【干货】数据分析的目的是什么？（一）

　　【干货】数据分析的目的是什么？（一）

　　什么是数据分析？

　　数据分析是指对采集到的大量数据进行适当的统计分析，提取有用信息并形成结论，并对数据进行详细研究和总结的过程。在实践中，数据分析可以帮助人们做出判断以采取适当的行动。

　　数据分析的目的是什么？

　　数据分析的目的是集中、提取和提炼隐藏在大量看似混乱的数据中的信息，以发现研究对象的内在规律。

　　在实践中，数据分析可以帮助人们做出判断，从而采取适当的行动。数据分析是有目的地组织采集数据、分析数据并将其转化为信息的过程。在产品的整个生命周期中，包括从市场调研到售后服务再到最终处置的各个过程，都需要适当利用数据分析流程来提高有效性。

　　在企业中，数据分析可以帮助我们了解企业的​​经营状况、产品销量、用户特征、产品粘性等。

　　数据分析的步骤？

　　

　　数据分析步骤

　　1.先说明分析的思路和目的：

　　数据分析必须有一定的商业目的。可能是新产品上线后跟踪用户的使用情况；也可能是观察用户一定时间的留存，也可能是运营某种优惠券。带着一定的目的，确定从哪些角度进行分析。然后找到可以解释目的的指标。

　　例如，您要验证最近一批的优惠券是否有效。我们可以分析优惠券的领取情况和优惠券的使用情况。优惠券领取指标可细化为领取率；使用情况可以细化为：使用率、客户单价等

　　2.数据采集：

　　确定本次数据分析的核心指标后，必须对数据指标进行数据采集。

　　有些公司的数据准备非常充分，数据仓库和数据集市也很早就搭建好了。有些公司在数据分析上落后，所以前期需要做大量的数据采集。例如，使用一些自己公司或第三方的数据分析工具来埋点并获取日志。或者使用数据库中已有的数据，例如订单数据、用户基本信息等。

　　3.数据处理：

　　数据提取完成后，应将脏数据去除（清洗），然后再进行数据转换。经过最基本的数据聚合和聚合，我们就可以得到一个比较简单的数据范围表，字段比较丰富。

　　4.数据分析：

　　数据分析是利用适当的分析方法和工具对处理后的数据进行分析，提取有价值的信息，形成有效结论的过程。

　　一般企业需要观察的数据大致分为以下几类：

　　业务数据：付费金额、付费用户数、每位客户付费率

　　运营数据：新用户数、日活跃、周活跃、月活跃（AARRR模型）

　　产品数据：关键页面的pv和uv（漏斗模型）

　　用户数据：用户生命周期、用户留存率、每位客户的用户价格、用户类型（RFM 模型...）

　　商品数据：商品销量、毛利分析...

　　随着数据的重要性日益凸显，越来越多的企业意识到数据对于企业运营的重要性。因此，大多数企业都有专门的BI部门对数据进行初步的处理和分析，并以周报的形式汇总供管理，作为日常数据和企业决策使用。

　　这里主要介绍两种简单的数据分析模型：AARRR模型：

　　获取、激活、保留、收入、推荐（传播）

　　

　　AARRR 模型

　　1.Acquisition（收购）

　　如何获取用户？在线通过网站通过SEO、SEM、app通过上市、ASO等方式。还有运营活动的H5页面，自媒体等方式。通过地面推文和传单让用户离线。

　　2.Activation（激活）

　　用户来了之后，可以通过运营价格折扣和编辑内容来增加活跃度。更多的内容、更多的产品和优惠的价格，但在成本优先的情况下仍有增长空间。这样的用户最有价值。

　　在产品策略上，除了提供运营模块和内容集约化。开展产品会员激励机制成长体系，激活用户。不仅是价格优惠的产品，还有VIP等有标识的ICON，针对较长的业务流程，实行流程激励制度，产品策略更加多元化。

　　3.提高留存率（Retention）

　　那些增加活跃度、拥有忠实用户并开始慢慢安定下来的人。在运营方面，利用内容、互信等社区用户共同构建UCG，摆脱最初的PCG模式。电子商务通过产品质量提高留存率，通过优质服务提高 O2O。这些都是要保留的业务级别的改进。

　　在产品模型中，通过会员机制的签到和奖励机制来提高留存率。包括应用推送和短信激活方式是激活用户和提高留存率的产品方式。

　　使用日留存率、周留存率、月留存率等指标监测应用用户流失情况，并在用户流失前采取相应措施鼓励这些用户继续使用应用。

　　4.获取收入（Revenue）

　　获取收益其实是应用运营的核心。即使是免费应用，也应该有盈利模式。

　　收入的主要来源有三个：付费应用、应用内支付和广告。付费应用在中国的接受度非常低，包括在中国只推送免费应用的 Google Play 商店。在中国，广告是大多数开发者的收入来源，应用内支付目前在游戏行业应用更为广泛。

　　上述活动的增加和保留率的增加是赚取收入的必要基础。当用户基数大时，可以增加收入。

　　5.自传（参考）

　　之前的运营模式在第四层结束，但社交网络的兴起又增加了一个运营方面，即基于社交网络的病毒式传播，成为一种新的获客方式。这种方法成本很低，效果可能很好；唯一的前提是产品本身够好，口碑好。

　　从自我传播到再次获取新用户，应用运营形成了一条螺旋式的轨迹。而那些优秀的应用就很好地利用了这条赛道，不断扩大自己的用户群。

　　漏斗模型：

　　

　　用户访问的路径

　　

　　漏斗模型

　　漏斗模型广泛应用于流量监控、产品目标转化等日常数据操作。之所以称为漏斗，是因为用户（或流量）从某个功能点进入（可以根据业务需要设置），可以通过产品本身设置的流程完成操作。

　　按照流程操作的用户监控每个转化等级，寻找每个等级的优化点；为不遵循流程的用户绘制他们的转化路径，以找到可以改善用户体验并缩短路径的空间。

　　使用漏斗模型的一个典型案例是电商网站的转化。用户在购买商品时，必然会按照预先设计好的购买流程下单，最终完成支付。

　　需要说明的是：单漏斗模型对分析毫无意义。我们无法仅从漏斗模型来评估关键流程中每个步骤的网站转化率，因此必须通过趋势、比较和细分方法来分析流程中每个步骤的转化率：

　　Trend：分析时间轴上的变化，适用于监测改进或优化某个流程或某个步骤的效果；

　　比较：通过比较同类产品或服务之间购买或使用过程的转化率，我们可以发现某些产品或应用中存在的问题；

　　Segment：对不同客户类型的来源或转化率表现进行细分，找到一些优质的来源或客户，通常用于分析网站的广告或促销的效果和投资回报率。

　　5.数据展示：

　　数据可视化-基础图表

　　数据可视化是对数据的可视化表示的科学技术研究。其中，这些数据的可视化表示被定义为以某种概括形式提取的一种信息，包括相应信息单元的各种属性和变量。

　　图表是一种常用的“数据可视化”方法，其中最常用的是基本图表——柱状图、折线图、饼图等。

　　

　　数据可视化图表

　　有些人觉得基础图表太简单、太原创、不高端、不大气，所以追求更复杂的图表。然而，图表越简单越容易理解，快速、轻松地理解数据难道不是“数据可视化”最重要的目的和最高追求吗？

　　所以，请不要低估这些基本图表。因为用户最熟悉，只要适用，就应该优先考虑。

　　一、柱状图（条形图）

　　直方图是最常见的图表，也是最容易解释的。

　　

　　直方图

　　它的适用场合是二维数据集（每个数据点收录两个值x和y），但只需要比较一个维度。年销售额是二维数据，“年”和“销售额”是它的两个维度，但只需要比较“销售额”的一个维度。

　　直方图使用列的高度来反映数据的差异。肉眼对高度差异非常敏感，识别效果非常好。直方图的局限性在于它只适用于中小型数据集。

　　一般来说，直方图的X轴是时间维度，用户习惯认为有时间趋势。如果遇到X轴不是时间维度的情况，建议用颜色区分每一列，改变用户对时间趋势的关注。

　　

　　直方图

　　上图为某年英格兰足球联赛各球队的胜场数。 X轴代表不同队伍，Y轴代表胜场数。

　　二、折线图数据

　　折线图适用于二维大数据集，尤其是趋势比单个数据点更重要的数据集。

　　

　　折线图

　　也适用于多个二维数据集的比较。

　　

　　折线图

　　上图是两个二维数据集（大气中二氧化碳浓度和平均地表温度）的折线图。

　　三、pie chart（饼图）

　　饼图是一种应避免使用的图表，因为肉眼对区域的大小不敏感。

　　

　　饼图

　　

　　直方图

　　上图中，左边饼图中五个色块的面积是排序的，不容易看出来。切换到直方图要容易得多。

　　通常，应始终使用条形图而不是饼图。但有一个例外，它反映了某一部分占整体的比例，例如贫困人口占总人口的百分比。

　　

　　饼图

　　四、散点图（Scatter Chart）

　　散点图适用于三维数据集，但只有其中两个需要比较。

　　

　　散点图

　　上图显示了各国的医疗支出和预期寿命。这三个维度是国家、医疗支出和预期寿命。只需要比较后两个维度。

　　为了识别第三维，您可以为每个点添加文本标记或不同的颜色。

　　

　　散点图

　　五、气泡图

　　气泡图是散点图的变体，通过每个点的面积来反映三维度。

　　

　　气泡图

　　上图显示了卡特里娜飓风的路径。三个维度是经度、纬度和强度。点的面积越大，强度越大。由于用户不善于判断面积的大小，气泡图只适用于不需要准确识别三维的场合。

　　如果给气泡添加不同的颜色（或文本标签），气泡图可以用来表示四维数据。例如下图用颜色表示每个点的风力等级。

　　

　　气泡图

　　六、Radar Chart（雷达图）

　　雷达图适用于多维数据（四维以上），每个维度必须是可排序的（国籍不能排序）。但是，它有一个限制，即最多有6个数据点，否则无法区分，因此适用场合有限。

　　以下是迈阿密热火队首发的五名篮球运动员的数据。除了名称之外，每个数据点还有五个维度，分别是得分、篮板、助攻、抢断和盖帽。

　　

　　雷达图

　　将其绘制为雷达图，如下所示。

　　

　　雷达图

　　数据点越大，就越重要。很明显，勒布朗詹姆斯（红区）是热火队最重要的球员。

　　需要注意时，用户对雷达图不熟悉，难以解读。使用时尽量加说明，减少解释负担。

　　七、Summary

　　

　　Activity box2.0——马映宇，大数据驱动的自动化营销平台。依托SaaS实现全链条营销自动化，提升品牌营销效率，量化营销ROI，扩大销售收益。应用场景支持：PC、手机网站、APP、微信公众号、小程序、会员推广、二维码通道、企业第三方平台。立即体验系统：