网站分析常用的指标之内容指标(UI设计中方法论和方法有什么区别?盘点好文)

　　网站分析常用的指标之内容指标(UI设计中方法论和方法有什么区别?盘点好文)

　　在 UI 设计中，分析用户数据是一项非常重要的工作。数据分析的结果可以帮助设计师更好地进行交互设计工作，帮助设计师建立良好的设计模型。很多做数据分析或者是数据分析新手的小伙伴不知道怎么做数据分析。我完全没有任何想法。今天给大家带来一篇好文章《数据分析师常用的数据分析方法有哪些》。希望看到这篇文章的朋友有一个清晰的数据分析思路。

　　方法论和方法有什么区别？

　　方法论是从宏观角度，从管理和业务角度提出的分析框架，指导我们后续具体分析的方向。方法是一个微观的概念，是指我们在具体分析过程中使用的方法。

　　数据分析方法论

　　数据分析的方法有很多，这里我将介绍一些常用的框架。

　　1、PEST 分析

　　PEST是企业所处宏观环境的分析模型。它从政治、经济、社会、技术四个方面分析内外部环境，适合宏观分析。

　　这四个因素也被称为“害虫有害物质”，PEST要求高层管理人员具备相关能力和素养。PEST分析与外部整体环境因素相结合，可以总结出SWOT分析中的机会和威胁。PEST/PESTLE、SWOT 和 SLEPT 可以作为商业和环境分析的基础工具。

　　2、SWOT 分析

　　它从实力、劣势、机会和威胁四个方面分析内外部环境，适合宏观分析。

　　SWOT分析是一种科学的分析方法，用于确定公司自身的竞争优势、竞争劣势、机会和威胁，从而使公司战略与公司内部资源和外部环境有机结合。利用这种方法，可以对研究对象所在的情况进行全面、系统、准确的研究，从而根据研究结果制定相应的发展战略、规划和对策。

　　3、5W2H分析法

　　从七个常见维度分析问题：为什么、何时、何地、什么、谁、如何和多少。广泛应用于企业管理和技术活动中，对决策和执行活动措施也有很大帮助，也有助于弥补考虑问题的疏漏。

　　4、4P理论

　　经典营销理论认为，产品、价格、渠道和促销是影响市场的重要因素。

　　5、AARRR

　　The Pirate Law of Growth Hacking，一个以用户为中心的漏斗状数据采集测量模型，专注于转化率，从 Acquisition、Activition、Retention、Revenue 和 Referral 5 链接增长。

　　AARRR在应用推广和运营的各个层面（各个阶段）需要关注的一些指标。在整个 AARRR 模型中，这些量化指标具有非常重要的地位，很多指标的影响跨越多个层面。及时准确地访问有关这些指标的特定数据对于应用程序的成功运行至关重要。

　　数据分析的方法有很多，这里就不一一列举了；没有最好的方法，只有最合适的。

　　从数据分析方法论也可以看出，数据分析的意义在于将杂乱无章的数据转化为清晰可见的视图，从而做出准确的决策。分析的重要性在《大数据时代技术与分析哪个更重要》一文中也有阐述。

　　七种数据分析方法

　　1、趋势分析

　　趋势分析是最简单、最基本、最常用的数据监控和数据分析方法。通常我们在数据分析产品中构建数据指标的折线图或直方图，然后继续观察，重点关注异常值。

　　在这个过程中，我们要选择第一个关键指标（OMTM，One Metric That Metter），不要被虚荣指标（Vanity Metrics）所迷惑。

　　以社交应用为例，如果我们把下载量作为第一关键指标，我们可能会误入歧途；因为用户下载了一个应用程序并不意味着他使用了你的产品。这种情况下，建议使用DAU（Daily Active Users，日活跃用户）作为第一关键指标，只统计已经开始并执行了某项操作的用户；此类指标具有实际意义，运营商必须将核心重点放在此类指标上。

　　2、多维分解

　　多维分解是指根据业务需求从多个维度拆分指标；这里的维度包括但不限于浏览器、访问源、操作系统、广告内容等。

　　为什么需要多维拆解？有时候你用一个非常笼统或者最终的指标看不出有什么问题，但是拆开之后就会出现很多细节问题。

　　比如一个网站的跳出率是0.47、平均访问深度是4.39、平均访问时间是0.@ >55 分钟。如果你想提高用户参与度，显然这样的数据会让你无从下手；但是你拆解这些指标后，你会发现很多想法。

　　3、用户组

　　用户分组主要有两种方法：维度和行为组合。

　　一是按照用户维度分组，比如按照地域维度，有北京、上海、广州、杭州等地的用户；根据用户登录平台，有PC、平板和移动终端用户。

　　二是根据用户行为组合进行分组，比如社区每周签到3次的用户与社区每周签到3次以下的用户之间的差异。我稍后会在留存分析中介绍这种特殊性。

　　4、用户检查

　　前面说过，用户行为数据也是一种数据，观察用户在你的产品中的行为路径是一种非常直观的分析方法。在用户分组的基础上，一般选择3-5个用户进行详细检查，可以覆盖分组用户的大部分行为规则。

　　大多数产品或多或少都有一些反人类的设计或漏洞。通过仔细的用户检查，可以很好地发现产品中的问题并及时解决。

　　5、漏斗分析

　　漏斗分析是一套流程数据分析，能够科学反映用户行为状态，是从起点到终点各个阶段用户转化率的重要分析模型。漏斗分析模型已广泛应用于网站用户行为分析和APP用户行为分析、流量监控、产品目标转化等日常数据运营和数据分析工作。

　　漏斗分析中需要注意的两个要点：

　　第一：不仅要看整体转化率，还要注意转化过程中每一步的转化率；

　　第二：漏斗分析也需要多维拆解。拆开后可能会发现，不同维度下的转化率也相差很大。

　　6、留存分析

　　留存分析是一种用于分析用户参与度/活动的分析模型。它检查有多少执行初始行为的用户会跟进。这是衡量产品对用户价值的重要方式。

　　衡量留存率的常用指标有：次日留存率、7 天留存率、30 天留存率等。

　　留存分析可以帮助回答以下问题：

　　新客户是否在做你期望用户在未来做的事情？例如支付订单等；

　　社交产品改进了新注册用户的入职流程，并有望在注册后提高用户参与度。如何验证？

　　想判断一个产品的变化是否有效，比如增加一个邀请朋友的功能，看看有没有人因为这个新功能多使用几个月的产品？

　　7、A/B 测试和 A/A 测试

　　A/B测试是为了达到一个目标，采用两组方案，一组用户采用A方案，一组用户采用B方案。通过实验观察两组方案的数据效果，判断两组方案的质量。在A/B测试方面，谷歌不遗余力地尝试；对于搜索结果的展示，谷歌会制定多种不同的方案（包括文案标题、字体大小、颜色等），不断优化搜索结果中广告的点击率。.

　　这里需要注意的一点是，最好在 A/B 测试之前进行 A/A 测试或类似的准备工作。什么是 A/A 测试？A/A 测试评估两个实验组是否处于同一水平，因此 A/B 测试是有意义的。其实这和学校里的控制变量法、实验组和对照组、双盲实验是一样的。

　　（本文转载自今日头条号@科技学院）