0
点赞
收藏
分享

微信扫一扫

数据分析-思维分析逻辑day05

艾晓雪 2022-03-24 阅读 69
数据分析

一、行业分析

行业分析的两种背景

  • 当前公司准备进入某行业,需要分析师或者战略部门给出一份详细报告
  • 业务发展遇到瓶颈,需要分析师去验证当前对产品的需求有无变化

行业分析—问题的识别和拆解

分析的目的:界定范围、市场规模、社会热点事件、头部玩家、未来预测

举例:电商行业分析

1、界定范围—在全局视野下找到切入点

找出完整的产业链图谱:供应商、传统业态、其他业态、支付、物流、入口,消费者

2、市场规模—交易额描述

  • 交易额逐年上升,更加重要的是找到谁在增长,为何增长
  • 当前增长率持续下降的情况下,还有谁逆势上升
  • 数据分析又直接数据和简介数据两种支持方式,只要说明问题即可
  • 所有资料都要注意口径和原始数据搜集,即使copy也要找权威的数据源
  • 拼多多才是颠覆者,才代表一种趋势

3、市场规模—用户数描述

移动电商用户数占比36%,即使按照16~59周岁群体占比也只有55%
中国移动电商用户数趋势、中国人口年龄分布

4、市场规模—用户数分析

  • 网民数占人口数57%,这个数字并没有想象的那么高,仍然有很多未来用户争(厂商)—结论2
  • 移动互联网用户数占比98%—从用户这个角度,移动互联网已经完全替代pc
  • 71%网络购物,短视频竟然是74%:猜测剩下的潜在用户(29%)在短视频里面—结论3

5、社会热点事件—拼多多

  • 用户真没钱—离用户太远(查看人均可支配收入)
  • 微信及微信支付重构了这些用户的社交方式
  • 整个社会物流效率提升:为何商品很便宜

6、头部玩家—拼多多的产品分析

  • 日常生活用户为主—高频
  • 整个体验就很快,用户基本上就一直点“下一步”就行
  • 搜索功能很轻,尽量让用户懒起来

7、头部玩家—运营分析

8、头部玩家—拼多多的用户分析

  • 一二线占比超40%,不只是屌丝这么简单(还有人性),所以未来会出现更多的拼多多产品
  • 老大老二大家,老三挂了
  • 多、快、好、省:京东是物流快和好;淘宝天猫是多和好;拼多多是省和供应链快(沃尔玛)

二、数据仓库研究

大数据体系:高度要够、熟悉整个行业、专注某个模块

大数据体系:日志采集和传输、数据建模、数据管理、数据应用

数据研发工程师和数据分析师的关系

  • 大公司:分工明确,分析师这个岗位有点“风险性”,研发工程师相对比较稳
  • 小公司:全部都是研发工程师,分析师的活也干,所以看似什么都懂,但不会很专
  • 即使作为研发工程师,也要懂业务,否则研发出来的产品真的没人用
  • 即使作为分析师,也要懂研发,否则沟通效率、提数效率较低

APP日志采集中的埋点

  • 前中期:数据分析师进入一家公司时,一定要参与到埋点讨论中,不要去把研发想的多专业,如果埋点出问题,会非常耽误业务的分析。很多研发就是纯粹凭感觉埋。这个过程中把埋点规范建立起来
  • 后期:不要投入太多时间,知道有哪些新的埋点,文档化即可,后面所有的人都参照这个,包括规范好:
  • 公参:这个是分析师来定,就是有些参数是所有行为日志一定要有的,日志名、业务模块、具体功能
  • 也就是说:一定是分析师牵头,梳理自己的权威性,埋点是不是很繁琐,但非常重要,任何做分析的人都要找你,所以良好的发展需要这些软的东西

数据建模—为何要建模

痛点:
1)日志量太大,跑数很慢:一个简单的join都要半个小时才能出结果,而sql又非常容易出错的
结果:整个分析团队产出效率太低
2)日志太乱很多重要的数拿不出来:算近一个月新增用户的订单量,如果没有好的数据建模,根本跑不出来
结果:很多重要的思考点都无法落地,显得很不专业

数据建模—为何要建模

  • 提高整体计算效率,减少重复开发
  • 历史数据追踪,中间表数据可以存储一年
  • 更好适应业务发展,修改影响范围较小
  • 清晰数据结构,分析师更加容易理解

数据建模的主要步骤

日志传输–>ODS(原始日志)–>DWS(用户粒度聚合)–>DM(常规应用)

数据建模举例—头条

ODS:
用户基础属性表:imei,prov,city,machine
用户文章下发表:imei,article_id,xiafa_time
用户文章点击表:imei,article_id,dianji_time
文章属性表:article_id,category_id,title

DWS:用户粒度文章明细表
用户文章基础属性表:
imei,prov,city,machine,article_id,category_id,title,xiafa_pv,dianji_pv,xiafa_time,dianji_time
用户分类基础属性表:
imei,prov,city,machine,category_id,xiafa_pv,dianji_pv

DM:业务应用表
省市下发点击pv数:prov,city,xiafa_pv,dianji_pv
分类下发点击pv数:category_id,xiafa_pv,dianji_pv

感触:不要搞太复杂和太精细、让业务倒逼,先把最核心的数据快速弄出来

数据建模:分析师使用表时的注意项

  • 不要过度相信研发的话:一定要自己动手试一次,比如用表计算一次日活
  • 不要去做研发做的事:调度异常、表大小、配置错误、UDF函数,日志传输、这些东西非常耽误时间,对你做业务也没有好处,可以提醒但不动手
  • 不要去等研发开发表:数仓对分析师而言最直接的好处就是快,而分析师的最终目的是有数据,所以目标不要搞错

数据管理

  • 计算管理:join注意事项,表选择(尽量选小的表),MR内部原理
  • 数据存储管理:核心的表尽量保存久一点(3个月以上),非核心的表1个月内即可
  • 分析师要对表的存储周期有概念,很多时候都要去看历史数据
  • 权限管理:分析师往往是管理员权限,所以不要随便给其他人开权限,采用最小可满足原则给权限就行,同时给读权限

总结

  • 埋点的重要性:主动性和文档化
  • 数据建模的三层次:快速迭代
  • 数据的管理:权限管理

三、用户研究

什么是用户研究

用户研究是一种职业意识,任何人都应该具备用户研究思维,包括:
这个功能能满足用户什么需求:大部分APP都是抄来抄去,这就使没想清楚
用户当前反馈做多的问是什么:哪些可以重点解决
针对这两种问,需要进行线上或线下调研,获得数据反馈

什么时候做用户研究

用户研究是贯穿这个项目生命周期的
项目前期:用户需求情况、用户基础画像情况:用户对低价商品的迫切度
项目中期:用户行为习惯
项目后期:用户对产品的反馈点,竞品使用情况

所有的一切都是为了更好的去了解用户,与数据分析相辅相成:从数据角度有时并不能很好地反映用户行为及原因
用户研究在项目启动前就应该开展,要快于其他方,所以非常考验用研人员的先进性和实操性

举个例子

项目:今日头条新用户留存专项
项目背景:2015年今日头条APP新用户次留、7留与竞品相比,留存均低于5%绝对值,并且新用户流失速度要高于竞品,因此要在数据分析基础上,产品运营优化,提升用户留存5%绝对值

数据分析师—3个阶段

1、第一阶段:新用户整体留存分析

目的:摸清数据现状,同时找到诺干切入点
关键点:不要太注重细节,该过程讲究报告产出的时效性,让其他人员感受到分析师的存在

2、第二阶段:寻找优化切入点,一般是1-2个

如:1、关键路径数据发现曝光pv到点击pv的CTR很低,这个时候就很有意思了,围绕这个点,细致分析:对于新用户,应该曝光什么,在什么时候,什么位置曝光等等
2、某个量大的二级渠道次留明显低于其他渠道,围绕这个,进一步分析:
对于该渠道,用户的留存过低是因为:本身渠道存在质量问题?用户已经安装竞品?当前产品设计与渠道用户不太匹配?同时高留存的渠道本身特征是什么?
通过1-2,就已经能给产品运营不少建议了,配合AB测试,就能看到数据分析效果

3、第三阶段:

  • 不断重复前面两个阶段,继续寻找其他切入点
  • 通过进行竞品分析、营销活动分析、用户流失分析等等
  • 除了寻找本身产品的切入点,还要跳出当前的项目思维,进行竞品分析、活动分析等
  • 整个过程就是在不断地试错,每一次分析报告都要又能落地的点,并且真的落地了,这就是闭环,这也是优秀分析师的一个评判标准

用户研究的三个阶段实施

1、指定 研究目的

新用户留存:用户基础特征(用户年龄地域)、用户需求和痛点(新闻预期和当前问题)、竞品情况(有没有使用其他竞品)

2、确定研究方法

用户访谈、调查问卷
定性:面聊侧重于why和how,问的很细很深
定量:投放问卷,侧重what、when、where

3、结论产出

  • 能够和分析师的数据分析报告一起输出,定量定性结合
  • 能够在最迫切的时候给出,价值最大化
  • 能够很好的融入到整个团队,做的事情真的有意义

4、注意点

  • 用户说什恶魔不重要,更加重要的是用户为何这么说
  • 不要直接问用户喜欢什么,用户对他们的心理过程根本不了解:田野工作法是最好的
  • 定性分析注重用户分类,定量分析注重样本量和样本代表性
  • 结束访谈后,尽快整理成文档,寻找琐碎记忆
  • 用户报告追求精而快

5、用户研究的未来

短期:用户研究+MVP(不需要系统化,解决问题即可)
长期:人人都是用户研究分析师

6、用户研究和分析师的关系

  • 每天体验产品
  • 每周看客服数据
  • 对于费解的数据分析结论,推动用户研究人员去做用户访谈和问卷
  • 新项目启动期,如果要去线下了解用户,分析师要抓住这些机会
举报

相关推荐

0 条评论