產(chǎn)品數(shù)據(jù)分析數(shù)據(jù)分析相關的一些東西，三板斧指的是趨勢、對比、細分。看趨勢顧名思義就是追蹤數(shù)據(jù)的趨勢變化，找到一些增長或者下降的拐點，然后去分析對應的原因，適用于一些指標的長期追蹤或者衡量一些關鍵動作有無效果。比如產(chǎn)品的核心指標是GMV,那肯定就需要定期關注增長的趨勢是否正常，是否符合預期，在追蹤的時候，自然而然就需要對比著來分析。看對比光看趨勢不一定靠譜，因為某些指標是一直增長的，比如注冊用戶數(shù)，這個數(shù)據(jù)肯定是一直在增加，除非沒有新用戶進來了。另外沒有對比就沒有傷害，比如你的增長速率是每年50%，覺得已經(jīng)很不錯了，也許你的競爭對手正在以每年500%的速率進行增長…所以，通常情況下，數(shù)據(jù)會對比著來看，一方面是縱向比較，即自身和自身進行對比，另一方面是橫向比較，即自身和別人進行對比。縱向?qū)Ρ韧ǔ０ōh(huán)比、同比。環(huán)比就是本期統(tǒng)計數(shù)據(jù)與上期比較，比如拿2018年9月份的數(shù)據(jù)和2018年8月份的數(shù)據(jù)進行對比；同比指的是本期統(tǒng)計數(shù)據(jù)和上一周期的同期數(shù)據(jù)進行比較，比如拿2018年9月份的數(shù)據(jù)和2017年9月份的數(shù)據(jù)進行對比。通常情況下，我們在進行數(shù)據(jù)分析的時候大都會用本周的數(shù)據(jù)和上周的進行對比，或者用本月的數(shù)據(jù)和上個月的進行對比，然后控制不同的變量進行分析…這里面需要關注一些周期性的波動，比如某些產(chǎn)品會有明顯的周末效應。以我們的產(chǎn)品為例，DAU基本上是周一最低，周二周三持續(xù)低迷，周四小幅回血，周五下降，周六周日達到巔峰，然后持續(xù)循環(huán)…之前有個其他部門的同事問我做了什么，為什么昨天的數(shù)據(jù)漲的很厲害，我翻了下，發(fā)現(xiàn)是周四，就告訴他和上周同期的數(shù)據(jù)對比下，然后把這個周期拉長一些，以周為單位再看下。按照經(jīng)驗來看，大多數(shù)APP在小長假期間數(shù)據(jù)都會下跌，特別是春節(jié)這種節(jié)日，下降的會非常厲害。遇到這種情況先不要方，先看看有沒有新發(fā)版本，確認下埋點是否有異常，再看看是否處在節(jié)日影響范圍內(nèi)，和其它同周期的數(shù)據(jù)對比看下，之后再找找其他原因。橫向?qū)Ρ韧ǔ０ㄐ袠I(yè)競品，全站數(shù)據(jù)，測試AB組等。和競品對比，主要是為了了解我們目前做的怎么樣，業(yè)界的領先水平是怎樣的，雖然這部分數(shù)據(jù)很難獲得。全站數(shù)據(jù)通常指的是大盤數(shù)據(jù)，有可能你負責某個功能模塊的時候發(fā)現(xiàn)數(shù)據(jù)漲了，最后絞盡腦汁也沒分析出來原因。然后回頭一看，哦，原來是整體的數(shù)據(jù)漲了，順帶著躺贏了一把…測試AB組指的就是實驗組和對照組了，控制不同的變量對比分析不同的結(jié)果。看細分通常情況下用的最多的就是數(shù)據(jù)細分，不僅能夠追溯到問題發(fā)生的原因，還能為后續(xù)的一些動作提供參考依據(jù)。本部分主要分為維度和度量、拆數(shù)據(jù)、拆用戶和拆因子這幾部分。維度和度量主要是概念說明，后面幾部分則是具體如何看細分數(shù)據(jù)。維度和度量很多時候數(shù)據(jù)分析都是通過不同的維度和度量進行交叉對比分析，找到一些可能的原因，然后再去驗證猜想。維度，指的就是分析數(shù)據(jù)的角度，比如城市、時間、瀏覽器、新老用戶、操作系統(tǒng)、終端等。度量，指的就是具體的數(shù)據(jù)值，比如UV、PV、轉(zhuǎn)化率、跳出率等。通常情況下，單獨的數(shù)據(jù)值只能傳遞整體的概況，細分查看需要結(jié)合著維度。比如整體DAU可能是在逐漸上升的，同時老用戶的留存可能卻是在下降的，如果我們只是看度量的話，有可能就被蒙蔽掉。通常情況度量需要結(jié)合著具體業(yè)務來看，比如以一款內(nèi)容型產(chǎn)品為例，用戶最核心的路徑是瀏覽內(nèi)容》產(chǎn)生互動行為。那需要關注的度量就是人均瀏覽時長、人均瀏覽條數(shù)、使用頻次、點贊、評論、轉(zhuǎn)發(fā)等互動行為。在此基礎上，再結(jié)合著新老用戶、男女用戶、年齡分布、地域分布、終端分布、行為差異等維度再來進行更細致的分析。拆數(shù)據(jù)這部分就是基于數(shù)據(jù)本身來做一些拆解，可以分為單指標和多指標兩種形式。單指標主要是衡量功能本身的表現(xiàn)情況，比如說：功能本身的深度：使用頻次、使用時長、分布情況等；功能本身的廣度：使用人數(shù)、DAU%等；功能本身的留存度：留存率；功能本身的轉(zhuǎn)化率：各環(huán)節(jié)轉(zhuǎn)化率。多指標主要是對其它關聯(lián)指標的貢獻，比如對目標值的貢獻度，如留存率，轉(zhuǎn)化率、相關性等，比如新用戶閱讀了乂篇文章，留存下來的可能性會增加多少。拆用戶主要是針對用戶本身進行分群，再結(jié)合著數(shù)據(jù)指標進行交叉對比，通常情況下可以按照用戶的靜態(tài)屬性和動態(tài)屬性進行拆分。靜態(tài)屬性主要指新老用戶、版本、終端、地域、操作系統(tǒng)、渠道等。動態(tài)屬性主要指用戶的行為，比如按照用戶的點擊次數(shù)，用戶購買商品的客單價，或者某個行為路徑的操作步驟來進行分群。結(jié)合著分析的目標，把數(shù)據(jù)和用戶拆分之后，應該就能得到一些思路了，然后再繼續(xù)分解和交叉對比，直到找到一些結(jié)論。拆因子這部分主要指的是一種思考方式，盡量先把目標值抽象成一個具體的公式，然后再按照因子去拆解。比如上司來找你說我們這段時間DAU下降了，你去分析分析是什么原因造成的。那首先我們可以考慮一下DAU相關的部分都有什么，可以用這樣一個公式來進行概括：DAU=新增用戶數(shù)+活躍用戶數(shù)+回流用戶數(shù)先排除一下數(shù)據(jù)異常、周期性波動，再結(jié)合著這個公式來看下各因子的細分情況。首先看下各部分的構(gòu)成變化，是新用戶下降，還是活躍用戶下降，還是回流用戶下降。如果是新用戶數(shù)下降，那就去看看最近一段時間新增的用戶數(shù)有沒有變化，是數(shù)量下降，還是質(zhì)量下降，按照渠道和日期來拆解每天的新增數(shù)量，然后再拆解各渠道的留存率看看。如果是活躍用戶數(shù)下降，就按照新老用戶的留存率對比分析看下，是新用戶留下來的少了，還是老用戶留下來的少了。前者就在新用戶激活的路徑上找找原因，后者就在最近新上的功能上找找原因。如果是回流用戶數(shù)下降，按照回流的渠道拆解一下，看推送、短信召回、活動召回等形式帶回來的用戶數(shù)有沒有變化，然后再結(jié)合著具體的變化繼續(xù)找對應的原因。最后結(jié)合著分析出來的原因，產(chǎn)出初步的結(jié)論，后續(xù)做一些對應的動作進行干預，觀察對應的數(shù)據(jù)指標變化。最后經(jīng)過上面的層層細分和交叉分析，一種可能性是你找到了潛在可能的問題，然后去證實或者證偽了你的猜想，另一種可能性是怎么著也找不到原因。這時候一般有三種解決方案…