最近在研读《数据化运营系统方法与实践案例》，特在此做信息记录。
先明确这次分析到底需要达成什么目的，在了解业务的基础上，明确应该从什么角度去切入，应该从哪些指标着手，再去确认哪些数据现阶段已有，哪些指标现阶段需要推动去建设，然后统筹规划。
数据分析目标分3大类：
- 解决是什么的问题，用描述性统计方法就可解决。
- 解决为什么的问题，用严谨的逻辑思维对具体的问题做数据分析，找出原因。
- 解决做什么的问题，通过具体的分析，提供可选的建议，交给运营或管理层拍板方案。
一、流量
流量运营，指的是通过各种推广活动、营销方式提升网站的流量。当产品的转化率达到稳定期时，持续不断的流量会成为产品能够稳定存活的重要因素之一。
从流量运营的角度，主要看产品表现来进行资源及预算的合理分配，而产品的表现需要通过一系列指标来追踪。
流量的来源包括广告、SEO、搜索、直接和其他流量（用环形图描述）。有几类花钱买的流量，需要评估付费流量对 ROI 的影响。
虚假流量是指合作方为骗取广告费而人为操作产生的流量，可以从几个维度查看：分时分布，页面跳出率，用户留存，风控规则，对营收的转化和其他。
- PV 就是页面被加载的总次数，每一个页面被加载都会加 1。
- UV 是唯一身份访问者，在指定时间内不重复的访问人数。
- 跳出率是指某一段时间内只访问了一页就离开的访问量与所产生的总访问量的百分百，用于衡量流量来源用户与网站内容的匹配程度，内容匹配程度与跳出率成反比。
漏斗图是通过对业务的各个关键环节的描述，来衡量各个环节的业务表现，可以直观地看到各个业务的转化程度。
AB测试指的是在网页优化中的比较策略，对同一种功能设计两个或多个页面同时发布，让用户随机访问一张页面，计算各自的转化率，进行效果评估。
场景包括：产品页面或功能控件的调整，运营策略的调整。注意，每次测试有且只有一个目标，流量要足够大，还是一个长期的过程。
二、用户运营分析
用户运营的工作内容主要是扩大用户规模，减少用户流失，促进活跃及提高留存，增加付费转化。
用户规模常用的指标是激活量与注册量，来源渠道和注册转化率。
用户流失需要定义流失，对产品的用户构建生命周期模型，看多长时间用户没有登录即为流失。
促进活跃及提高留存需要做的事情包括：设定指标，哪些行为可衡量用户活跃；设定留存指标，加入对比指标，例如时间趋势。
增加转化，将高价值用户的特征归纳出来，想办法提高复购率，精准营销。
1）用户分群
对于用户分群，首要任务是根据具体的业务场景，确定不同的分类规则和指标，给出清晰的定义。通过简单的指标筛选或条件限定来确认不同的用户分类。
简单一点，按业务的关键流程将用户群体分为注册用户、活跃用户、留存用户、下单用户和忠诚用户。
复杂一点，按统计分析方法（如聚类、决策树等）总结特征来区别用户群体，比较成熟的分析方法是RFM模型，消费新鲜度，消费频率和消费金额，这3个指标可以反应用户价值。
2）用户行为
用户行为分析是指在获得网站访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律。
并将这些规律与网络营销策略等相结合，从而发现活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。
通过行为数据的分析，对用户构建精细的、完整的用户画像，判断用户对产品的期望和喜好。
3）用户特征
活跃用户：在统计时间段内访问或登录过产品的用户。
流失用户：一段时间内容没有登录或访问APP的用户，流失率会降低到某一稳定数值。
回访用户：流失后重新访问网站的用户，回访率很低。
用户渠道包括三类：直接访问，搜素引擎，第三方合作渠道。
4）埋点
埋点指标有些是通用的，例如用户的访问频率、平均停留时长等；有些指标是特定场景适用，例如盈利平台的下单、社区的内容发布等。
用户行为的相关指标可分为粘性指标、参与度指标、转化类指标。
- 粘性指标如访问频率，选取活跃用户每周的活跃天数，并按其对用户分类，用堆叠柱状图展示数据，方便对比。
- 参与度指标指完成某一关键动作的用户，或者参与情况满足某一条件的用户，例如电商网站的下单、社交互动、视频播放等。
- 转化类指标对分析用户的路径转化有3个作用：可追踪用户的访问细节，推测用户心理活动；追踪用户在走流程中遇到的困难，定位具体原因，调整布局；寻找有价值的可迭代路径，对产品进行优化。
5）用户生命周期
用户的生命周期价值可解释为变现、留存和传播 3 个变量组成的函数。
用户的生命周期一般会经历引入期、成长期、成熟期、衰退期、流失期五个阶段。
6）关键指标
在用户运营的过程中，要设定一个目标，围绕目标拆解为关键指标，要提升这些指标需要满足用户什么核心需求，例如提升用户生命周期每个节点的转化率，提升用户的留存（即用户的参与程度）。
提高转化率有，一是开源，二是节流。开源指的是要不断通过各种方式来获取新用户；节流指的是减少产品的用户流失。
- 首先通过现有指标找出用户是在哪一步流失的，例如某一环节的闪退、下单流程繁琐等。
- 然后从运营出发，形成种子用户群体，保证流失下限，优质内容推送、用户等级体系建设等。
- 还有就是提高ARPU（每个用户的平均收入），发放优惠券、精准营销平台、生日福利等。
- 最后是降低成本，一是降低用户的获取成本，优化渠道质量、流失预警、与其他平台合作资源共享。二是降低用户的运营成本，搭建精准营销平台，推送召回，建立 BI 报表等。
8）业务侧重点指标
互联网产品有不同的业务侧重点，从整体上看，主要分为总运营指标（KPI）、渠道类指标、流量类指标、营收类指标和用户类指标。
流量类指标包括 PV、UV 和某些重要的 banner 位的 click UV，跳出率，访问深度，访客获取成本、新访客占比等。
营收类指标从订单和转化率两个维度去监控，订单量、下单人数、订单金额、退单量等，订单转化率=有效订单量/页面访问UV
渠道用户质量的评价通过留存率来看，包括次日留存率、7日留存率、月留存率等。
次日留存率 =（当天新增的用户中第二天还登录的用户数）/ 第一条新增用户数
用户类指标一方面是用户类型（新注册、活跃、流失、回访、付费等用户），另一方面是用户的留存与流失，第三方面是建立用户画像。
三、数据分析方法
任何对现实的抽象都可以称为模型。
1）逻辑模型
逻辑模型指的是通过一定的逻辑来分析具体问题的模型，包括4P营销理论、5W2H分析法、PEST分析法、SWOT、SMART原则、二八原则等。
- 4P是指产品（Product）、价格（Price）、促销（Promotion）和渠道（Place），通过4P分析公司的整体情况。
- 5W2H是指为什么（Why）、做什么（What）、何人做（Who）、何时（When）、何地（Where）、如何（How ）和多少（How much）。
- SWOT是战略分析的一种，S（Strength）是优势、W（Weakness）是劣势、O（Opportunity）是机会、T（Threat）是威胁。
- 逻辑树是将问题一步一步拆解，将某已知问题的影响层当成已知问题的树枝，每多一个影响层，则添加一个树枝，直到列出已知问题的所有影响层为止。
- RFM模型是最近一次消费 （Recency）、消费频率 （Frequency）和消费金额 （Monetary）的缩写。
2）指标和维度
指标是用来记录关键流程的，衡量目标的单位或方法。指标的细化需要根据对业务的深入理解来拆解。
维度就是观察指标的角度，需要在熟知业务的情况下具体划分。
常用的网站维度包括时间（如时、日、周、月、季、年等）、地理位置、来源、渠道、浏览器、关键字、竞品等。
3）趋势分析
趋势分析是同类指标基于不同时间周期的对比，分为同比和环比。
环比指的是与相邻的上一周期做对比。同比指的是两个周期同一个时间点的比较，目的是追踪周期性的变化。
A指标环比增长率 = （本周期A指数值 - 相邻的上一周期A指标数值）/ 相邻的上一周期A指标数值
趋势线主要是为了用最直观的方式来显示数据的趋势及预测未来的走势，趋势拟合线的结果一般是通过回归所得到的。
4）变异系数
变异系数也叫标准差率，是衡量样本观测值变异程度的变量。优势在于可以忽略量纲及量级不同带来的影响。
熵的概念来源于热力学，表示对不确定性的一种度量，信息量越大，不确定性越小，熵就越小。
5）AARRR
AARRR 是 Acquisition、Activation、Retention、Revenue、Referral，这个五个单词的缩写。
阐述的是用户从激活，注册，到留存，产生营收，到口碑认可正向传播的一系列闭环效应。
6）AB Test
AB Test 参与实验的 UV 日均小于 5W，测试效果会很不稳定。实验上线后新版会先开 5% 的流量，1~2 天内确保没有明显问题后开放到 20%，7 天内开放到 50%。
利润 = 流量 * 转化率 * 客单价 * 利润率
GMV（网站成交金额）由流量、转化率和客单价共同决定。
7）图表展现
根据图表可传递的信息，可划分成比较分析、成分分析、趋势分析、分布分析和转化率分析。
- 比较分析包括柱形图和雷达图。
- 成分分析包括饼图和树状图，堆积柱形图，气泡图。环形图的是为了既能传达有用的信息，又让传达的信息看起来美观大方。
- 趋势分析包括折线图。
- 分布分析包括散点图，矩阵图。矩阵图是散点图的变形，在两个影响因素中探索分类及寻找解决方案时，需要直观地看出目标数据分步的情况。
- 转化率分析包括漏斗图。
- 文字云可直观显示词频的大小。
