大数据应用与研究过程中应关注的问题

随着大数据在社会越来越普及，对其研究也越来越深入，大数据已经不再是一个时尚的名词，而是一项实实在在的技术。中培教育《大数据分析及可视化技术应用实战》培训专家谢老师指出，目前很多人在研究大数据应用方面还存在很多盲区和误区，这也会对大数据的认识与应用带来阻碍。谢老师作为该领域的权威专家，在这里就大数据应用与研究过程中应该注意的问题进行了详细介绍。

　　1. 明确数据分析的目的

做数据分析，必须要有一个明确的目的，知道自己为什么要做数据分析，想要达到什么效果。比如：为了评估产品改版后的效果比之前有所提升或通过数据分析，找到产品迭代的方向等。

明确了数据分析的目的，接下来需要确定应该收集的数据都有哪些。

　　2. 收集数据的方法

说到收集数据，首先要做好数据埋点。

所谓埋点，个人理解就是在正常的功能逻辑中添加统计代码，将自己需要的数据统计出来。

　　目前主流的数据埋点方式有两种：

第一种：自己研发。开发时加入统计代码，并搭建自己的数据查询系统。

第二种：利用第三方统计工具。

　　常见的第三方统计工具有：

　　网站分析工具

Alexa、中国网站排名、网络媒体排名(iwebchoice)Google Analytics、百度统计

　　移动应用分析工具

FlurryGoogle Analytics、友盟、TalkingDataCrashlytics

不同产品，不同目的，需要的支持数据不同，确定好数据指标后，选择适合自己公司的方式来收集相应数据。

　　3. 产品的基本数据指标

新增：新用户增加的数量和速度。如：日新增、月新增等。

活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多，越有可能为产品带来价值。

留存率：用户会在多长时间内使用产品。如：次日留存率、周留存率等。

传播：平均每位老用户会带来几位新用户。

流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。

　　4. 常见的数据分析法和模型

这里主要科普下漏斗分析法和AARRR分析模型。

漏斗分析法

用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势，从而寻找到最佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。

AARRR模型

这个是所有的产品经理都必须要掌握的一个数据分析模型。

　　5. 常见的数据分析法和模型

在上篇提到的漏斗分析法和AARRR模型外，这里再补充一个：交叉分析法。

交叉分析法：通常是把纵向对比和横向对比综合起来，对数据进行多角度的结合分析。

举个例子：

a. 交叉分析角度：客户端时间

从这个数据中，可以看出iOS端每个月的用户数在增加，而Android端在降低，总体数据没有增长的主要原因在于Android端数据下降所导致的。

那接下来要分析下为什么Android端二季度新增用户数据在下降呢一般这个时候，会加入渠道维度。

b. 交叉分析角度：客户端时间渠道

从这个数据中可以看出，Android预装渠道占比比较高，而且呈现下降趋势，其他渠道的变化并不明显。

因此可以得出结论：Android端在二季度新增用户降低主要是由于预装渠道降低所导致的。

所以说，交叉分析的主要作用，是从多个角度细分数据，从中发现数据变化的具体原因。

6. 如何验证产品新功能的效果

验证产品新功能的效果需要同时从这几方面入手：

a. 新功能是否受欢迎

衡量指标：活跃比例。即：使用新功能的活跃用户数同期活跃用户数。

使用人数的多少还会受该功能外的很多因素影响，千万不可只凭这一指标判断功能好坏，一定要结合下面的其他方面综合评估。

b. 用户是否会重复使用

衡量指标：重复使用比例。即：第天回访的继续使用新功能的用户数第一天使用新功能的用户数。

c. 对流程转化率的优化效果如何

衡量指标：转化率和完成率。转化率即：走到下一步的用户数上一步的用户数。完成率即：完成该功能的用户数走第一步的用户数。

这个过程中，转化率和完成率可以使用篇中提到的漏斗分析法进行分析。

d. 对留存的影响

衡量指标：留存率。用户在初始时间后第天的回访比例，即：日留存率。常用指标有：次日留存率、日留存率、21日留存率、30日留存率等。

e. 用户怎样使用新功能

真实用户行为轨迹往往比我们设想的使用路径要复杂的多，如果使用的数据监测平台可以看到相关数据，能引起我们的反思，为什么他们会这么走，有没有更简便的流程，以帮助我们作出优化决策。

　7. 如何发现产品改进的关键点

产品改进的关键点，是藏在用户的行为中。想要找到这些关键点，除了通过用户调研、访谈等切实的洞察用户外，在产品中设置相关数据埋点记录用户的行为，观察其行为轨迹，不能完全替代洞察用户的行为，不过也可以有助于决策产品改进点。