内容来自小破站《黑马程序员-产品经理必备技能之数据分析》复习自用

3 常见数据分析方法

3.1 基础数据分析（日常工作）

通过简单的易懂的数据分析工作，了解数据中传递的客观规律，从而达到分析目的的一种简洁方式。下面是数据分析流程。

3.1.1 数据分析流程

前期大量的准备，都是为了最后分析总结服务这里提供三种方式。看趋势、看分布、看对比。

明确了目的之后要做什么事情，是拿取数据。列一个表头，去找研发，或者自己写一个SQL，去库中取数据。

3.1.2 分析任务实例

背景：为了替换第三方直播运营商，公司自主研发了直播平台，并且正在筹备上线，研发人员希望了解到三月份的课程分布和学员出勤最高峰值，以及行为发生时段。目的是筹备前期解决方案，避免直播期间出现流量过大导致的直播事故。
紧急程度：高
重要性：较为重要

（Excel处理过程略）最后生成报告展示：


总结：明确目的——数据库抓取数据——整理数据——可视化呈现——分析总结

3.2 用户模型分析

用户模型的目的，在做某一个项目或者某个新型的产品，第一个思考的是不是产品逻辑，也不是界面样式，而是【你要服务于谁】。你知道服务于谁之后，需要深入挖掘目标用户的实际需求，了解实际特征，具体属性，痛点。了解这些时候，基于需求和痛点进行设计，同时也需要了解顾虑，当我们要拉动C端用户的时候，也需要考虑，分析用户的顾虑点，不同的用户有不同的顾虑，只有打消用户顾虑之后，才会下单，付费。

3.2.1 什么是用户模型？

用户模型是对业务目标群体【真实特征及属性】的勾勒，是真实用户的虚拟代表。
在做某一个产品的时候，你知道你服务的人群是谁，但是传递给你的信息，你能了解到的信息可能会非常的粗浅表面，那么我们需要深挖，深挖以后，你就知道有一些事情是你必须要去做的，那这里不能遇到点问题就去问用户去调研，成本很高，周期很长。所以我们需要对用户进行画像，做出一个模型，每次我们需要思考，需要做一个战略规划的时候，就要去看这个模型，这也就是我们所说的用户模型。
用户模型的目的：尽量减少主观臆测，了解她们的真实需求，从而知道如何更好的为不同类型用户提供定制化服务。
大部分的产品经理只是把自己想象成了用户，并且你只是众多用户类型中的一个类型而已，其他的类型会被忽视，所以需要减少主观臆想，了解真实需求，这样便可以更好的为更多用户提供定制化需求。你可能会服务于很多用户，而你针对于不同用户所提出的其实都是不一样的，因为每一类用户都有自己特有的属性，所以我们要迎合这种属性，了解每一类用户的实际需求，提出有针对性的，定制化的服务。

3.2.2 两种构建用户模型的方法

1. 传统用户模型
   通过对用户的访谈、观察，得到目标信息，准确度高但是成本高，在交流过程中会获取到大量的信息，但是拿到的信息不全是真实的，所以拿到信息之后需要删选过滤。假设现在组织了一次调研，明确目标，想要什么信息，用什么样的方式，问什么问题，想要得到什么答案，如果是观察，需要在什么样的时间去观察什么。另一方面，被访谈的人员，他在被访谈的时候是否达到了标准，他的分析能力是否能到到标准。周期长，人力大，投入大。
2. 临时用户模型
   在看到商机的时候，需要快速去跟进，通过行业专家获公开的市场调研数据来快速建模，这样准通常来说确度低，容易偏颇，到但是成本低。更依赖于专家的经验，如果专家出错，产生误导。平台数据是否真实也会有很大的影响。当然，是可以结合使用的，可以先临时，再通过调研来佐证你的模型。既然你能做这个行业的产品经理，你一定会是有一定经验的（真的吗23333），在你前期做临时模型的时候，你的项目就已经启动了，只不过是在进程中通过调研来调优改善你的模型，不断地优化，不断迭代，不断地试错，你的平台一定是在不断的成长的。

3.2.3 传统用户模型的执行流程

1. 角色分类
   做一件事情之前，思考，合理再做，面向谁，针对谁，哪些用户是需要去调研去分析的。
2. 确定变量
   在观察的过程中，都要观察哪些方面。每一类用户的差异点在哪里，差异点就很合适这个变量。（你在做一件事情之前，先把它写下来，就已经成功了一半了）把你的想法明确出来，能让你回顾的方式，这样你执行的时候会很顺畅。不同的用户，什么是付钱。刚毕业的大学生报名学习，他的顾虑是什么，经济条件占很大一部分，但是脑子热，但是毕业十年的经济基础偏高。
3. 用户分组
   确定了变量之后，对用户进行分组，什么样的角色有什么关键点。
4. 组织调研 / 快速建模
   分完组之后，需要去调研用户了，那么来了一个用户，把他对应到分组里去，把所有接受访谈的用户，都找到对应的用户组里，对应之后，就可以进行数据采集（访谈、观察、问卷）了。这个时候，前期的准备工作就做的非常充分了。
   对于临时用户模型，在做完前期的准备工作之后要干嘛呢？在用户分组之后，就已经可以快速建模了，比如宝马，带孩子，三年之后回到社会，特征、顾虑就是有关于脱离社会，靠想象这样一个场景，工作量稍小，到那时会有不准确性的，需要做少量的调研，做一个真实性论证，检验模型是否准确。
5. 信息整理
   接下俩进行信息整理，需要对大量的数据，去重，去干扰信息，假信息，留下有价值的信息。
6. 特征描述
   对应不同的用户群体，分别都有什么用户特征
   

3.2.4 用户调研实例

背景：一家成人继续教育自学考试的辅导机构，希望通过对目标用户做数据分析，来帮助提升业务指标，甚至是指定中短期战略规划。
需求解读：希望针对不同目标用户群体指定不同的话术，涉及前端销售外呼部门和后端为人部门，这样，一方面可以提升成单率，另一方面对退单率也会起到一定的影响。（业务方的根本需求是需要了解不同目标用户群体的特征描述）

外呼部门：您好很高兴为您服务。
委婉部门：退单？想得美！
会有严格的一套话术，前端可以提升成单率，一个人的成单率很高，那就将这套话术成为一个标准。另一方面降低退单率，了解为什么退单，有什么顾虑，让他不退单。

1. 角色分类
   公司特有属性决定目标用户群体。成人自考（自考本科、自考大专）
   
2. 确定变量
   知道角色之后，需要确定一些什么。年龄、社会称为{白领，领导}、现学位、职业、考学目的、自身特点、顾虑点。
   
3. 用户分组与组织调研
   本实例选用访谈形式，主要针对于来访人员进行回访调研。
4. 信息整理
   拿到信息之后需要进行整理，找共性，找差异。
   共性，用来总结该群体特征；
   差异，用来论证分类的合理性。
   
5. 特征描述

6. 结论价值体现
全面了解不同目标群体的特征，从而为前端销售外呼部门和后端委婉部门提供可靠的参考依据。
我已经知道了你大概是一个什么情况，我知道你焦虑的地方在哪里，我就有针对性的跟你去谈，知道你的现状，告诉你做了之后能改变些什么，来打动你。前提是，我非常了解你。

3.3 事件触发模型分析

3.3.1 埋点

所有在平台上留下行为的用户，是如何来抓取的呢？
关键词：【埋点】
通过程序来记录用户与产品交互过程中的相关数据。所有的用户行为，都是通过埋点，来抓取得到的。埋点从字面上理解，就是提前埋好了一个一个的点，对用户的行为进行采集。产品经理不会编程怎么办，其实对于产品经理来讲的话，只需要提前定义好，这个取数据的规则就可以了，要告诉前端的人员，点击什么样的按钮，发生什么样的行为，需要进行记录。然后把所有的事件进行归类统计。“事件”，是用户在产品上的行为所获得的程序反馈。

3.3.2 埋点的作用

通过了解用户与产品的交互过程，来帮助产品决策、推动产品优化以及指导运营。

载体：埋点包括在IOS、Android、H5、小程序，也包括后端业务埋点。
后端业务，一般指的是后台，一般是给公司内部人员用的。

PV（Page View）访问量，即页面浏览或点击量，在一定统计周期内用户每次刷新网页即被计算一次。
UV（Unique Visitor）独立访客，访问该网站的一台电脑客户端为一个访客。00:00-24:00内相同的客户端只被计算一次。

3.3.4 基础埋点案例

3.3.5 全局埋点案例

全局埋点优势：数据量完整且全面、便于多维度分析
全局埋点不足：开发成本高、前端工作压力大

3.3.5 关键数据埋点案例

通过指定数据埋点、取数、统计及分析，可以更有针对性的进行数据观察。

3.3.6 小结

1. 通过埋点所得出的数据，对于优化使用流程、优化运营推广策略有极大的作用。
2. 通过埋点数据可以更好的去了解用户，更好的提供产品服务。

3.4 漏斗分析模型

什么是漏斗分析模型？
漏斗分析模型是用来观察用户在使用产品过程中（这个过程也叫路径），多个关键行为之间的转化及流失。

3.4.1 漏斗分析实例

通过漏斗可以知道多少人加入购物车，多少人提交订单，多少人付款成功。可以在实例中发现，查看商品详情–>添加购物车，有一个陡降，数据量衰减很大，这个层面，相关人员需要想办法进行优化。主要通过这个模型，暴露出问题。

3.4.2 漏斗模型的价值

有助于精细化运营&设计
注重体现在精细化。通过精细化运营策略，发现在运营策略某些方面的不足，并且便于洞察最有效的运营方案，另外，在分析漏斗模型的过程中，可以通过用户行为数据反映出在产品设计层面，需要调优的部分，以及，通过行为路径之间比较，发现最优路线。

3.4.3 构建漏斗模型的方式

1. 整理目标结构框架
   拿一个在线教育APP的例子，首页顶部，会有一个滚动的banner，也就是首推的广告，课程，这部分的点击量会高一些，下面会有一些课程推荐。顶部还有课程检索。一元课活动可能会在首页广告看到，banner中也有，这都是引入流量的入口，也可以理解为，流量可以进入的入口。进来之后，可以看到课程详情，样式，卖家评论，有用可以立即支付，也可以放到购物车，一个页面跳转就完事了。
   发现问题，到达一个但商品的详情页，之前，会有很多入口，同样也会有很多流失的出口。我们现在希望采集的是，在这一条线上的情况。流到别的产品的不那么考虑。
2. 选定待分析路径
   到底是想通过课程列表–>课程详情，还是研究首页广告的路径，有的可能会投放到合作平台的方式。所以就需要整体的结构框架梳理出来，才能选出来一条你想要看的。
3. 确定相关的参数变量
   看数据，比如，看时间（一天一周一个月一个季度），不同的时间段课程也不一样，同样也需要了解对应时间点发生的一些事件。第二个变量：学员。分为付费的，未付费的，VIP的，SVIP的。
4. 数据观察比较
   看漏斗，看到某些数据的变化，考虑调优。比较，不同用户类型进行比较。

具体操作：

1. 整理目标结构框架
   
2. 选定待分析路径
   (1) 明确观察目标；
   (2) 整理全部可触达目标页面的入口，即为流量流入；
   (3) 梳理核心路径，标定首要观察的路径；
   (4) 梳理可能存在的跳转出口，即为流失；
   (5) 使用脑图勾画出整体的结构框架；
   (6) 通过对目标结构框架的整理，可以轻易明确待观察路径，已经流量阴图的起始点和分流场景。
   
3. 确定相关的参数变量
   
4. 数据观察比较
   

3.4.4 漏斗模型实际案例

背景：产品经理需要查看用户使用路径中，每个页面跳转间的转化情况，以及不同变量间的差异。关注转化的衰减情况，观察“陡降”的区间，并进行数据比较。