京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14