产品数据分析需要注意哪些问题？ 举报 理由 举报 取消 我们开发了一款居于兴趣社交的产品，目前已经开始有一些用户量了，老板想让我做这个产品数据的分析，我是新来做这块的，求高手指教。 2018年2月20日 2 条回复 1199 次浏览 分析,数据
回复 ( 2 )
每个网站分析的重点都不一样，电商网站偏向流量和成交，资讯网站偏向阅读，工具产品偏向使用频次等，产品的差异性决定了所要分析的数据肯定也是大不同的。但是，运营一个网站总的分析维度有这些：
1、网站流量
主要是指PV/UV等最常见的数据指标，肯定是每个网站都要关注的指标，单单关注这个指标还不够，重要的是要关注访客最终的转化的情况，新访客是否注册了、是否下载了、最终是否购买了；老访客来干嘛了，参加活动了还是购买了……转化率是最重要的标准哦，你们网站定义的转化标准是什么，你就按自己的标准去分析转化率。
2、订单数据
订单肯定都是每个必然、肯定关注的指标，因为订单的多少决定了网站的商务盈利模式，订单总量、优惠券补贴、订单来源、订单全国地域分布等，这些都要了解的，涉及推广、渠道、盈利等重要问题，不过你们刚开始可能还不涉及订单这一块的分析。
3、用户数据
对于网站来说，用户是上帝，用户的一切行为决定了网站的运营情况，用户注册、登录、购买等行为必须要研究分析。
用户模板：
4、推广数据
每个网站渐渐地或多或少都要进行推广，或付费或免费，但是不能白白进行推广工作啊，肯定要统计渠道效果的啊，不然白白投钱啊。
推广模板：
5、APP渠道数据
既然是APP产品，那肯定还要分析APP渠道数据啊。
https://me.bdp.cn/share/index.html?shareId=sdo_58740e7b1b7ffcc193443fe7535200d1
6、营销活动数据
每个网站都要经常做一些活动，慢慢的你们也会做一些活动，so活动分析也很常见咯！
这6个方向是很常见的分析方向，还要很多其他的，比如微信公众号分析、商品数据分析、微博数据分析、营销短信数据分析等等，其他可以按照以上的思路和分析方法去自定义分析！希望能帮到你
谢邀
兄弟真是Tencent的么？据我所知这个公司没有量化交易这个岗位啊！我想，下面这篇文章或许已经完美回答你的问题了。文章转自数据客，公众号ID：dashuju234
分析产品数据需要注意哪些坑？
作者：@凯撒follwer
大家的讨论都很给力，我就说点我对数据分析的整体认识：
其实在之前的“游戏数据分析”的帖子里面我就已经提到了分享会中对于数据分析的误区，错误的将使用AARRR这类‘高逼格’的模型来造成一种为了数据分析而分析的误区。其实在做数据分析之前，要搞清楚两点：WHY和HOW
之前在国外的论坛中有看到关于数据分析的细分，英文单词是Segmentation，Segmentation的原意是分割。怎么理解呢？试想想，当大量的数据摆在面前是无非直接去分析的，能够做的就是细分。明白这一点之后，我们来从Why 和 How 上来简单说说：
Why
无论是谈业务，讲解好的商业模式，还是做产品，会伴随一个简单的问题：这个商业模式、业务的客户群、产品是哪些？（如：远近闻名的Uber的主要用户是哪些？）
好的回答会给你说，我的业务主要是分B2C、C2C；再好一点的答案会给你说：“根据我对市场的研究，我主要做B2C的市场，我的客户主要会集中在群体A以及群体B，我的商业模式会对不同的群体有不同的运作方式”。如：Uber的主要市场是在一线城市，主要细分市场集中在中高端出租车（出行服务），主要客户细分为服务提供方：私家车车主；服务受众：针对需要更便捷的出行服务人群。这些都是数据反映出来的结果，越多的数据，能够得到越多的信息。
从受众的角度来看，把市场一层一层剥开：
市场> 市场细分> 用户细分> 用户
从运营角度来说，在数据分析之前，先要了解市场细分，而做的细致，则是对每一个顾客有定制化营销。而对于任何一家公司来说，如何将这个认知的过程做好，则是这个生意／商业模式的关键。而“细分“（segmentation）很好地从一个相对可控的维度，给予我们决策者／执行者足够的”认知“去进行商业决策。
这里需要强调的是，公司是用“细分”还是客户定制化营销，并不是对立的关系，完全是根据公司发展的进度和客户的需求来的。举个栗子，还是拿我最为熟悉的知乎说事儿，知乎现在从战略上来，用客户细分解决那些“大V”问题，类似这段时间的版权改版 － 针对大V／内容贡献者这个segment的加强；类似知乎日报升级 － 针对普通用户／非用户segment的改进；
How
谈数据分析，必然要从统计学的角度扯扯。
从统计学的角度来说，这是分类问题。而从分析的角度来说，涉及两个方面：
定量分析
定性分析
在迫不及待跳到用什么各类高端模型（比如AARRR模型，我真不是故意的，这个确实是个例子）之前，先来确定我们的数据分析的目标, 其实说白了是对用户做判断：
现有用户 — 现有用户是？喜欢啥？怎样的消费习惯？，所有用户里面，哪些最值钱？etc…
潜在用户– 潜在客户在哪？他们的喜好？我们要通过什么渠道获取？获取成本是多少？etc..
这类问题，嘴上说起来是简单的，但是实际上，建立这样的用户需要很系统的定量分析和定性分析，根据你对用户的了解而提供对应的服务即是一种：产品的思维。这也就是为啥我觉得很多大型公司都会对部门进行细分：数据分析部，产品研发部，市场部，对指定新产品从整个发展线上去定位，然后再去做运营。
对于现有用户和潜在用户的了解，有如下方式：
了解你的商业模式：是零售类的重复性销售还是会员制度，还是其他（类似金融产品的销售云云）。
了解你的商业目的：
当前产品的定位产品
产品这个发展模式的定位
仅仅根据数据（财报）体现出来的通过不同的精准营销手段来提高短期收益
提高用户活跃度
了解你的用户基本行为
关于用户基本行为一点，是现在大数据分析的最为直接的目的。而实现这个这个往往会通过很多小的项目（也就是经常提到的跨部门协作的体现）来不断完善。我了解到的是根据RFM分析（Recency，Frequency，Monetary）来分析，来了解你的用户都是些什么人，有什么消费习惯，他们对营销活动的反应如何，反馈率是多少。根据大量的数据统计的结果，来制定你的商业计划。利用数据模型，比如k-means cluster，等等去分类你的已有客户，看看他们基于某一个指标来分类，因为我的商业目标是为高利润的客户提高更好的服务，降低这个客户群的流失率，增加交叉销售的成功率（cross-sell rate）。
为啥要扯这些呢？因为很多数据分析的坑，都是这些具体的数据细分开始就错了。
比如，从市场这个起点开始就错了，没有搞清楚这个数据是否能够对这个市场能有好的分析性和预测性。这是一个链条，从一开始的错，会一直错到最后。而数据分析的逻辑是很严密的，如果你没有意识到你的起点就是错的，那么错误的分析会让你走入“只求短利益”而忘记产品持续发展的重要性，这也是为什么很多做手游的公司，一再投入分析数据，运营，但是产品的效果总是不好。
再者，用户的流失率表面上可能是运营不到位而在营销手段上输给竞争对手而导致的。如果做一个关于“产品的各个功能满意度的调查”，会发现，大量的用户流失是因为你的产品没有持续发展的产品设计，而不是营销上给用户‘恩惠’少了而流失，虽然营销的失败也能够导致用户的流失，但是不会有大量的流失的现象出现。
我们做数据分析是为了改善产品，从而给用户更好的产品体验，本质是要对用户的进行进行深度分析，然后结合现有产品的特点，去改进，这才是数据能说话的要义。
PS：可能我回复有点歪楼，但是，当问题出现后，能从“数据分析的坑”这个小点，看到这个面的影响，才能更好的解决问题。