用一个实例告诉你,如何对产品进行数据分析

《用一个实例告诉你,如何对产品进行数据分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、用一个实例告诉你，如何对产品进行数据分析数据分析是验证产品设想的最具说服力的工其，但忽略数据分析竹后的人性和商业思考，那么数椐分析也就在根木上失去/意义。数据分析的核心并不在于数据本身，而在于设计有意义、有价值的数据指标，通过科学有效的手段去分析，进而发现H题优化迭代。数据分析因价值而存在，数据分析本就是一个价值增量的过程。数据分析三个核心要点:1.什么是数据分析？（What）2.为什么数据分析？（Why）3.如何数据分析？（How）第一个问题就不多赘述丫，重点实例解析第二、三个问题。数据分析的缘由/fli发点很复杂，甚至有时候让人很焦灼，因为不同用户数据分析的出发点及分析过是

2、完全不一样的。站在一个更高视角分析数据，或者说数据分析的维度不仅限于产品思维概念上的数据需要，而是一个关乎产品一体性的命题。案例分析T而将逐一以实例的形式解读数据分析的两个核心问题，大致分为以T几步:第一步：确认数据分析的对象产品名称：企查查APPV9.1.8产品愿景：屮国企业信息搜集的综合体，为投资者、金融相关从业者等提供企业的一站式信息服务。分析范畴：产品迭代、产品优化、产品分析/验证背景概述：现阶段笔者从事征信行业的产品工作，正在参与一款企业信用信息奔询APPV2.x的升级迭代。此次的该类分析过程侧重数据指标制定和建模的过程，而并非实际数据的展示（别人家的应用，没有办法拿

3、到完整的数据源）。再次强调，数据指标的制定远比数据分析过程要重要的多或者说更加富有创造性。第二步：制定数据分析指标1.商业模式/盈利方式分析免费增值模式，先做成流量的入口，后期分享流量红利扩大转化率。2.了解产品现状/定量分析产品2.1用户分析•川户群体按照群体大致分为个人、企、Ik,分析出个人和企、Ik用广的人数比例，明确整体的用户分布情况。•每/1/U/LI的新增用户、流失用户、回流用户的比例的走势，选择恰当的走势变化渠道；用户质量：产品粘性及病毒性的反应，体现在用户的活跃度上，一般包括，H活跃（DAU）、周活跃（WAU）、月活跃（MAU）;•采川同期群和川户分类的分析方法

4、，特定川户群体的特定分析过程，川户质景也足渠道或营销活动效果的间接体现，以便后期及吋的调整和处理；•用户质量的标准制定，包括忠诚用户、联系活跃用户、流失用户等等，为反应不同指标设置特定的川户质S指标：2.2应用分析：•启动次数，某U/周/J1的启动次数占所选时段总启动次数的比例，直接反应用的生活时间成木;•版本分布，对开发和雉护的意义非常深刻，展示累计用户排名前10的各个版本变化趋势，可以帮助了解每个版木的新增用户，敁新版木的升级情况，FI前的哪些版木状况；•使川情况，统计周期内，一次启动的使用吋长；一天内启动应川的次数；川统一川广相邻两次启动间隔的吋间长度；•设备终端和错误分

5、析也是很有必耍的：2.3行业分析：a.行业数据可以帮助Y解行业内应用的整体水平，可以奔看应用的全体应用或同类应用屮各个指标的数据、排名及趋势，有助于衡量应用的质量和表现：b.了解行业数据，可以知道自己的APP在整个行业的水平，可以从新增用户、活跃用户、启动次数、使用时长等多个维度去对比CJ己产品与行业平均水平的差异以及自己产品的对应的指标在整个行业的排名，从而知道自己产品的不足之处。以上并没有对具体的数据源实施实质性的分析并结论，这部分的都是基本的处理过程就不做赘述。而下文，我将结合实际业务场景深入分析《企查查APPV9.1.8》的某个数据指标。业务场景：1.查首页支持企业名称

6、、人名、品牌名等信息的模糊查询，并且在搜索系统之下直接提供四个维度［企业名称］、［股东高管］、［经营范围］、［品牌管理］的一级辅助搜索条件。热搜词：滴滴股权融资借货宝“裸条门’’360退市换一批企业名称O股东高管O经营范围0品牌产品•P©查商标查关系查专利查著作权©查失信0查公告查判决查电话查上市被执行查融资P2P查P2P企查查关注S7发现我的1.企业信息维度算是一款企业信息服务Y•台的资源性优势，也是一款内容应用的核心模块。不同类型的用用户对不同类型的信息的感兴趣程度都存在个性化的特征，而用户行为特征数据的记录和挖掘是一件意义非凡的事情。产品分析:1.企业信息杏询第一级别的功

7、能足搜索，第二级别的功能足条件搜索；现论上讲，后者在搜索的精确程度上要更加有优势。2.确认哪些企业信息查询维度，在偌大的信息描述签中，初生代的产品大致会以常规经验型知识选择冷动的內容。数据指标:1.不同检索维度的搜索量;检索维度检索次数（等周期）结论：以信息检索维度的搜索量，选;h哪些企业信息搜索维度置于条件搜索中,并决定其分布的顺序和位置：2.不同描述维度的查询量描述维度査询次数（同煳期）结论:a.以信息描述维度的斉询次数，区分哪些企业信息描述维度置于的受关注程度，量化区分不同信息的关注度