分析数据的4大流程如何分析数据？( 二 ) _如何分析数据

月期望增加=上月月活*（1+增长率）

回流率=回流的流失用户/日活用户

月平均上线率=（上线1天的人数*1+上线2天的人数*2+…上线30天的人数*30）/（30日独立用户*30）

其他

微观指标：
二、数据分析基于了解了以上指标体系，怎么做数据分析？

了解现状
关注趋势
目标驱动

数据分析大致分为两类。一种是后验分析：无非是某个指标涨了/跌了， “某个指标”可以代入日活、留存率、流失率等。
原因分析两条路走：内部因素和外部因素，内部因素可能是版本迭代导致的功能缺失不可用、体验变差、统计错误或者推荐策略修改等等；
外部因素区分突发短暂的因素和长期潜移默化的因素，前者如突发新闻、节假日、发行改变、特别习俗等，后者可能是设备、网络、国家政策、头部网站的变化等等。
关注关键时间点，用排除法从广到窄层层收网找出差异点，提出大概率事件的假设。
另一种是先验分析，如拟降低无点击用户占比，分析无点击用户的行为特征和兴趣标签，这类分析根据不同业务有不同的侧重点。
数据分析过程强调1个思维2个指标（敲黑板，划重点了）。
1. 漏斗分析思维漏斗思维在日常工作中很常见，运用漏斗分析的思维，便于环环监控，查漏补缺，对症下药。日常流量漏斗应用广：
推荐召回排序漏斗：
（以上数据仅做模型示意，不做实际参考）
打车软件漏斗模型：

文章插图
移动页面营销流量漏斗：

文章插图
（以上数据仅做模型示意，不做实际参考）
以H5营销活动为例，以下是漏斗中各环节指标，逐级递减。

曝光：评估触达多少用户；
曝光点击率：评估物料优质程度；
成功加载率：loading环节会损失多少用户，判断是否存在性能问题；
各页面/按钮参与率：评估各互动环节设计是否合理， UI是否清晰明了等；
病毒传播系数：自传播的可能性，综合评估获客成本。

根据不同业务需求，以上指标还能细拆，如总访问中关注不同渠道的流量，如区分微信、微博、端内流量，方便评估渠道质量，按需投放。
2. 北斗星指标即“在任何时候抬起头看，他都在你前进的道路上” 。北斗星指标是让团队聚力，少走弯路的一个指导性指标（也是KPI完成度的依据），正因如此，制定一个正确的北斗星指标非常关键，因为他回答了现阶段最重要的问题。
如某服务供应商，有一个指标高于其他指标：净增加，这个指标有助于快速发现退订量高的日子并寻找问题；餐饮业关注前一天人工成本占毛收入的比例，为了得要一个优秀的数值，你不得不推进人均消费和人力成本。
产品发展的不同阶段会有不同北斗指标，但每个阶段关注一个北斗指标即可，不贪多。
3. 虚拟指标虚拟1：注重PV、UV等“量级”类的指标，忽略转化率。
某图片网站的日均访问人数访问次数过百万，但同时跳出率也高达75% ，实际留下消费的用户寥寥无几。
某新闻app某频道日均访问十几万，无刷新无点击用户占比85% ，实际有消费的用户仅有几万。
这种注意力转移时常会变成写汇报的“故意”技巧， “转化不好量级来凑” 。制定正确的数据指标，避开虚荣指标，数据指标之间的耦合现象也值得注意，例如转化率和购买所需时间，病毒传播系数和病毒传播周期。
虚拟2：相对值和绝对值，只选其一。
新上架的某工具类app ， DAU增长500% ，实质原始基数只有20人，增长500%即增长至120人
相对值和绝对值，避重就轻就是耍流氓。
虚拟3：关注某指标下的全量用户，忽略真实有意义的用户行为。