资料这类功能降低权重。根据公式化拆解，利用BI系统跟踪时长和频次进行统计，便可以验证假设。

（2）运营策略

运营策略所面向的产品，通常也分为用户型和业务型。通常被熟知的是用户型产品，判断标准是用户使用产品本身是不需要付费的，产品需要先吸引用户，在从其他方面获利。而业务型产品和传统行业一样，使用产品就必须付费。典型的业务型产品有自营理财类产品，利用利率差盈利。不管是哪一类产品都需要数据驱动，决策时需要数据支持。

例如以陆金服这款理财产品，虽然背靠平安银行，获客渠道更多，成本更低，但获客成本仍可以通过优化渠道投放来进一步降低成本。这时运营就要思考：哪些渠道可以增加预算？哪些渠道没有价值可以放弃？哪些渠道适当维持正常预算？

要解答以上问题，需要深入了解渠道获客的全流程。理财产品常规获客模型（途中存在获客失败和用户流失）：

渠道 --> 付费渠道投放 --> 投放落地页 --> 下载APP --> 注册 --> 投新手标 --> 追投普通标或定期理财工具 --> 用户留存 --> 用户成长 --> 忠诚用户 --> 社交分享拉新/奖励活动拉新 --> 活动落地页 --> 下载APP ...

了解清楚渠道获客模型，要衡量渠道好坏，还需要确定指标体系。具体来说，衡量理财产品的获客优劣的KPI是“渠道获客投入产出比”，即客户获取成本与客户贡献价值之比。清楚KPI后，接下来需要公式化拆解，可量化的指标才能指导业务：

渠道获客投入产出比 = 平均获客收益 / 平均获客成本
平均获客收益 = 年平均投资额 = 客户累计投资额 * 投资期限 / 365
平均获客成本 = 渠道累计投入预算额 / 渠道累计发生投资用户

以上可量化的数据在BI系统里会有相应的统计模块，利用BI工具观察数据趋势，也可以把“获客投入产出比”这个指标定制化做进系统里面。

（3）数据分析心得

做好数据分析要从3个方面入手。第一是掌握数据分析方法，其中包括工具方法和分析思维；第二是深度理解业务逻辑，了解数据与数据、指标与指标之间的相关关系；第三是换位思考，站在需求方的角度去分析，解决实际问题，不要想当然地沉浸在自我的分析结果中，再漂亮的分析报告如果不能支持业务，不能作为决策的依据，那就没L用。

数据分析三个原理两个例子