隨著大數(shù)據(jù)在社會越來越普及，對其研究也越來越深入，大數(shù)據(jù)已經(jīng)不再是一個時尚的名詞，而是一項實實在在的技術(shù)。中培偉業(yè)《大數(shù)據(jù)分析及可視化技術(shù)應(yīng)用實戰(zhàn)》培訓專家謝老師指出，目前很多人在研究大數(shù)據(jù)應(yīng)用方面還存在很多盲區(qū)和誤區(qū)，這也會對大數(shù)據(jù)的認識與應(yīng)用帶來阻礙。謝老師作為該領(lǐng)域的權(quán)威專家，在這里就大數(shù)據(jù)應(yīng)用與研究過程中應(yīng)該注意的問題進行了詳細介紹。

　　1. 明確數(shù)據(jù)分析的目的

做數(shù)據(jù)分析，必須要有一個明確的目的，知道自己為什么要做數(shù)據(jù)分析，想要達到什么效果。比如：為了評估產(chǎn)品改版后的效果比之前有所提升或通過數(shù)據(jù)分析，找到產(chǎn)品迭代的方向等。

明確了數(shù)據(jù)分析的目的，接下來需要確定應(yīng)該收集的數(shù)據(jù)都有哪些。

　　2. 收集數(shù)據(jù)的方法

說到收集數(shù)據(jù)，首先要做好數(shù)據(jù)埋點。

所謂埋點，個人理解就是在正常的功能邏輯中添加統(tǒng)計代碼，將自己需要的數(shù)據(jù)統(tǒng)計出來。

　　目前主流的數(shù)據(jù)埋點方式有兩種：

第一種：自己研發(fā)。開發(fā)時加入統(tǒng)計代碼，并搭建自己的數(shù)據(jù)查詢系統(tǒng)。

第二種：利用第三方統(tǒng)計工具。

　　常見的第三方統(tǒng)計工具有：

　　網(wǎng)站分析工具

Alexa、中國網(wǎng)站排名、網(wǎng)絡(luò)媒體排名(iwebchoice)Google Analytics、百度統(tǒng)計

　　移動應(yīng)用分析工具

FlurryGoogle Analytics、友盟、TalkingDataCrashlytics

不同產(chǎn)品，不同目的，需要的支持數(shù)據(jù)不同，確定好數(shù)據(jù)指標后，選擇適合自己公司的方式來收集相應(yīng)數(shù)據(jù)。

　　3. 產(chǎn)品的基本數(shù)據(jù)指標

新增：新用戶增加的數(shù)量和速度。如：日新增、月新增等。

活躍：有多少人正在使用產(chǎn)品。如日活躍(DAU)、月活躍(MAU)等。用戶的活躍數(shù)越多，越有可能為產(chǎn)品帶來價值。

留存率：用戶會在多長時間內(nèi)使用產(chǎn)品。如：次日留存率、周留存率等。

傳播：平均每位老用戶會帶來幾位新用戶。

流失率：一段時間內(nèi)流失的用戶，占這段時間內(nèi)活躍用戶數(shù)的比例。

　　4. 常見的數(shù)據(jù)分析法和模型

這里主要科普下漏斗分析法和AARRR分析模型。

漏斗分析法

用來分析從潛在用戶到最終用戶這個過程中用戶數(shù)量的變化趨勢，從而尋找到最佳的優(yōu)化空間，這個方法被普遍用于產(chǎn)品各個關(guān)鍵流程的分析中。

AARRR模型

這個是所有的產(chǎn)品經(jīng)理都必須要掌握的一個數(shù)據(jù)分析模型。

　　5. 常見的數(shù)據(jù)分析法和模型

在上篇提到的漏斗分析法和AARRR模型外，這里再補充一個：交叉分析法。

交叉分析法：通常是把縱向?qū)Ρ群蜋M向?qū)Ρ染C合起來，對數(shù)據(jù)進行多角度的結(jié)合分析。

舉個例子：

a. 交叉分析角度：客戶端時間

從這個數(shù)據(jù)中，可以看出iOS端每個月的用戶數(shù)在增加，而Android端在降低，總體數(shù)據(jù)沒有增長的主要原因在于Android端數(shù)據(jù)下降所導(dǎo)致的。

那接下來要分析下為什么Android端二季度新增用戶數(shù)據(jù)在下降呢一般這個時候，會加入渠道維度。

b. 交叉分析角度：客戶端時間渠道

從這個數(shù)據(jù)中可以看出，Android預(yù)裝渠道占比比較高，而且呈現(xiàn)下降趨勢，其他渠道的變化并不明顯。

因此可以得出結(jié)論：Android端在二季度新增用戶降低主要是由于預(yù)裝渠道降低所導(dǎo)致的。

所以說，交叉分析的主要作用，是從多個角度細分數(shù)據(jù)，從中發(fā)現(xiàn)數(shù)據(jù)變化的具體原因。

6. 如何驗證產(chǎn)品新功能的效果

驗證產(chǎn)品新功能的效果需要同時從這幾方面入手：

a. 新功能是否受歡迎

衡量指標：活躍比例。即：使用新功能的活躍用戶數(shù)同期活躍用戶數(shù)。

使用人數(shù)的多少還會受該功能外的很多因素影響，千萬不可只憑這一指標判斷功能好壞，一定要結(jié)合下面的其他方面綜合評估。

b. 用戶是否會重復(fù)使用

衡量指標：重復(fù)使用比例。即：第天回訪的繼續(xù)使用新功能的用戶數(shù)第一天使用新功能的用戶數(shù)。

c. 對流程轉(zhuǎn)化率的優(yōu)化效果如何

衡量指標：轉(zhuǎn)化率和完成率。轉(zhuǎn)化率即：走到下一步的用戶數(shù)上一步的用戶數(shù)。完成率即：完成該功能的用戶數(shù)走第一步的用戶數(shù)。

這個過程中，轉(zhuǎn)化率和完成率可以使用篇中提到的漏斗分析法進行分析。

d. 對留存的影響

衡量指標：留存率。用戶在初始時間后第天的回訪比例，即：日留存率。常用指標有：次日留存率、日留存率、21日留存率、30日留存率等。

e. 用戶怎樣使用新功能

真實用戶行為軌跡往往比我們設(shè)想的使用路徑要復(fù)雜的多，如果使用的數(shù)據(jù)監(jiān)測平臺可以看到相關(guān)數(shù)據(jù)，能引起我們的反思，為什么他們會這么走，有沒有更簡便的流程，以幫助我們作出優(yōu)化決策。

　7. 如何發(fā)現(xiàn)產(chǎn)品改進的關(guān)鍵點

產(chǎn)品改進的關(guān)鍵點，是藏在用戶的行為中。想要找到這些關(guān)鍵點，除了通過用戶調(diào)研、訪談等切實的洞察用戶外，在產(chǎn)品中設(shè)置相關(guān)數(shù)據(jù)埋點記錄用戶的行為，觀察其行為軌跡，不能完全替代洞察用戶的行為，不過也可以有助于決策產(chǎn)品改進點。