
你是这样获得数据的吗?
所有人都在说,用数据说话。运营有运营数据,营销有营销数据,产品肯定也有产品数据,各自的出发点不同,关注的数据和指标还是有些不同的,你关注的又是哪些数据?你的数据又是从何而来的?
说到数据就想到统计了,数据的统计一般分为自建统计平台和第三方统计平台。从性价比的角度来说,还是使用第三方统计平台,嵌入一个SDK,添加上统计代码即可。第三方统计平台也是非常多的,比如:友盟、talkingdata、腾讯云分析等等,孰优孰劣,各有分说。下面以友盟平台的定义来作说明。
产品经理比较关心的数据有以下这些:
其实远不够,还要进行数据的分析和解读。字段之间的串联和解读,才能真正了解产品、了解用户。
其中,了解用户在应用中的使用情况及使用路径,我觉得是至关重要的,也是我倒腾比较多的东西。获得此信息的途径有三个:应用商店评价、应用反馈、页面访问路径。应用商店评价和应用反馈,是用户的主动行为,主动主观不全面;页面访问路径是被动收集的,被动客观相对全面。
用户的页面访问,其实是有路径可循的。比如:注册流程、购买流程等等。以我们可以感知得到的流程,把相关的页面串联起来看,用户会遵循设定好的流程浏览,哪一环出了问题,一目了然。友盟也提供了类似页面沙漏的功能,查看用户浏览过程。
并不是所有东西有路径可循的。比如用户浏览路径,这个应该就是无章可循了。此时只能针对重点页面和表现比较差的页面进行逐一分析了。对于什么是重点页面,这个不言而喻,就是核心业务所在的页面。表现比较差的页面,就是平均访问时长比较短和跳出率比较高的页面,加入页面特性和访问次数来进行权重考量,会更客观一些。
顺便说一下,在做页面分析前,要先了解友盟中提供的页面是不是和应用中的页面一一对应,这是最基础的。还会有一种情况就是程序共用了一个页面,此页面在应用中多处使用,要做好区分和标记,这样才能区别出相同页面的不同数据的情况。
还是不够的。首先用户行为,只是针对页面来说的,一个页面的用户点击行为又是如何?问题页面的情况也是一样,用户为什么会在这个页面离开?用户在这个页面做了什么?这个问题其实友盟有给出解决方案,就是使用自定义事件。
定义好页面,定义好对应页面的行为,配置好友盟事件管理,程序进行埋点,这样就等着接收数据吧。注意,前后台命名统一才会接收到数据哦。没有数据,去创建数据;有了数据,去分析数据。现在有了页面的访问量,用户在页面中的行为数据,对于分析页面的问题,就跟进了一步。
这两个功能是什么呢?一个是漏斗管理,另一个是用户群。这两个功能是要建立在已经设置了自定义事件的基础上才能用,也算是友盟的新功能吧,这两个功能让我联想到了Google Analytics的目标设置和群体细分,有点类似吧。
首先说一下漏斗管理,可以这样理解,把我们想要追踪的用户行为,以事件的形式进行串联查看。比如:注册流程、产品引导流程等等。这个功能比页面访问路径更进一步,两个功能辅助地看,能更清晰地知道用户的浏览路径的情况。
再说用户群,友盟给的用户群的细分纬度只有两个:一个是活跃用户,另一个是事件触发情况。能够倒腾的,就是这个事件触发情况了。基于产品的用户模型,通过事件触发把我们的用户细分出来,数据细分后就更精确了,数据的雾霾就是在你面前消散。顺便说一下,Google Analytics群体细分是我最经常使用的,Google提供的分析纬度之多,让人惊叹。
没有数据,去创建数据;利用好平台的功能,结合自身需要,去创造更多的数据和细分数据;有了数据,就去分析数据吧。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15