数据分析并不难懂 一篇文章带你认清它的本质

　　【中国智能制造网 技术前沿】做数据分析，必须要有一个明确的目的，知道自己为什么要做数据分析，想要达到什么效果。明确了数据分析的目的，接下来需要确定应该收集的数据有哪些，需要用的分析方法有哪些。　　
　　1.明确数据分析的目的
　　
　　做数据分析，必须要有一个明确的目的，知道自己为什么要做数据分析，想要达到什么效果。比如：为了评估产品改版后的效果比之前有所提升;或通过数据分析，找到产品迭代的方向等。
　　
　　明确了数据分析的目的，接下来需要确定应该收集的数据都有哪些。
　　
　　2.收集数据的方法
　　
　　说到收集数据，首先要做好数据埋点。
　　
　　所谓“埋点”，个人理解就是在正常的功能逻辑中添加统计代码，将自己需要的数据统计出来。
　　
　　目前主流的数据埋点方式有两种：
　　
　　种：自己研发。开发时加入统计代码，并搭建自己的数据查询系统。
　　
　　第二种：利用第三方统计工具。
　　
　　常见的第三方统计工具有：
　　
　　●网站分析工具
　　
　　Alexa、中国网站排名、网络媒体排名(iwebchoice)、GoogleAnalytics、百度统计
　　
　　●移动应用分析工具
　　
　　Flurry、GoogleAnalytics、友盟、TalkingData、Crashlytics
　　
　　不同产品，不同目的，需要的支持数据不同，确定好数据指标后，选择适合自己公司的方式来收集相应数据。
　　
　　3.产品的基本数据指标
　　
　　新增：新用户增加的数量和速度。如：日新增、月新增等。
　　
　　活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多，越有可能为产品带来价值。
　　
　　留存率：用户会在多长时间内使用产品。如：次日留存率、周留存率等。
　　
　　传播：平均每位老用户会带来几位新用户。
　　
　　流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。
　　
　　4.常见的数据分析法和模型
　　
　　这里主要科普下漏斗分析法和AARRR分析模型。
　　
　　●漏斗分析法　　
　　用来分析从潜在用户到终用户这个过程中用户数量的变化趋势，从而寻找到佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。
　　
　　比如，这个例子是分析从用户进入网站到终购买商品的变化趋势。
　　
　　从用户进入网站到浏览商品页面，转化率是40%;浏览商品到加入购物车转化率是20%等，那要找出哪个环节的转化率低，我们需要有对比数据。
　　
　　比如个，进入网站到浏览商品，如果同行业水平的转化率是45%，而我们只有40%，那说明这个过程，没有达到行业平均水平，我们就需要分析具体原因在哪里，再有针对性的去优化和改善。
　　
　　当然，上面这是我们设计的一种理想化的漏斗模型，数据有可能是经过汇总后得出的。而真实的用户行为往往可能并不是按照这个简单流程来的。此时需要分析用户为什么要经过那么复杂的路径来达到终目的，思考这中间有没有可以优化的空间。
　　
　　●AARRR模型
　　
　　这个是所有的产品经理都必须要掌握的一个数据分析模型。
　　
　　AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一个风险投资人戴维·麦克鲁尔在2008年时创建的，分别是指获取、激活、留存、收入和推荐。　　
　　举个例子，用AARRR模型来衡量一个渠道的好坏。　　
　　如果单从数据表面来看，A渠道会更划算，但实际这种结论是有问题的，用AARRR模型具体分析如下：　　
　　渠道A的单个留存用户成本是60元，单个付费用户成本是300元;而渠道B的单个留存用户成本是20元，单个付费用户成本是33元，这样对比下来，明显B渠道的优势远远大于A渠道。