今天開始，二手要開始一個新的專題，基于實際案例，來和大家聊一聊「關于數據分析的那些事兒」。本期是開篇，簡單的介紹數據分析的思維模式，今后我們會結合更多案例來對數據分析做進一步闡述。
一、數據分析的思維模式
1. 數據有什么用
日常的工作中，二手經常面對項目匯報、項目復盤和 KPI績效考核等之類的考驗。試想，在一個項目匯報中，是你唾液橫飛的闡述自己的主觀想法具有說服力，還是展示幾張規整的數據增長曲線具有說服力呢？答案顯然是后者。所以，數據和數據分析在工作中是非常實用的并且非常重要的。
2. 怎樣進行數據分析
從什么地方著手數據分析，怎樣進行數據分析，以及怎么獲取數據等，這些問題曾經深深的困擾著二手。后來，在慢慢的摸索中，二手發現：如果從數據分析的思維層面來說，這其實就是兩個方面的探索和思考——維度和指標。
數據分析歸根結底其實是：根據你的初始目的不同，制定不同的維度，以及得到不同維度指標數據，最后以可視化的方式展示出來。
3. 數據分析的思維模式
維度：維度是事物或現象的某種特征。
舉個例子：你想要了解某一個 APP 的用戶行為，那么，你可能需要關注用戶在該頁面的訪問時長、流失率、各個模塊的點擊率等。這里面說的訪問時長、流失率、點擊率其實都是為了分析用戶行為而要了解的各個維度。
再舉個例子：你想要知道用戶的忠誠度，你需要更多的關注產品的用戶留存、訪問頻度等維度。
總的來說維度的選擇是要看你的初始目的是什么。
指標：用于衡量事物發展程度的單位或方法。
再看上面的例子：指標就是上面提到的各個維度的具體數值。
從分類來講，指標可以分為絕對數指標和相對數指標。絕對數指標反映的是規模大小的指標，如：人口數、GDP、收入、用戶數，而相對數指標主要用來反映質量好壞的指標，如：利潤率、留存率、覆蓋率等。
二、三個常用的數據分析維度
以電商行業為例，二手和大家分享三個常用的數據分析維度。
1. 整體趨勢分析
通過日常整體數據分析，可以快速掌握這個產品的整體狀況，及時響應出現的異常波動。
舉個例子：如 UV、PV 在數據指標上有明顯的異動，如果不是一些可預測原因（如618或者雙11預熱階段數據會下降），那么很可能頁面或者場景出了某些問題，需要及時關注。
再舉個例子：如果當前頁面、場景的UV 或者整體 APP 的 UV 呈持續下滑趨勢，說明用戶可能對當前頁面越來越不感興趣了。
具體的場景不同，PV 和 UV 的趨勢可能會反映不同的信息，在支付購買等重決策流程中，在轉化率不變的情況下，比值低了說明流程很順暢，用戶體驗相對較好。而閱讀編輯性的頁面一般來講，比值高些會好。
2. 流程效率分析
在一個多控件組合的頁面上做了細致的埋點，每個埋點的具體指標則代表了用戶對該模塊的關注和使用程度。一般通過對比這些埋點的數據來判斷模塊間的布局是否合理。
舉個例子：在商品詳情頁中，二手之前以為最底部的「立即購買」或者「加入購物車」是點擊率比較高的模塊，可是通過埋點數據顯示，「規格」的點擊數據竟然比「立即購買」還要高，這很出乎意料，所以通過埋點數據可以得出，在日后的優化中，規格的顯示比重被突出。
3. 用戶行為分析
用戶行為分析涉及的點很廣，比如用戶設備終端分析、地域分析、用戶在某場景的停留時長、轉化率、流失率等等，具體的指標好壞要結合具體的場景分析。
舉個例子：分析用戶的流失率時，可能會有多條路徑，是直接返回、跳轉到別處，還是中斷報錯，不同情況可能對應不同的問題。如果直接返回過高，可能是用戶對商品不感興趣；如果跳轉到別處過高，有可能是模塊設置不合理，被引流走掉了；如果是中斷報錯，則可能是系統問題，也可能是沒有給用戶很好的指引，用戶直接中途退出。
以上是數據分析的思維模式，即根據場景梳理要關注的維度，然后結合維度的具體指標來做分析。
接下來，二手會努力準備一些實際案例來做進一步詳細闡述。期待大家的關注。
歡迎關注作者的微信公眾號：「二手設計」
圖片素材作者：Paarth Desai
「用數據助力產品和業務」
復制本文鏈接 文章為作者獨立觀點不代表優設網立場，未經允許不得轉載。
發評論！每天贏獎品
點擊 登錄 后，在評論區留言，系統會隨機派送獎品
2012年成立至今，是國內備受歡迎的設計師平臺，提供獎品贊助 聯系我們
AI輔助海報設計101例
已累計誕生 737 位幸運星
發表評論
↓ 下方為您推薦了一些精彩有趣的文章熱評 ↓