数据分析的基本概念

  • ​同比：​和上一时期、上一年度或历史相比的增长（变化幅度）。同比发展速度主要是为了消除季节或者时间周期变动的影响，用以说明本期发展水平与去年同期发展水平对比而达到的相对发展速度。如，本期2月比去年2月。
  • ​环比：​表示连续2个单位周期（比如连续两月）内的量的变化比。环比增长率=（本期数-上期数）/上期数×100%。这个指标反映本期比上期增长了多少；环比发展速度，一般是指当前的数据与前一个时间周期之比，用于分析相邻两个时间周期的数据的变动，表明产品的逐期的发展趋势。
  • ​日活跃用户DAU：​每天打开app/服务的用户数（非严格意义），例如抖音曾公布DAU突破4亿，这是大部分c端app都会看的核心指标，但是受到节假日/运营动作的影响会产生波动。
  • ​月活跃用户MAU：​每个月打开app/服务的用户数（非严格意义），例如微信MAU为12亿，这是大部分c端app最为关注的核心指标，衡量一个产品体量的核心指标。
  • ​次日留存率：​T日新增用户在T+1日仍然打开app的比例。具体公式为：T日新增用户数/T日新增用户中在T+1日仍然打开app的比例。衡量一个产品核心竞争力的指标。此外，还有远期留存（7日留存，15日留存，30日留存）都是反映产品黏性的指标。

此外，对于产品数据分析而言，我们经常谈到三个词：“维度，口径，算法”。具体来说，维度代表了你看问题的角度；口径是指如何去框定业务主要的使用对象（框定范围），算法是用来评估每一个产品策略/运营动作的效果。

​举个例子，如果你是微信看一看的产品经理，你的一个产品任务是在不同的用户群中使用不同的推荐策略，然后分析不同的策略对于产品的影响。 在这个实际产品的数据分析问题中，你首先要选定用户群，这里就是我们数据分析的base，也就是口径。然后我们一般会选择是与前一天同一个时间段来进行对比（不考虑周末这种特殊情况），然后分析不同的推荐策略是否对DAU、停留时长、点击在看的人数有影响。对于不同的目标指标，就是我们看问题的维度，某一个策略会影响DAU，但是不一定会影响停留时长，对于产品经理而言，这里我们就需要分析这个策略为什么只会影响DAU，而不会影响停留时长，用户面对这样的策略时，用户会如何去使用我们的产品，我们的策略是如何改变用户的习惯的，这都是产品需要从数据中洞察出来的问题。最后，围绕数据，我们需要输出策略的效果，这里就需要我们有一个计算效果的算法，选取环比还是同比，选用什么指标，这就是关于“算法”的部分。​