數據分析入門

數據分析的意義：

數據分析帶來的價值讓產品了解產品運營情況，了解用戶需求和行為習慣，了解產品功能使用情況等等，屬于產品人員最技術的技能。

數據類型：

一般的用戶數據獲取方式可以從頁面js和服務器日志上獲取;

常用的可以獲取的數據包括UV，PV，停留時間，點擊熱圖，導入網站(關鍵詞)，導出網站，具體的訪問頁面等等，還有客戶端，新用戶，用戶流失，用戶地區等數據進行分析，

加上時間參數等就可以獲得大量的趨勢性分析。

另外還有一些數據可以通過后臺的數據請求次數和用戶提交數據，例如用戶的搜索命中率，用戶UGC提交信息量，用戶流程損耗量(任務完成量和時間)。

以上為定量數據。

其他定性數據包括用戶操作流程，用戶使用過程，用戶行為，用戶評價和反饋等。

對數據進行分析：

1、 數據的趨勢

主要是居于時間變化呈現的數據量級的趨勢統計

用戶量，訪問量，(注冊量，活躍量)

用戶提交信息量的變化趨勢

重復訪問用戶比例、數量和新增用戶用戶數量、比例

2、 數據的權重

各個業務模塊的訪問權重占整個產品/頻道的權重比例

各個頁面停留時間權重

提交信息用戶量和用戶UV的比例關系

3、 數據呈現的用戶行為

比如：

用戶訪問熱圖

用戶直接訪問、外站導入、搜索引擎的比例

用戶搜索常用關鍵詞，常標中的關鍵詞，未標中的關鍵詞

用戶來源

用戶停留時間

一跳率，二跳率等

產品對數據的態度：

1、 正確的態度

雖然是有點廢話，但是需要強調。產品必須有明確健康的運營態度和運營價值觀。

比如不鼓勵非正常的PV，前臺產品引導用戶更好的互動和轉發，后臺設計引導發布編輯提交更有效的信息和信息關聯。

2、 對數據敏感，發掘細節

對定量的數據和定性的數據都保持敏感，特別在持續對產品改進上，需要大量的數據。

包括用戶操作，用戶訪問最多的頁面，用戶頁面跳轉等

【數據分析入門】相關文章：

數據分析報告07-28

大數據分析07-20

銷售數據的分析方法07-25

大數據分析07-25

多維數據分析方法04-07

數據分析工作職責07-28

數據分析常用方法07-26

數據分析主管的職責01-13

數據分析報告【推薦】03-07

數據分析簡歷模板02-17