文章目录

一、业务指标
- 1.1 数据分类
- 1.2 常用指标
- - （1）用户数据指标（我是谁）
  - （2）行为数据指标（我做了啥）
  - （3）产品数据指标（sale啥东西）
  - （4）推广付费指标
  - - 1）展示广告位
    - 2）搜索广告
    - 3）信息流广告：
- 1.3 如何选择指标
- 1.4 指标体系和报表
- - （1）什么是指标体系
  - （2）指标体系有什么用
  - （3）如何建立指标体系
  - （4）建立指标体系的注意事项
二、分析方法
- 2.1 5W2H分析方法
- 2.2 逻辑树分析方法
- 2.3 行业分析方法
- 2.4 多维度拆解分析方法
- 2.5 对比分析法
- - （1）和谁比
  - （2）如何比较
  - （3）注意事项
- 2.6 假设检验分析方法
- 2.7 相关分析方法
- 2.8 群组分析方法
- 2.9 RFM分析方法
- 2.10 AARRR模型分析法
- 2.11 漏斗分析方法
- 2.12 多种方法解决问题的一个栗子
三、用数据分析解决问题
- 3.1 数据分析解决问题的过程
- 3.2 如何明确问题
- 3.3 如何分析原因
- 3.4 如何提出建议
四、行业分析实战
- 4.1 内容行业
- - （1）业务模式
  - （2）业务指标
- 4.2 案例分析
- - （1）回答量下滑分析
  - （2）用户分类
  - - 1）明确问题
    - 2）分析原因
    - 3）提出建议
Reference

一、业务指标

1.1 数据分类

用户数据、行为数据、产品数据

1.2 常用指标

（1）用户数据指标（我是谁）

（1）对于新增用户使用的指标：日新增用户数

（2）对于活跃用户使用的指标：活跃率

日活跃用户数、周活跃用户数、月活跃用户数
PS：活跃率代表的是用户在一段时间登录的人数，活跃率低说明产品存在很大的问题。

（3）对于留存用户使用的指标：留存率

留存可以评估产品功能对用户的黏性

比如：
第7日留存率
第一天新增的用户中，在第二天使用过产品的用户数/第七天新增总用户数
第30日留存率
第一天新增的用户中，在第30天使用过产品的用户数/第一天新增总用户数

（2）行为数据指标（我做了啥）

PV（Page View）访问次数：一定时间内某个页面的浏览次数，用户每打开一个网页可以看做一个PV
UV（Unique Visitor）访问人数：一定时间内访问某个页面的人数（一个人打开多次记为一次）
转发率：转发率=转发某功能的用户数/看到该功能的用户数（UV）
转化率，与业务场景相关，
- 如广告转化率=点击广告的人数/看到广告的人数
- 转化率=购买产品的人数/所有到达店铺的人数
K因子：衡量推荐的效果，即—个发起推荐的用户可以带来多少新用户。
- K因子＝平均每个用户向多少人发出邀请×接收到邀请的人转化为新用户的转化率。假设平均每个用户会向20个朋友发出邀请,而平均的转化率为10%的话,K因子＝20×10%＝2。
- 当K＞1时，新增用户数就会像滚雪球一样增大。如果K＜1的话，那么新增用户数到某个规模时就会停止通过自传播增长。

（3）产品数据指标（sale啥东西）

（1）用来衡量业务总量的指标：如成交总额、成交数据量

成交总额（GMV（流水）
- 销售额
- 取消订单金额
- 拒收订单金额
- 退货订单金额
成交数量
访问时长

（2）用来衡量人均情况的指标

人均付费（客单价）：人均付费=总收入/总用户数
付费用户人均付费（ARPPU）
- 总收入/付费人数
- 用于统计付费用户的平均收入
人均访问时长
- 人均访问时长=总时长/总用户数
- 用于统计每个用户使用产品的平均时长

（3）用来衡量付费情况的指标：付费率、复购率

付费率
- 付费率=付费人数/总用户数
- 反应产品的变现能力和用户质量
复购率
- 含义：指一定时间内消费两次以上的用户数/付费人数
- 重复购买的频率，用于反映用户的付费频率

（4）与产品相关的指标，如热销产品数、好评产品数、差评产品数

含义：从产品的角度去衡量哪些产品好，哪些产品不好；好的产品重点推销，不好的产品分析原因
热销产品数
好评产品数
差评产品数

（4）推广付费指标

1）展示广告位

2）搜索广告

例如搜索引擎的关键字搜索广告，电商搜索广告；广告主为某一个搜索关键词出价，用户看到的搜索结果是按广告主出价的高低来排名的
按点击次数付费（CPC）,也就是有多少人点击了改广告

3）信息流广告：

按投放的实际效果付费（CPA,Cost Per Action）包括:
CPD（Cost Per Download）:按APP的下载数付费;
CPI（Cost Per Install）:按安装APP的数量付费,也就是下载后有多少人安装了App;
CPS（Cost Per Sales）:按完成购买的用户数或者销售额来付费

1.3 如何选择指标

（1）好的数据指标应该是比例。要将指标换算成比例。

（2）根据目前的业务重点,找到北极星指标。

要根据目前的业务重点，去寻找北极星指标。

1.4 指标体系和报表

（1）什么是指标体系

一个指标没办法解决复杂的业务问题，这就需要使用多个指标从不同维度来评估业务，也就是使用指标体系。指标体系是从不同维度梳理业务，把指标有系统地组织起来。简而言之，指标体系＝指标＋体系,所以一个指标不能叫指标体系,几个毫无关系的指标也不能叫指标体系。

（2）指标体系有什么用

监控业务情况
感通过拆解指标寻找当前业务问题
评估业务可改进的地方，找出下一步工作的方向

（3）如何建立指标体系

（1）明确部门KPI（关键绩效指标法），找到一级指标。

一级指标是用来评价公司或部门运营情况最核心的指标

（2）了解业务运营情况,找到二级指标。

有了一级指标以后，可以进一步将一级指标拆解为二级指标。具体如何拆解，要看业务是如何运营的。例如销售部门一般按地区运营，就可以从地区维度拆解。市场部门—般按用户运营，就可以从用户维度拆解。

（3）梳理业务流程，找到三级指标。

把二级指标按照业务流程拆解为更细的三级指标

（4）通过报表监控指标,不断更新指标体系

报表就是报告状况的表，是通过表格、图表来展示指标，从而方便业务部门掌握业务的情况。

制作报表的步骤：需求分析、建立指标体系、设计展现形式、编写需求文档、报表开发。

（4）建立指标体系的注意事项

（1）没有一级指标，抓不住重点。

（2）指标之间没有逻辑关系。

（3）拆解的指标没有业务意义。

（4）一个人就完成了指标体系和报表，也不和业务部门沟通。

二、分析方法

2.1 5W2H分析方法

5W是指对于所有的现象都追问5个问题:what（是什么）、when（何时）、where（何地）、why（为什么）、who（是谁）
2H是指再追问2个问题;：how（怎么做）、how much（多少钱）。

5W2H分析方法可以帮助我们解决简单的问题，比如：

如何设计一款产品?

设计一款APP的调查问卷,如何设计问卷上的问题?

5W2H分析方法很好理解，但是在复杂的商业问题面前不起作用。这是因为复杂的商业问题不会只有—个原因，而是由多个原因引起的。

2.2 逻辑树分析方法

逻辑树分析方法是把复杂问题拆解成若干个简单的子问题，然后像树枝那样逐步展开。

2.3 行业分析方法

进行行业分析，就是用PEST分析方法，PEST分析方法是对公司发展宏观环境的分析，所以经常用于行业分析。通常是从政策（Policy）、经济（Economy）、社会（Society）和技术（Technology）这四个方面来分析的。

2.4 多维度拆解分析方法

通过多维度拆解数据，我们发现了和一开始截然相反的结论，这种现象被称为“辛普森悸论”（Simpson’s Paradox），也就是在有些情况下，考察数据整体和考察数据的不同部分，会得到相反的结论。

只看数据整体，我们可能注意不到“数据内部各个部分构成的差异”。所以,我们需要从多个维度去观察数据,并相互验证，才能得出相对可靠的结论。

一般会从指标构成或者业务流程的维度来拆解。
1）从指标构成来拆解

2）从业务流程来拆解

2.5 对比分析法

（1）和谁比

和自己、和行业

（2）如何比较

数据整体的大小：平均值、中位数、或某个业务指标

数据整体的波动：标准差除以平均值得到的值叫作变异系数。变异系数可用来衡量整体数据的波动情况。

趋势变化：趋势变化是从时间维度来看数据随着时间发生的变化。常用的方法是时间折线图、环比（和上一个时间段对比，用于观察短期的数据集）和同比（与去年同一个时间段进行对比，用于观察长期的数据集）。

（3）注意事项

在进行比较的时候，要注意比较对象的规模保持一致。

A/B Test
A／B测试的背后也是用了对比分析方法。什么是A／B测试?

简单来说，A／B测试就是为同一个目标制定两个版本，这两个版本只有某个方面不一样，其他方面保持一致。

2.6 假设检验分析方法

假设检验分析方法分为3步：

（1）提出假设

（2）收集证据

（3）得出结论

假设检验分析方法可以分析问题发生的原因，也叫作归因分析。

如何使用假设检验分析方法？

如何客观地提出假设？
可以从按用户、产品、竞品3个维度提出假设，来检查提出的假设是否有遗漏。

（1）假设用户有问题:可以从用户来源渠道这个维度来拆解分析，或者画出用户使用产品的业务流程图来分析原因
（2）假设产品有问题：可以研究这段时间销售的产品是否符合用户的需求
（3）假设是竞品导致的问题：可以看竞品是不是在搞什么优惠活动，用户跑到竞争对手那里了

我们还可以从4P营销理论出发来提出假设：产品（product）、价格（price）、渠道（place）、促销（promotion）

2.7 相关分析方法

当我们研究两种或者两种以上的数据之间有什么关系的时候，就要用到相关分析。如果两种数据之间有关系，叫作有相关关系。

相关分析的作用：
（1）在研究两种或者两种以上数据之间有什么关系，或者某个事情受到其他因素影响的问题时，可以使用相关分析。

（2）在解决问题的过程中，相关分析可以帮助我们扩大思路，将视野从一种数据扩大到多种数据。

（3）相关分析通俗易懂，方便沟通。

X,Y的相关系数r=X与Y的协方差/根号下(X的方差*Y的方差)

2.8 群组分析方法

（1）是什么？

“群组分析方法’’（也叫同期群分析方法）是按某个特征，将数据分为不同的组，然后比较各组的数据，说白了就是对数据分组然后来对比。

（2）有什么用？

群组分析方法常用来分析用户留存率（流失率）随时间发生了哪些变化，然后找出用户留下或者离开的原因。

产品会随着时间发布新的版本，产品改版的效果如何?版本更新后用户是增长了，还是流失了?像这类问题就需要将用户按时间分组，然后比较不同组的用户留存率。

（3）如何用？

先使用群组分析方法，找到留存率低或留存率高的组；然后使用假设检验、相关分析等方法，研究为什么这些组留存率低或留存率高。找到原因以后，就可以对应地优化产品。
当群组分析表格里的数据比较多的时候，直接分析起来比较困难，这时可以把数据绘制成折线图，这样就可以很容易地发现数据发现了哪些变化。

使用群组分析方法需要注意如何分组，除了按时间分组，还可以根据具体的业务场景来确定。

2.9 RFM分析方法

进行用户分类，高于维度价值平均值的为高净值的用户（区分出如下的8种用户）。比如重要价值用户，RFM三个值都很高。

RFM是3个指标的缩写:最近1次消费时间间隔（Recency）、消费频率（Frequency）、金额（Monetany），通过这3个指标对用户分类的方法称为RFM分析方法。

各指标特征如下:

对于最近1次消费时间间隔（R），上—次消费离得越近，也就是R的值越小，用户价值越高。
对于消费频率（F），购买频率越高，也就是F的值越大，用户价值越高。
对于消费金额（M），消费金额越高，也就是M的值越大，用户价值越高。

2.10 AARRR模型分析法

AARRR模型对应产品运营的5个重要环节，分别是:
获取用户（Acquisition）:用户如何找到我们?
激活用户（Activation）:用户的首次体验如何?
提高留存（Retention）:用户会回来吗?
增加收入（Revenue）:如何赚到更多钱?
推荐（Referral）: 用户会告诉其他人吗?

因为AARRR模型涉及用户使用产品的整个流程’所以它可以帮助分析用户行为,为产品运营制定决策，从而实现用户增长。例如，使用其他分析方法定位到问题的原因是留存率低，那么就可以参考AARRR模型里留存这一环节的策略来提高留存率。

2.11 漏斗分析方法

从业务流程起点开始到最后目标完成的每个环节都会有用户流失，因此需要一种分析方法来衡量业务流程每一步的转化效率，漏斗分析方法就是这样的分析方法。

漏斗分析的作用是“定位问题节点”，即找到出问题的业务环节在哪。漏斗分析常用于用户转化分析或者用户流失分析，所以漏斗分析中要关注两个指标：用户转化率和用户流失率。
经过各个业务环节转化下来的用户，会产生更大的价值。因为这部分用户更加忠诚，更认可业务的流程。随着转化用户的不断增加，留存用户的规模也在不断增大，产品的盈利规模也会随之增加。
流失的用户数量在每个业务环节都不同。可以分析用户主要流失在哪个业务环节，以及为什么流失，是因为业务流程过于复杂，还是产品特性无法完全展现，或是其他原因，最终的目的都是不断减少用户流失率。

2.12 多种方法解决问题的一个栗子

思路：确定问题，分析原因，提出建议
背景：某个店铺上半年完成的利润很低，要找出利润没有达标的原因，以及完成年度目标的方案。确定问题是
A. 需要明确时间地点和数据来源
B. 明确其涵盖的指标意义和相比较的对象

（1）首先例子中的问题是，利润没有达到目标(计划为3000万，实际完成1991.37万)，落后于计划1008.63万，需要解决，以及如何完成下半年指标；其业务指标:
利润的含义如何定义 = 销售收入 - 销售成本 - 营业外支出，销售收入 = 客单价 X 用户数，销售成本 = 商品成本 + 实现销售付出的成本，营业外支出 = 各种非盈利的支出比如捐款等

（2）明确好问题后，我们需要分析原因。此处我们会先对利润进行拆解，按照上面的业务指标可能由这么些要素组成，再去分别追溯数据。

发现上半年的销售成本出现明显增长，但销售成本和销售收入直接关系，在费率比逐步下降的情况下，销售费用上升并非是利润不达标的原因。
接下来再去分析商品采购成本，与去年上半年同期相比，是低于的，也不是不达标的原因。销售收入对比后发现，今年上半年总销售收入比去年下降了8.79%；
再在销售收入的组成元素里去拆解，分析客单价和用户数，发现客单价变化不大反而用户数量下降了。接着去分析用户数量下降的原因。

三、用数据分析解决问题

3.1 数据分析解决问题的过程

（1）明确问题

（2）分析原因

（3）提出建议

3.2 如何明确问题

（1）明确数据来源和准确性
时间
地点
数据来源
（2）业务指标理解，对于业务指标，可以分析指标含义、和谁比。

3.3 如何分析原因

如何知道哪些是“关键的因素”呢?可以在分析的过程中使用这3步来分析:
（1）使用“多维度拆解分析方法”对问题进行拆解，将一个复杂问题细化成各个子问题

（2）对拆解的每个部分，使用“假设检验分析方法”找到哪里出了问题。分析的过程可以用“对比分析方法’’等多个分析方法来辅助完成
（3）在找到哪里出了问题以后，可以多问自己“为什么出现了这个问题”，然后使用“相关分析方法’’进行深入分析。

3.4 如何提出建议

在提出建议这一步，常用的分析方法是回归分析或者AARRR模型

注意:
（1）做决策的选项不能太多。太多的选项不仅会增加决策的成本，还会让人迷失,无从下手。相对简单的问题，需要4个选项左右；相对复杂的问题，需要4～7个选项
（2）决策要是可以落地的具体措施，这样决策者才能根据措施，合理安排资源，把措施变成行动

四、行业分析实战

4.1 内容行业

内容行业（如某音、某红书等）的主要部门（当然还有研发部门）：

（1）业务模式

一般以文章，图片，视频为内容载体去满足用户阅读/学习/消遣需要。

（2）业务指标

内容生产指标
- 内容生产者比例来衡量一个平台内容的生产健康度;
- 内容更新总数为内容平台每天更新的内容数，主要分为UGC（user generated content，用户生成内容）和 PGC（professional generated content，专业生产内容）
- 内容更新频次为一段时间内内容更新的总量/时间周期
内容曝光指标
- 人均曝光次数指某类内容的人均曝光次数
内容点击指标
- 内容平均点击数/曝光点击率
内容阅读指标
- 完成阅读的人/总阅读人数，体现内容质量
内容评论指标
- 评论用户数/评论率
内容分享指标
- 用户分享率/内容分享用户数/内容实际产生价值(包括广告/分成/订阅付费等等)

4.2 案例分析

（1）回答量下滑分析

日均回答量影响因素：

（2）用户分类

1）明确问题

某乎的首页推荐内容的好坏直接影响了用户留存率，如果现在运营想知道首页用户的群体和活跃状态，数据分析师需要对首页用户进行分类。一般可以用RFM模型，分析首页用户活跃程度和用户构成，监控首页用户状态变化。

2）分析原因

（1）定义指标R、F、M。

最近一次消费时间间隔R：最近一次访问首页距今天的天数
一段时间的消费频率F：定义为最近30天访问首页的天数，连续一个月未访问即定义为流失用户
一段时间的消费金额M：定义为30天内在首页的总阅读量

（2）确定指标分类标准
（3）用户分类

3）提出建议

找出提升首页用户质量的因素（比如提高用户访问频率），最优策略（比如激活第Q类用户先成为第K类用户）。

Reference

[1] 猴子学院. 数据分析思维分析方法与业务知识
[2] https://blog.51cto.com/u_15084039/5541358?abTest=51cto
[3] 【阅读笔记】数据分析思维：分析方法和业务知识
[4] 内容行业模块在原书的P251

【数据分析】分析方法 | 业务知识 | 行业分析相关推荐

数据分析——分析方法总结
1.数据分析常用五个方法三个模型(逻辑分析.多维度拆解.对比分析.假设验证.相关性分析.RFM模型.漏斗分析模型.AARRR模型)_升职加薪的博客-CSDN博客_aarrr模型和rfm模型目录一.逻辑 ...
【阅读笔记】数据分析思维：分析方法和业务知识
数据分析思维分析方法首页 5W2H分析方法案例1:如何设计一款产品案例2:设计一款App的调查问卷,如何设计问卷上的问题? 逻辑树分析方法案例1:年度计划拆解案例2:芝加哥有多少钢琴调音师? ...
《数据分析思维》：分析方法与业务知识
小飞象·读书会生活从来不会刻意亏欠谁,它给你一块阴影,必会在不远处撒下阳光. 读书交流│3期数据分析方法与业务知识 data analysis ●●●● 分享人:木兮欢迎大家参加这次读书会的直播 ...
数据分析思维分析方法和业务知识——实战案例跨境电商行业
整体业务知识业务模式平台型邀请卖家入驻跨境电商平台来进行运营阿里巴巴.ebay 自营型跨境电商平台自己运营小红书混合型跨境电商平台兼有平台型和自营型亚马逊业务指标广告漏斗模型 ...
数据分析思维分析方法和业务知识——分析方法（一）
分析方法 5W2H分析方法是什么? 5W what(是什么) when(何时) where(何地) why(为什么) who(是谁) 2H how(怎么做) how much(多少钱) 有什么用? ...
数据分析思维分析方法和业务知识——用数据分析解决问题
用数据分析解决问题明确问题通过观察现象把问题定义清楚,这是数据分析的第一步常见的错误根据自己的经验主观地限定了思考的范围--确认偏误,寻找证据来支持自己已经相信的事情,从而抵制不同的看法:数据 ...
数据分析思维分析方法和业务知识——分析方法（二）
分析方法对比分析法是什么? 对几个对象进行比较衣服的价格奶茶的大杯.中杯.小杯有什么用? 追踪业务是否有问题 A/B测试为同一个目标制定两个版本,只有某个方面不一样,其他均一样,然后看最后 ...
【6.3 业务分析方法（15%）-业务数据分析】——CDA
目录 I.大纲编辑 II.业务分析方法 2.1 客户分析 2.4 行为效果分析 2.5 活动效果分析 2.6 日常销售分析 III. 业务分析模型 3.1 RFM模型 3.2 用户忠诚度模型 IV ...
数据产品-数据分析方法论和分析方法介绍
作为数据产品,前期的数据分析工作是必不可少的,只有经历过足够多的数据分析小活,对业务的认知和对底层数据的熟悉度才能够足够深入,足够支撑我们将底层的需求提升成为数据产品层面上的需求.而数据分析的方法层出 ...

【数据分析】分析方法 | 业务知识 | 行业分析