其他分享
首页 > 其他分享> > 精读——数据分析思维:分析方法和业务知识(1)

精读——数据分析思维:分析方法和业务知识(1)

作者:互联网

今天和大家一起精读一本最近很火热的数据分析新书——《数据分析思维:分析方法和业务知识》,作者猴子·数据分析学院。

全书分为两大块,第一块内容是方法论,也就是前三章,介绍了数据分析的方法、数据指标体系和一些基础的内容。

第二块是实战部分,讲了电商、金融、在线教育、运营商、零售等不同行业的业务知识和案例分析。

这篇文章就是在阅读了这本书第一章的一个读书笔记加上我自己的理解,让我们一起来精读。

1.业务指标

1.1 如何理解数据

可从以下两个方面理解数据:

分类列名
用户数据昵称、性别、年龄、地域 、访问设备、何时关注
行为数据阅读数、分享数、收藏数、在看数、点击菜单数
产品数据文章标题、日期、阅读量

1.2 常用的指标有哪些

用户数据指标

对用户分类,可以分为新增用户、活跃用户和留存用户3大类,从这三大类可以得到相应的指标:

这是我公众号的日新增用户数,甚至可以从不同的渠道来看,如搜一搜、他人转载、名片分享等渠道。

这里牵扯到如何定义“活跃”这个概念,不同的产品有不同的定义方法,但广泛地来讲,活跃率=活跃用户数/总用户数

留存用户就是留下来的用户,和它相对应的是流失用户,根据时间不同,留存率可以分为次日留存率、第3日留存率,第7日留存率,第30日留存率等。

比如次日留存率=第1天新增用户中,在第2天使用过该产品的用户数/第1天新增用户数

40-20-10法则:新用户次日留存率为40%,7日留存率为20%,30日留存率为10%是比较好的。

行为数据指标

比如我公众号的菜单栏【干货学习】-【可视化】这个子菜单PV是9,UV是7.

如广告转化率=点击广告的人数/看到广告的人数

k因子=平均每个用户向多少人发出邀请 x 接收到邀请的人转化为新用户的转化率

k因子用来衡量推荐的效果,K>1,则新增用户数会像滚雪球一样增大。

产品数据指标

总量

人均

产品
比如热销产品top N

推广付费指标

1.3 如何选择指标

如何选择指标,在《精益数据分析》这本书里其实讲的已经很透彻了。
什么是好的数据指标:精益数据分析

1.4 指标体系和报表

什么是指标体系

使用多个指标从不同的维度评估业务,指标+体系

指标体系有什么用

如何建立指标体系

关于指标体系,其实从收集需求、规划方案、采集数据、数据验证到效果评估每个流程都需要多部门协调,这个过程中会用到很多分方法,如AARRR模型,之前也写过:数据分析应关注AARRR模型的哪些指标

现代管理学之父彼得·德鲁克说过一句很经典的话:

如果你不能衡量它,那么你就不能有效增长它。

从这句话中我们也能体会到数据之于业务的意义。

好了,今天的精读就到这了,开启精读一本书这个系列的原因很简单,有一天我在找区块链相关的资料,小明同学推荐了我一本书《区块链基础知识25讲》,这本书还挺厚的,当时也是比较着急,自己看那么厚的纸质书还是电子版都不实际,突然我从CSDN上看到了别人的读书笔记,精读的那种,2个小时就把这本书讲了啥大概了解了。我发现像我一样有这种需求的人还是很多,因此就出现了这个精读系列。

标签:数据分析,精读,用户,指标,留存,付费,业务知识,用户数
来源: https://blog.csdn.net/data_cola/article/details/112208853