精选“数据分析”好问题汇总·第三期

与其羡慕他人智慧，不如自己勤奋补拙；与其羡慕他人优秀，不如自己奋斗不止。——数据说·梦想季

小飞象

乐于分享，自我提升，赋能他人

在【第一期】我们讨论了关于入门数据分析的一些要领、以及对初学者可能会有帮助的关于数据分析的书籍。【第二期】讨论了每一位数据分析者都会关注的几个问题：如何优雅的进行成果展示与汇报？什么样的行业最适合数据分析工作者的发展？等。本期我们来梳理一下关于APP运营相关的分析问题以及数据思维的问题，如下：

●关于APP运营的分析维度有哪些？

●关于APP做埋点数据分析，有哪些常见的坑？

●关于运营关注哪些核心问题?如何保持用户增长？

●·······

还是那句话，“我有一个苹果，你有一个苹果，我和你交换之后，咱们各有一个苹果；我有一个想法，你有一个想法，我和你交换以后，可能收获两个想法，甚至更多。”当然，一些见解不是绝对的，如果在数据领域中新的交流和思考中碰撞出了不同的火花，欢迎和我们留言讨论以及群里多多参与讨论哦！

下面，我们一起来揭开这些问题的答案吧！

精选问题

第三期

﹀

问题主题一

关于APP运营的分析维度有哪些？

问题及内容贡献者：@蓉Ruby lu R、@飞熊等

‍

‍‍提问者：

@飞熊：我这边目标KPI是用户数和活跃数。初步目标是展示APP的运营情况，包括几个维度：

1、使用：浏览量，登录量，交易成功量，交易失败，页面流转漏斗，闪退情况，设备类型等等；

2、用户：1日留存，3日留存，5日留存，7日留存，15日留存，1月留存，流失分析等等维度；

也不知道这样想对不对希望大神们多多指教哈

答疑者：

@蓉Ruby lu R：相关的数据字段是已经有，还是等待梳理？要是已经确定好相关的数据字段，可以直接用字段做EXCEL的单页BI模板。单页的自动更新BI模板也可以做到这个程度。要是还没有确定的字段，那需要根据KPI需求，从梳理字段开始！‍

‍

海盗模型（AARRR模型）

留存率的图表

小飞象

来回答总结一下

要做好APP运营分析之前，我们就要熟悉这款APP的产品属性、竞对情况以及整体相关功能等，主要需要了解如下几个方面：

首先，需要了解这款App的用户类型：toB还是toC。其次，了解此app的基本属性，如游戏类、工具类、交易类、社交类、平台类、电商类、短视频类等。还需要了解此App在什么时间，什么场景下，为用户提供什么。如考勤工具类App在员工上下班时为企业提供考勤管理的工具，企业考勤记录一键导出，随时随地线上查看出勤情况，无纸化办公高效便捷，化零为整，降低企业HR考勤汇总与核对工作量等。

进而，大体了解一下App的此分类下的情况，在哪个梯队？如初创－尾部－腰部－头部。有哪些竞争对手，又有哪些优势资源？如人，技术，资本，渠道等。并清楚该App现在是什么发展阶段。如初始期－发展期－成熟期－衰退期，不同的阶段侧重关注的数据指标不同。有多少用户量？现阶主要是做什么，达到什么目标？如上述截图所说的AAARR模型——拉新－促活－留存－变现－裂变。

最后，就是熟悉App的相关功能等。如界面、模块、功能、内容丰富度、体验注册、使用等产品业务流程。

了解了APP的以上信息，我们就可以从五个方面进行APP运营分析，分别是渠道分析、用户分析、活动分析、商品分析、会员分析，这五个方面可以说囊括了APP分析的方方面面。

▶渠道分析方面：可以通过SEM分析、新增分析、渠道分析等多种分析各个渠道的转化率以及用户质量、留存等来筛选APP分发渠道，根据这些数据选择适合APP推广的渠道。

▶用户体验方面：转化漏斗分析于链路明确的APP来说是检验运营效果的一个重要的分析方法，通过对APP内部搜索分析、访问路径分析、活跃数据分析、趋势分析等等一些列数据，可优化提升用户体验，进而提升用户的购物转化率。

▶活动分析方面：通过成本分析、效果分析、推广分析等来优化后续活动效果。

▶会员分析方面：通过RFM分析、用户画像分析、商品推荐分析等评估会员的价值，提升会员以及产品的复购率等。

▶商品/价格方面：通过商品/促销分析、销售分析、客单价分析等这些数据，可为商品制定合理的价格及有效的商品推广方案。

关于APP数据指标定义都可以在网上找到相应的参考，但找到适合自己产品的指标体系才是关键之处。每一个产品APP处在不同的发展阶段，包括初始期－发展期－成熟期－衰退期，在做运营分析时权重和分析侧重点都应有所区别。下图为运营分析部分指标体系，仅供参考。

总之，APP运营分析要围绕企业的商业模式和业务背景来进行分析，通常讲分析的结果能影响公司核心业务的指标，这样才能快速的做出业务表现判断，从而提高效率，快速发现问题，解决问题。

问题主题二

APP做埋点数据分析，有哪些常见的坑？

问题及内容贡献者：@飞熊、@蓉Ruby lu R、@红星、@斋尼等

提问者：

@飞熊：请教一下各位，APP做埋点数据分析，有哪些常见的坑？目前想到一个，不同APP版本，分析起来，非常不方便，要逐一APP版本去分析和对比

答疑者：

@张峰Math addictr：埋点数据分析，实际上在操作时，经常遇到两个问题，活动或者版本上线太急，来不及埋点。和虽然有埋点，但是最后做分析的时候，发现一些需要的节点漏掉埋点。

@张峰Math addictr：对于埋点漏掉这个问题，通常会在埋点前，模拟使用场景的过程，结合业务，分析过程中哪些点是必须要埋点检测数据的，通过业务流分析尽量做到不多不漏。

对于时间太急，来不及埋点，要是确实需要数据做分析的话，可以提前购买市面上的“无埋点技术”的分析工具。

@小馒头：可以用ｇｒｏｗｉｎｇ无埋点方法，很快捷，再配合个别手工埋点，效率很高

@斋尼：埋点的事，一言难尽，真正好的埋点系统，需要顶层设计和各部门的配合执行，最好还有平台流程支持，能够划清边界，效率、漏埋、错埋是常见痛点，取决于业务目标

@张峰Math addictr：对！而且，说是说埋点，实际工作过程中，是去不断和各个部门沟通，梳理业务，需求，或者申请资源买外部产品等等。至于“埋点”这个操作本身，是个简单的体力活。

@斋尼：围绕kpi指标，和kpi指标的一级和二级拆解为中心，cover这些，别的缺了也不影响决策

@小馒头：这个拆解流程是对的，细化到每个具体指标

@红星：我觉得是口径统一吧，如果是数据部门自己定的指标，业务部门可能不会接受，所以指标体系得拉着业务部门一起做，不然辛辛苦苦最后弄出来的成果，很可能全部要返工

@蓉Ruby lu R：对的，所以，实际工作中，能走通沟通，推动事情落地的人，比懂得“埋点”操作的人，重要。

@斋尼：口径问题在产业互联网比较突出吧？感觉互联网公司没这么难

@阿龍：埋点最终的目的是找出各种落地页转化情况吧，比如那些转化不高，去分析为什么

简单明了的产品流程，友好的交互设计，清晰的业务逻辑，才可以保证埋点是否有效吧

自己做的APP不清楚要往那些地方做埋点，也不会提高

个人小拙见，我自己都没弄过埋点

@蓉Ruby lu R：其实，埋点就是个简单的体力活，对埋点要求高，通常指对”数据分析方案“有要求。

小飞象

来回答总结一下

所谓的数据埋点就是产品或运营等相关人员跟据具体的需求，让技术人员对各相关操作节点进行数据埋点，定制性地统计较为复杂的用户数据，APP上线后能观察到相应的数据，进行相关的数据分析以及挖掘。

数据埋点属于数据采集的阶段，是数据分析业务闭环中的起点，为之后的许多日常及专题的分析提供数据源，一个简单的逻辑就是不做数据埋点，就做不了数据分析。

那么，数据埋点可分为产品内部埋点和外部埋点。

▶内部埋点：分析用户使用产品的行为及流程，提升用户体验，还原出用户画像及用户行为，建立数据分析后台，通过数据分析、优化产品。

▶外部埋点：分析该产品在市场上的表现及用户使用场景，用来追踪每次用户的行为，统计关键流程的点击程度。如产品在不同市场和地域的下载量，不同地域人群使用时间等等。

而埋点数据分析的一般步骤为：确认主题——确认指标——分解指标——统计点位/口径——沟通调整——进行埋点——数据收集——分析问题，具体就不一一展开了。

主要需要我们注意常见的坑如下：

◆埋点首先需要确认主要目的以及核心数据指标，其余指标可以分期、分步逐步加上。数据埋点是一项非常大的工程，少则一两百项多则几百个点位，全部使用代码埋点工作量巨大。

◆埋点前要提前确认哪些在第三方平台统计，哪些在后台统计。因为很多数据后台收集的数据很详细，而且实现可能更简单。

◆埋好点后及时进行跟进反馈，落实埋点的完整性与准确性。埋点过程中有埋点问题的要及时沟通，埋点事件名称切记不能随意修改导致两边不同，这会给后期数据分析造成干扰。

◆一定要注意名称的统一，因为不同第三方平台对于时间ID与名称可能会有不同限制。

◆尽量能按照类型分组，便于后期分析的时候查找，因为每个点都有一个专属ID。

.......

总之，在埋点过程可能出现很多遗漏和注意的地方，需要后续进行补充，这里就简单的列举几条。另外，埋点只是数据分析的基础，需要贴合实际业务场景对数据进行分析，形成参考才能体现数据的价值。更重要的是需要业务管理层能对数据驱动能有足够的重视，用数据说话，用数据做支撑。

最后，结合产品数据进行问题排查、功能优化、业务探索、试错并及时修正。

问题主题三

运营关注哪些核心问题?

如何保持用户增长？

问题及内容贡献者：@chen、@蓉Ruby lu R、@橙.

精选“数据分析”好问题汇总·第三期相关推荐

精选“数据分析”好问题汇总·第一期
不论朝阳迟暮,只要一直奔跑在追逐热爱的道路上,什么时候都是人生好时节! 数据说·梦想季小飞象乐于分享,自我提升,赋能他人有一句话说,我有一个苹果,你有一个苹果,我和你交换之后,咱们各有一个苹果: ...
数据分析--经典语录汇总
数据分析经典语录汇总[转载] [数据分析三字经]①学习:先了解,后深入:先记录,后记忆:先理论,后实践:先模仿,后创新: ②方法:先思路,后方法:先框架,后细化:先方法,后工具:先思考,后动手: ③分 ...
Python小记：14.数据分析基础知识点汇总
目录: 数据分析 numpy概述 numpy`历史` numpy的核心:多维数组 numpy基础 ndarray数组内存中的ndarray对象 ndarray数组对象的特点 ndarray数组对象的 ...
SPSS简单数据分析之分类汇总数据
数据分析,重点是运用各种统计方法对数据进行处理分析,简单地浏览数据并不能获得很多有价值的洞察.对于初学者来说,使用平均值.最大值.方差等函数能帮助我们获得一些初步的结论,对于简单的数据分析来说相当实用 ...
离群值是什么意思_学术必备！代谢组学及数据分析相关问题汇总
为方便大家快速地掌握代谢组学及数据分析相关知识,现把咨询我们的有关代谢组学及数据分析的一些问题给大家整理出来,供大家参考. 1.PCA:loading图,P=COSα中P代表什么意思? The loa ...
游戏数据分析常用指标汇总
乐元素移动游戏运营数据分析指标汇总 Happy Elements Mobile Game Data Analysis Aggregation Of Operation Metrics 一.用户获取 1 ...
excel数据分析常用技能汇总
前言随着工作年限的增长,越来越觉得用好办公三件套的重要性.从事技术岗的同学在初进职场的时候,不会在意办公三件套的重要性,这个阶段更多的精力在于代码.绘图.设计等相关软件工具上.当工作了五六年后,一旦 ...
Data Mining数据分析经典语录汇总
[数据分析三字经]①学习:先了解,后深入:先记录,后记忆:先理论,后实践:先模仿,后创新: ②方法:先思路,后方法:先框架,后细化:先方法,后工具:先思考,后动手: ③分析:先业务,后数据:先假设,后 ...
计算机考试spss数据分析,SPSS怎么进行分类汇总数据？SPSS简单数据分析之分类汇总数据方法-电脑自学网...
SPSS怎么进行分类汇总数据?许多用户在工作或者学习的时候都需要使用数据分析,而数据分析中就有一个分类汇总操作,那么我们只用spss怎么进行分类汇总数据呢?下面小编就带着大家一起学习一下吧! 操作方法 ...

精选“数据分析”好问题汇总·第三期

精选“数据分析”好问题汇总·第三期相关推荐

最新文章

热门文章