数据分析方法论摘要
- 数据分析的思路
- 基于用户路径
- 基于产品结点
- 数据分析步骤
- 收集
- 问卷调查
- 客户端数据
- 服务端数据及历史日志
- 业务数据库
- 分析
- AHP层次分析法
- 杜邦分析法
- 漏斗分析法
- 改进与跟踪
- 参考资料
数据分析的思路
基于用户路径
该思路是分析用户的操作行为，主要根据每位用户在app或网站中的点击作为日志，分析用户在网站中的流转规律与特点，挖掘潜在的内部信息。另外，对于用户路径分析是一个定义用户画像标签化的较好方法。
基于产品结点
该思路是通过某一个关键节点的转化率或数据占比的分析，比如一个电商app，加入到购物车到下单成功的数据转化率分析，优惠券的使用率分析等。
数据分析步骤
在做数据分析之前，我们首先必须明确的是，此次数据分析针对的问题是什么，根据针对的问题，再对数据指标进行确定以及拆分。数据指标的分析都是为了让产品或业务更好的发展服务的，所以，所有的操作都必须围绕着一个中心，就是我们做此次数据分析的目的。
收集
问卷调查
一般用于前期的用户调研或用户使用情况的主观感受的获取，但精度差，样本少。
客户端数据
一般用于对用户浏览路径的记录，可分析页面停留时长，页面到达率等指标。
服务端数据及历史日志
对于一些精确度要求较高的数据，建议使用服务端日志作为原始数据。
业务数据库
主要用户业务数据的统计。
不要忘记，对所收集到的数据进行数据预处理才能进一步进行建模和挖掘使用。
分析
AHP层次分析法
层次分析法，简称AHP，是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。
以用户忠诚度的分析为例，忠诚度是一个偏定性的指标，我们需要用定量的数值进行衡量，所以选用AHP，选取“用户使用频率”，“最近使用时间”，“平均使用时长”及“平均使用页面数”四个可以量化的量进行衡量。
但是，AHP会受到人的主观判断影响，存在一定的不客观性。
杜邦分析法
杜邦分析法的核心思路是把问题一层层分解，直到反映出最根本的问题为止。
以电商行业为例，GMV（网站成交金额）是考核业绩最直观的指标，当GMV同比或环比出现下滑时候，需要找到影响GMV的因素并逐一拆解。GMV下降如果是因下单用户减少所造成的，那么是访客数（流量）减少了，还是转化率下降了呢？如果是访客数减少了，那是因为自然流量减少了，还是因为营销流量不足？
用杜邦分析法会使我们清晰的找到影响结果的原因，特别对一些多个因素都会影响到的数据，是非常有效的分析方法。
漏斗分析法
漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型现所有互联网产品、数据分析都离不开漏斗，无论是注册转化漏斗，还是电商下单的漏斗，需要关注的有两点。第一是关注哪一步流失最多，第二是关注流失的人都有哪些行为。
改进与跟踪
基于数据找到问题，并找到最优的解决方案，是数据分析的目的；再通过后期的效果跟进及前后数据对比，验证方案的效果。
