如何获取数据，获取什么样的数据？

随着大数据时代的到来，对产品经理提出了更严格的数据分析要求。了解数据分析的产品经理可以利用数据驱动产品设计优化，有效提升客户体验。那么，产品经理应该关注哪些数据呢？A/B测试如何用于小产品？产品经理如何学习数据分析？本文是根据张西梦在线访谈编辑整理的，希望对产品经理提高数据分析能力有更好的帮助。如何获取数据，获取什么样的数据？Q1：一个电子商务平台应该关注哪些数据，如何设计数据背景？A1：电子商务数据的核心指标一般包括：GMV，Transations(交易数量)，ASP(均价)、购物车大小、用户回购率、购买频率、年度回购率。有很多这样的指标。:我认为有三种指标需要关注，一是交易数据，二是用户行为数据，三是用户来源数据。其中，我认为您可以根据自己的资源状况设置优先级。最直接的是交易数据，最重要的是行为数据，因为所有的电子商务都提供“互联网产品”，而不仅仅是“销售的产品”。三是流量数据的分析，因为它涉及到获取客户的成本。Q2:如何收集你需要的数据，如何分析混乱的数据，如何确保数据的准确性？A1:不同的行业，不同的业务会有相同的宏观指标，也会细化到这个行业，这个业务的指标。需要从宏观到微观的拆解指标。我们如何使用大量的数据？了解产品业务，明确问题的本质，进行大量深入的产品实践。大胆提出假设，然后通过数据理性验证。我们还将有更多的线下和在线活动来帮助您拆解数据分析指标。不同的工具可以验证数据的准确性。例如，同时安装多个数据统计工具。比如比较客户端和服务端的数据统计差异。Q3:做内容网站，如何结合业务判断需要获取哪些与用户相关的数据？A3:最基本的指标是：页面浏览量、访问量、独立访问者数量、跳出率、页面停留时间、网站停留时间、退出率、转换率、页面退出率。内容热：共享次数、推荐次数、拇指次数、评论用户数量：新用户、活跃用户、沉默用户比例变化、增长趋势等Q4:如何定义不强制登录的独立用户？目前，我们正在获取手机信息，但A4并不准确:如果不强制登录，可以在不侵犯用户隐私的情况下计算app和设备的基本信息。这个ID基本上应该能够判断一个稳定的用户。但与手机号码或设备号码没有深度绑定。类似于cookie在网站上的方法。Q5:想了解某个行业，哪些平台可以获得相对可靠的数据进行分析？A5:这部分需要很多工具，看你的业务是App还是Web。基本上要从流量、市场份额、用户互动深度、舆论等角度入手。每个人都有不同的工具可以辅助。比如Alexa，AppAnnie，互联网行业研究报告，Gartner研究报告，IDC，TalkingData的游戏产业研究是一些好的起点。如何推动产品体验优化的数据分析？Q1：基于数据驱动的2B企业应用如何进行产品设计和改进？A1：SaaS企业的数据驱动产品设计非常重要。首先，最基本的开始是ProductusageMetrics。因为SaaS产品必须解决企业应用的场景。该场景在业务中的重现频率决定了SaaS软件的基本交互频率。因此，登录批次，使用深度(事件数／访问)和其他最基本的指标是最广泛的指标。最重要的是产品各功能的用户数量、使用频率、转化漏斗和转化率。请记住，这些分析必须在“用户”级别进行分析，而不是简单的流量级别分析，才能具有未来的核心意义。然后在客户公司级别总结usage，比较公司级别的使用情况，使用深度一般与未来续约支付率呈正相关。还有整个SaaS页面的优化，如注册流、注册转化率、注册用户向深度用户的转化率、向付费用户的转化率等。SaaS的数据分析是一个非常深入的话题，我只是分享一些最基本的指标。Q2：关于留存率，互联网金融贷款产品是典型的低频，一个人不能经常借钱或借钱，看看留存率是否有意义？A2：保留率是有意义的，因为保留率是一个普遍的概念。唯一的一点是你专注于“频率”的差异。比如买车，美国的整个买车行为不能用天来衡量，要用年。因此，美国汽车制造商继续根据“月”向每个不同的区别发送不同的营销计划。互联网金融也有自己的产品生命周期，这就要求你制定营销策略，找到“频率”，开始规划营销产品。Q3：支付转化率相对较低，用户行为从什么角度进行分析？A3：首先，我们应该全面找到支付转换的所有关键转换路径，然后查看每个转换路径关键点之间的转换率。例如，在商品详细信息页面上，您可以从搜索页面、分类页面、频道页面、品牌页面、活动页面、主页、相关销售推荐，甚至直接访问商品详细信息页面。应考虑每个转换路径和转换量的比例。然后找出量大、转化率低的路径进行优化，量小、转化率高的路径可以加强和scale。Q4：工具app有什么好的数据分析方法吗？需要注意哪些问题？我认为这取决于你的应用程序在产品开发中的哪个周期？我个人认为工具APP的核心，尤其是早期，应该关注“usage"，用户的使用程度和深度／粘度，即保留。然后我们应该关注增长，其次，我们应该关注未来的实现。用增长黑客的“海盗法则”来说，就是“AARRR“在逻辑上，首先要注意保留（Retention）。如何学习产品经理的数据分析？Q1：阅读了很多关于统计、分析和挖掘的书籍，如何系统地学习数据分析和挖掘，希望能得到指导！A1：首先，如果你有时间，看看精益分析《leananalytics》，这本书是我在美国的好朋友写的。另一本书，“buildmeasure，learn也是我在Linkedin的团队成员写的书。都是很好的入门教材。第三，我认为我们可以阅读基本的统计书籍，因为数据分析的核心应该有基本的统计知识。UsingR系列是一个很好的起点。Q2：在数据方面，新手用户有哪些值得推荐的数据可视化工具？A2：tableau是数据可视化的好工具。自己开发可以试试highchart和D3document。Q3：你能推荐几本关于数据的书吗？LeanAnalytics,增长黑客的范冰，LeanStartup，深入简单的中文数据分析，很多Tableau爱好者推崇的人数据分析师等等。然而，我认为一本好的数据分析书不如一本好的数据分析实际操作和分享你能学到的更多。主要是对概念的基本掌握，然后快速实践，复制分析结果，然后继续迭代。特别是产品分析，最重要的是考虑数据分析、用户行为和产品设计，然后分解成三个部分进行验证。会有闭环。数据分析工具“无埋点”的原理与应用？Q1：过去，当我们做数据统计和数据分析时，我们必须攻城狮埋在相关行为中；GrowingIO无埋点统计分析的原理是什么？A:GrowingIO希望直接从业务人员的角度出发，让业务人员尽快获得想要分析的数据，减轻工程人员埋葬的痛苦。GrowingIO的无埋点技术支持多个平台，iOS,Android，Web和HTML5。主要原理是在网页和HTML5中添加SDK代码，在IOS和Android中添加SDK代码，然后无需添加SDK代码。用户在使用网页和APP客户端时，尽可能收集用户的行为数据，并通过异步和加密传输数据。Q2：GrowingIO能帮助优化产品设计和用户体验吗？A:GrowingIO是基于用户行为的新一代数据分析产品。目前，用户转换、保留、仔细检查和分组功能可以帮助产品经理优化产品设计，提高用户体验。以在线购物中心页面设计为例，用户浏览商品，提交订单，点击支付，完成购买，形成客户的核心路径，但客户转化率在日常业务中往往过低。GrowingIO的用户转换漏斗可以帮助产品经理分析客户在哪一步损失更高，然后使用用户检查功能来验证之前的假设猜测。从而帮助产品经理找出产品设计的缺陷，并在后期尽快优化。小产品适合A/B测试吗？Q:“小产品是否适合使用”A/Btest“测试优化产品，前期技术准备麻烦吗？A:产品非常早期，我个人不建议使用A/B测试，因为主要问题是我们没有太多的资源来开发两套或更多的产品解决方案。而且早期数据量小，可能没有“统计意义”，测试者往往需要分解流量，所以需要等待结果。对于低流量的app／网站，没有足够的资源等待。这个项目也有一些挑战。因此，我建议早期产品注意核心指标，将核心指标分解为“可执行指标”比A/B测试更重要。同时，快速迭代。A/B测试在产品线丰富的业务中仍有许多作用。看看你的资源配置。