12 优化-持续迭代产品的4大方法论之数据分析

数据埋点3种方式

为什么要埋点

为什么要埋点？

• 埋点是数据驱动的源泉
  

• 埋点是所有数据价值的基础
  

什么是埋点

用户做了某个操作之后，向服务器/BI发送的日志过程，就是埋点
下面是一个埋点流程的示意图：

怎么埋点

数据埋点的3种方式：代码埋点、可视化锚点、全埋点
三者的对比如下：

埋点四要素

埋点四要素：位置、事件、时机、字段

• 位置示例
  

• 事件：分为常规事件和业务特有事件
  常规事件：APP启动，展示事件(页面、区块、位置展示)，点击事件，播放事件，交互事件(点赞、评论)，支付事件，APP退出
  业务特有事件：阅读事件，拉起下载事件等

• 时机：打开投递？加载完成投递？关闭投递？刷新时是否投递？

• 字段：字段的组成规则

埋点案例

4要素的综合应用示例：用户在XX页面的XX区块的XX位置，进行了XX事件在XX时机触发投递，投递的字段级对应值有XXXX

某社区产品阅读行为埋点示例：

埋点须知

前端埋点VS后端埋点：除非某个行为只在前端发生，否则优先使用后端埋点

最有效的8种数据分析方法

1 事件分析

分析事件的变化，用以监控媒体数据或评估项目优化效果，常见事件包括：注册、登录、浏览、下单、支付

事件分析的关键是对比
比较的对象：和自己比与和行业比

• 和自己比：从时间维度；从不同业务线；从过往经验估计；
• 和行业比：是自身因素还是行业趋势？都跌？都涨？

比较的内容：绝对值和比例值

• 绝对值：本身具备价值的数字；销售金额；阅读数
• 比例值：在具体环境中才有价值，活跃占比，注册转化率

比较的方法：环比和同比

• 环比：与当前时间范围相邻的上一个时间范围对比，日环比（今天vs昨天），月环比（本月vs上月）
• 同比：与当前时间范围相邻上层时间范围的前一个范围中同样位置数据对比，年同比（今天vs去年今日），周同比（今天vs上周今日）

2 漏斗分析

以漏斗方式层层分析有流程关系的业务，通过连串向后影响的用户行为来观察目标
比如下面是一个影响用户充值数的转化漏斗：

只适用：有明确的业务流程和业务目标场景

3 留存分析

评价用户粘性的指标，指用户后续是否还会回来，既包括APP留存，也包括APP内某业务留存，APP留存及格线：4/2/1(代表后3天的留存率)

下面是某产品会员购买留存分析：

留存率计算：

4 画像分析

用户分群查看，把用户按照一定维度进行划分，观察分析各类用户的产品使用情况

5 渠道分析

针对不同渠道进行分析

常见的渠道划分方式：来源，媒介，其它

• 来源：具体的流量实体（百度、头条、线下）
• 媒介：实体中承载推广的实体（SEM、自然搜索结果、banner）
• 其它：营销活动名称，广告关键词

通过对渠道分析，找到好的渠道资源，确定投放的优先级

真正用户从哪里来？就是来自渠道

真正的用户：高留存，核心行为频次、完成率高

6 占比分析

按照一定维度进行划分，分析各维度的占比
下面是某产品添加收藏次数的占比分析，按照此处进行划分：

常见划分维度：人的维度和事的维度

7 路径分析

对用户使用产品的路径进行分析
下面是某APP的用户行为路径分析：

8 异常分析

针对产品的一些异常情况进行分析，比如：页面崩溃、页面超时等

异常分析中常见的假设：

针对性优化产品的策略逻辑

数据驱动产品优化

• 用户分群：采用按用户基础维度和用户行为维度进行分群
  

• 功能分群：目的是提高功能的渗透率和留存率，来提高app的留存率
  

如果功能留存率高，则提升使用人数
如果功能渗透率高，则提升留存率

优化案例

美颜相机规模化核心用户

场景：抖音app核心数据指标拆解

• 常用数据类
  

• 常用数据指标
  

• 产品理论困境
  

• 增长二大任务
  

• 留存重要指标
  1 完播率
  2 互动指数
  3 吸粉指数

• 商业化目的：买量能回本
  
  ROI：投资回报率
  LTV：用户生命周期价值
  CAC：获取1个用户所需的成本