写点什么

数据分析阶段性小结(一)

发布于: 2021 年 03 月 30 日
数据分析阶段性小结(一)

数据的抓手,是指标。


指标,顾名思义就是要能指引方向的、标准化有约定俗称定义。


进而,我们通过跟踪指标的数据变化,通过和自己比、和同业比、跨行业比(benchmark 的思想,最后一个可能实际中少一些,多停留在跟同业比的层面),发现问题或优势。


然后将指标进行拆分,从而更精确的去定位影响指标的各种因素。拆分的思路,就体现了分析的维度。

而维度,是根据行业而异的。拆维度就体现了大家对业务的理解深度。比如,流量型产品的分析维度,重点要拆开看流量的来源是哪里来的,这些来源是否稳定。比如电商型产品的分析维度,主要有 MAU、Take Rate 等指标来反映企业的进展情况。


在拆分的基础上,就可以对发生突变的数据进行溯源。比如运营在 618 发布了大促手段、产品发布了新功能、中央新出了利好农产品电商政策······通过拆分,可以有根据的去归纳总结,数据突然变化背后的原因是什么。


课上到这里,最大的感受就是,于无章之处见真章。 数据分析只有通用框架,而没有固定的套路可循,但就是在这种没有通用的框架背后,反而才体现了这家公司不同于其他公司的地方。


现在再看生活中把玩的各类 APP,会更明显的关注到,软件默默记录了许多用户使用过的数据。

即便是拒绝了一些手机设备、地理位置的权限,用户只要在使用软件,就会产生数据。


曾经对数据的理解,更偏向底层的代码,偏后端。而现在要往前去揪线索,去找数据的上游。顺着“来源--着陆位置--行为轨迹--关键行为--出口--引荐|留存”这条路径去寻找,每一个环节可能留下的数据,以及背后反映出的用户特征是怎样的。


在上家公司(To B)时,还记得宁哥说过,给银行提供数字化营销解决方案,也是在做“数据”的供应链。从后台的系统来看,根据业务需求确定数据范围,接着取数,做模型分析,产生的模型结果再卸数,最后再经过后台数据平台的过滤和前端的渲染,展示到终端的显示界面中。


雁过留声,人过留“数”。


把玩抖音的日子,发现 To C 产品的数据类型、层次更丰富。除了基本的属性、主要是行为层面差异比较大。一些泛娱乐的 APP 能记录很多数据,如停留时长。银行如果想要在行为上获取,多是通过加工衍生特征来实现的,更难一些要通过录像、录音来对用户的行为进行具体的分析。营销这一块,还是更关注分类、留存与激活,重点捕捉对企业价值大的用户(模型不求精准命中)。


发布于: 2021 年 03 月 30 日阅读数: 17
用户头像

进一寸有进一寸的欢喜 2019.07.22 加入

喜欢玩 Python 和 写书摘 的女孩儿 见证我的成长-->微信公众号:小匚(fang,一声),等你来~

评论

发布
暂无评论
数据分析阶段性小结(一)