数据分析与数据产品经理
Last Update:
数据产品经理/数据分析
数据分析：数据分析师理当是业务的裁判员，同时具备运动员视角。数分的工作都是客观评价业务的健康情况，同时帮助业务寻找机会点。
是满足重点数据结果~价值排序：数据决策>数据分析>数据采集>数据规划
数据产品经理：数据产品经理是为帮助企业更好的沉淀数据资产以及数据口径的收口人角色，主要负责数据产品模块
是满足持久性数据需求
工作流程：
需求受理>定义问题业务域>明确分析目标>数据源定义>数据分析建模>数据结果可视化
业务理解>数据理解>数据准备>建立模型>评估模型>模型部署
行动框架：
业务现状调研>需求梳理>迭代定义
业务现状：当前商业模式，产品所处于的阶段（核心），市场对本业务的接受度
数据分析三要素：
北极星指标，数据建模（DAU，留存率。。。），事件分析
数据指标体系分为三部分，分别是“数据”、“指标”以及“体系”：
- 数据代表的是可量化；
- 指标代表的是一种结果；
- 而体系代表的是其中的逻辑。
北极星指标：也叫作第一关键指标，是指在业务/产品的当前阶段与业务/战略相关的绝对核心指标，一旦确立就像北极星一样闪耀在空中，指引团队向同一个方向迈进（提升这一指标）。
北极星重点
1、北极星指标不是一成不变的，而是随着业务发展阶段不断迭代
2、如果发现单一指标不能反映业务的成长情况，可以考虑加入反向指标作为“制衡指标”。（例如电商北极星是GMV，制衡指标（反向指标）是退货率）
3、更加北极星指标进行路径型拆解，达到可以高效定位指标波动原因，直接引导日常运营决策
因子拆解法：上图的拆解方法也是因子拆解法（也是指标拆解法）
全链路漏斗：涵盖产品/业务全生命周期，常见方法是梳理用户旅途（仅用于说明影响北极星指标的各个细分指标之间的关系，而无法用于计算准确的北极星指标。）
指标一般分为四个模块：
- 广度：反映业务产品总规模，如新老用户用户量
- 深度：反映业务产品渗透程度，如人均观看时长
- 频率：反映业务产品的持久性，如次日留存、周留存
- 效率：反映业务产品的质量或者成本收入效益，如ROI，CPC
海盗模型AARRR
数据指标口径误区
1）数据口径应该让人一看就能明白，要深入思考统计这个数据指标是为了支撑什么业务判断，充分考虑业务场景来设计数据指标
不要：转化率为80%；建议：下载->注册80%，注册->试用90%
2）先看规模，即影响用户的占比/覆盖率，再看质量/效率
不要：用户次日留存50%；建议：用户量100M，次日留存50%
3）显著、大幅、极大、非常……这类主观且不明确的表述方法不要用，讲具体的数据变化，应用 『 A->B（+xx%）』**
不要：用户从注册到转化平均用时减少0.5天；建议：用户从注册到转化平均用时从2天下降到1.5天（-25%）
确定北极星指标的目的：
指引未来：能够清晰地表明未来需要优化的方向，明确优先级，避免胡子眉毛一把抓，无法集中火力
团队协同：能够让其他组的同事知道当前业务的实时进展，便于跨组的资源协同，提高行动力
结果导向：能够使我们对结果负责，以业务结果（功劳）而不是业务数量（苦劳），来衡量团队的工作质量
制定北极星指标的原则
原则一：商业模式决定产品/用户价值，价值决定指标选择
制定指标不是为了指标本身，而是传达一种对产品和用户价值理解，能确切衡量业务表现，业务变好指标向好，业务下坡指标预警，非滞后。
原则二：指标目标本身符合SMART原则
指标本身要足够清晰具体，可观测可衡量可预测，从而可以指导着每个一个员工的每一个决策和行动，走正和跑偏之间，往往差一个北极星指标在指引。
SMART原则解析
- 目标必须是具体(Specific)。
- 目标是可以衡量的(Measurable)。
- 目标可实现(Attainable)。付出努力可实现，避免设立过高或过低的目标，踮踮脚可以达到的。
- 目标和业务是相关性(Relevant）。业务部门的努力和懈怠是和它的目标相关联的，不然就会导致大家不在一个方向上努力，效率低。
- 目标有明确的截止期限(Time-bound)。目标的评估考核需要一个时间期限。
举例：
| 商业模式 | 核心价值 | 常见的北极星指标 |
|---|---|---|
| 交易类京东、eBay、美团买菜 | 产品链接其他资源提供的价值，给用户提供商品或服务，满足便利性 ➡️ 用户下单购物 🛒 | GMV、订单量等 |
| 内容类头条、抖音、小红书 | 产品自身有价值，给用户提供丰富的内容，满足娱乐性 ➡️ 用户阅读创作 📕 | 阅读量、停留时长、作品数等 |
| 社交类微信、QQ、Facebook | 产品链接其他资源提供的价值，给用户提供交流平台 ➡️ 用户间信息传输📱 | 消息数、发送过消息的用户数等 |
| 工具类剪映、语雀、芦笋 | 产品自身有价值，提供封装好的各样式接口，帮助用户省时间 ➡️ 用户使用付费💰 | 使用量、续费率等 |
ABtest
Z检验一般用于大样本（即样本容量大于30）平均值差异性检验的方法。
T检验：主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
什么场景可以使用ABtest
一般用于两个场景一个是产品迭代和策略优化
ABtest的底层逻辑是什么/为什么要做ABtest
随机化：使所有影响干预到到效果的混杂因子失效，简单理解就是，随机化使全部的外在干扰因素都失效了，影响干预（treatmet）成为了产生差异的唯一来源。
假设检验：就是根据构造的统计量所符合的统计学理论分析，采用小概率理论来推断假设是否正确。如果零假设发生的概率较大就接受零假设，如果零假设发生的概率为小概率事件则拒绝零假设，接受备选假设。
如何确定分流时机？
实验分流的触发点是且只能是你策略的生效点。
为什么只能在策略生效点分流呢？原因在于AB Test通过随机化方式，使所有影响treatmet到effect的混杂因子失效，进而使策略是产生差异的唯一来源。
例子：对店铺所有满足弹窗触发的订单，进行分流而不对所有用户
ABtest是不是万能的
AB Test当然不是万能的，它也是有局限性的。有些场景AB Test就不太能起效果。
- 用户体验制约：一些较为敏感的策略，比如价格调整，激励变化等，往往需要顾及用户间的体验公平性和用户长期体验的一致性。比如不同手机用户同一时间在一个商户下单，价格不一致，就是AB Test导致的。但是在解读时，用户价格歧视更有话题性。
- 样本数量制约：部分场景由于天然不可抗力因素导致样本量非常小，无法达到统计学上大样本要求。典型场景如：防止侵害的安全类措施（高危样本量减小且无法人为扩大）
- AB组间存在干扰，AB Test假设AB两组都是独立样本，可以独立做出判断，如果两组互相影响，则不能进行AB Test。
分析法
流程拆解法：就是按照事情发展的时间、流程、顺序，对过程进行逐一的拆解。
如：进行拆解用户购买商品的流程环节：看到广告–>点进商品–>点击购买–>完成支付–>订单量下降
类似于漏斗分析法，是一套流程分析，适用于流程长，环节较多，并且随着环节的进行，留存率越来越少的场景。
二分法：二分法思维，简单来说就是非黑既白的思维。例如电视剧人物好人坏人，简化思维。当一件事情很复杂，超出理解范围的时候，又需要快速做决策，那么就需要二分法来简化事物，快速完成决策。
象限拆解法：X轴从左到右是点击率的高低，Y轴从下到上是转化率的高低，形成了4个象限，这就是我们要说的象限分析法。针对每次营销活动的点击率和转化率找到相应的数据标注点，然后将这次营销活动的效果归到每个象限，4个象限分别代表了不同的效果评估。
象限分析法的作用
（1）找到问题的共性原因
通过象限分析法，将有相同特征的事件进行归因分析，总结其中的共性原因。例如案例中第一象限的事件可以提炼出有效的推广渠道与推广策略，第三和第四象限可以排除一些无效的推广渠道；
（2）建立分组优化策略
针对投放的象限分析法可以针对不同象限建立优化策略，例如提升象限二的投放创意，象限四的投放渠道。
杜邦分析法：净资产收益率为核心的财务指标，可以将净资产收益率（ROE）拆分为销售净利率，资产周转率，权益乘数 3 个指标。
ROE 反映的是，股东每投入 1 块钱能够带来多少钱的利润。
AARRR：用户生命周期的模型（也可以作为AARRR用户漏斗），拉新、促活、留存、转换和传播。
用户行为流程：发现-常用-关注-付费-传播
用户生命周期：拉新-促活-留存-转化-传播
PEST:
PEST分析法就是，从政治（Politics）、经济（Economic）、社会（Society）、技术（Technology）四个方面，基于公司战略的眼光来分析企业外部宏观环境的一种方法，公司战略的制定离不开宏观环境，而PEST分析法能从各个方面比较好的把握宏观环境的现状及变化的趋势，有利于企业对生存发展的机会加以利用，对环境可能带来的威胁及早发现避开。
政治环境：
是指一个国家或地区的政治制度，体制，方针政策，法律法规等方面，这些因素常常影响着企业的经营行为，尤其是对企业长期额度投资行为有着较大的影响。
经济环境：
指企业在制定战略过程中须考虑的国内外经济条件，宏观经济政策，经济发展水平等多种因素。
社会环境：
主要指组织所在社会中成员的民族特征，文化传统，价值观念，宗教信仰，教育水平以及风俗习惯等因素。
技术环境：
是指企业业务所涉及国家和地区的技术水平，技术政策，新产品开发能力以及技术发展的动态等。
RFM： 用于对用户进行分类，并判断每类细分用户的价值。（用于留存分析或者用户粘性分析）可以分析平台的健康度（用户流失率）
三个关键指标：
- 最近一次消费时间（R）：客户距离最近的一次采购时间的间隔。
- 最近一段时间内消费频次（F）：指客户在限定的期间内所购买的次数。
- 最近一段时间内消费金额（M）:客户的消费能力，通常以客户单次的平均消费金额作为衡量指标。
SWOT
S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁。官方定位的SWOT分析，是基于内外部竞争下的态势分析，去推导出一个产品的完整战略，且战略应是一个企业“能够做的”（即组织的强项和弱项）和“可能做的”（即环境的机会和威胁）之间的有机组合。
5W2H：：What（何事） When（何时） Where（何地） Who（何人） Why（何故） How（何法） How much（何几），5W2H是对目标计划进行分解和决策的思维框架，它对要解决的问题进行完整的刻画，以便清晰地界定问题并找到解决方案。
细分拆解法：
- 按时间细分：哪个时间段的销售额出了问题？
- 按空间细分：哪个区域的销售额出了问题？
- 按过程细分：售前导购、购买体验还是售后服务的哪个过程出了问题？
- 按公式细分：GMV=流量转化率客单价，流量、转化率和客单价的哪个部分出了问题？
- 按模型细分：用户价值分层模型，不同价值的用户的销售额贡献，是哪类用户出了问题？
活动分析
参与对象，参与行为，参与奖励
复盘展望
● 宏观：这个活动的目标，是否值得延续
● 中观：这个活动的策划，是否值得延续
● 微观：活动的执行，是否有经验教训
数据异常
第一：确认是真问题还是假问题，不能人云亦云，需要确定数据的真实性
第二：用最大概率法则原因归类
- 假期效应：开学季、暑假、四大节、当地节日；
- 热点事件：常规热点（世界杯）、突发热点（爆款 IP）；
- 活动影响：双 11、618，公司层面活动；
- 政策影响：互联网金融监管，快递实名；
- 底层系统故障：数据传输、存储、清洗有无问题；
- 统计口径：业务逻辑更改、指标计算方式更改。
第三：闭环问题
当我们排查出问题原因后，一定要形成闭环，关于闭环有三个点：
- 持续跟踪后期数据是否再次异常，比如当我们排查出原因后，产品做相应的改进，而问题仍在就说明前期排查问题出错。
- 记录、沉淀、文档化，因为后续我们可能还会遇到相同问题，所以记录文档利人利己。
- 邮件化，只有确认没有问题再发邮件给相关方，描述影响范围和主要结论即可。
竞品分析四个角度
产品模式
用户模式
推广模式
收入模式