怎样做数据分析怎样做数据分析和对比( 三 )

访客参与深度：跳出率、浏览页面数、转化率
转化率和转化漏斗是否流畅：
转化漏斗
获取指标的方式
分析日志、分析工具获取（自定义时间、自定义转化漏斗）
三、分析数据——产品数据分析框架
3.1基本分析方法
对比分析：
Sophia 14:02:33
横向对比，纵向对比（保证对比指标之外其他因素尽可能保持一致，比如通常在做新旧版本分析的时候会尽量选择两个版本发布初期的新用户）
趋势分析：
整体趋势、周期变化、极值点
象限分析
案例：渠道评估和优化（质量--数量）
象限分析
交叉分析法：
案例：多维度的数据分析（ios和安卓下载数分析）
交叉分析
3.2数据分析框架——AARRR模型
数据分析框架的作用
保证结果的准确性、可靠性、针对性
常见的分析框架（宏观，适用于管理和运营）
PEST分析框架：
Political（政治）， Economic（经济）、Social（社会）、Technological（科技），用于企业所处宏观环境的分析。
5W2H分析框架：
What+Why+When+Where+Who+How+How Much,常用于决策和执行性的活动措施
SWOT分析
Strengths（内部优势）， Weaknesses（内部劣势） Opportunities（外部机会） Threats（外部威胁）
运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而根据研究结果制定相应的发展战略、计划以及对策等。
SMART原则
Specific（具体的）， Measurable（可衡量的）， Attainable（可达到的）， Relevant（相关的）， Time-Bound（有明确结束期限的），常用于目标管理。
4P理论
Product（产品）， Price（价格）， Place（渠道），促销（Promotion），用于制定营销策略。
AARRR分析框架
Acquisition（获取）Activation（激活） Retention（留存） Revenue（收入） Refer（推荐）
AARRR模型
AARRR分析思路
AARRR模型应用
提升AARRR各环节指标的对应操作（渠道分析案例）
渠道分析案例
渠道分析案例
3.3数据分析框架——逻辑分层拆解与漏斗分析
逻辑分层拆解
逻辑拆解【相关指标和核心指标存在逻辑关联】
分层拆解【同一层指标不相关】
逻辑分层拆解
漏斗分析法
关键路径的转化率、转化率对比分析、Google Analytics行为流
Sophia 14:03:02
3.4数据会说谎
改变坐标轴：添加趋势线及其公式
样本量的误差：决定样本量大小的因素（总体大小、总体内部差异程度）
平均数的数据谎言：当数据呈现正态分布，平均数才能近似代表整体的情况
辛普森悖论：数据集中的变量被分组，其相关性被降低或不存在相关性（注意不用混淆变量分组数据）
四、利用数据——数据驱动产品
4.1数据应用的场景
需求分析阶段：
对用户层面的需求，通过数据去伪存真。对公司层面的需求，通过数据验证并提供证据（网易考拉海购退出率案例）
产品设计阶段：
设计前——发现问题，设计中——辅助决策，判断思路（A/B test），设计后——验证方案（对比核心指标）
4.2数据驱动产品的方法
通过数据发现问题：
对导出率、跳出率、满意度、各端用户占比进行对比分析
确定改版数据指标：

怎样做数据分析 怎样做数据分析和对比( 三 )

怎样做数据分析怎样做数据分析和对比( 三 )