一、为什么要做数据分析
在企业竞争越来越激烈,获客成本越来越高的背景下,如何高效地优化产品和精细化投放运营是当前企业竞争的关键,而用户数据分析正是我们保持此竞争力的重要手段(难道还有别的手段?有,靠抄袭,靠砸钱),我们通过数据来驱动用户增长、降低成本和提高收益。
当下互联网的行情不太好,大家也知道,企业们也在“勒紧裤腰带过日子“,盲目扩张、砸钱抢市场的情况在当下会收敛很多。
二、数据分析的各个环节
2.1 概览
首先我们先看一下数据源,没有数据,我们的数据分析就无从谈起。数据源包括很多种,我们最常见的是埋点和业务DB中的数据以及二次加工的如统计和挖掘出的数据。
有了数据源,我们也不要着急马上去写sql查数,我们看一下有哪些工具来支持我们去做数据分析。企业提供了除了非常基础的sql(也算是一种编程)和代码编程外,还有很多好用的工具,比如可视化查询、分群圈选和当下热门的行为分析工具。
可视化这一块,其实并不是独立的部分,很多分析工具里集成了可视化的能力,但是为了方便同学们理解,我们单独拎出来这一块来讲解。
而指标体系是我们数据分析的脉络,我们做个各种分析其实都会围绕着指标体系来做。指标体系会在真正开始建设之前就进行规划,并在业务发展过程中不断完善。
2.2 手游业务指标体系示意图
2.3 数据源
业务DB数据大家会比较熟悉,常见的是一些关系型数据,我们不展开讲了。这里我们详细讲一下埋点数据。
埋点数据是什么呢?它是指上报的记录着触发原因和状态信息的日志数据。按照上报方来看,可以划分为“服务端埋点”和“客户端埋点”。按照上报形式,可以划分为“代码埋点”、“可视化全埋点”。企业最常用的是代码埋点。
埋点包含哪些要素呢?who when where how what how_much。举个例子:“张三”于“北京时间2022年1月2号12点整”在“游戏商城”用“xx支付”的形式“充值”了“500元”钻石。那企业中埋点数据上报的格式是什么样呢?我们看下面这个例子:
这里我们可以看到,除了上面那些参数外,还会上报很多其他属性,这些属性是我们极其常用的,所以企业内的sdk默认会采集上报。
了解了埋点的格式之后,那我们需要在什么时候上报呢?这个就跟具体的业务场景有关系了。你要分析什么数据就在对应的时机采集埋点数据。
2.4 分析工具
2.5 数据可视化
三、数据分析的流程和案例
3.1 分析流程
3.2 案例 - Acquisition 获取
广告素材分析如下:
一些概念:
- 激活CPA:平均获取1个新增设备花费的成本
- 新增CPA:平均获取1个新增账号花费的成本
- 次留:当天新增的用户有少比例在次日又活跃了
- 3留:当天新增的用户有少比例在第3日又活跃了
- 2日LTV:平均每个用户前两天带来的收入
- 2日ROI:2日LTV/新增CPA
通过这份数据,大家觉得应该优先加大哪个素材的推广力度呢?
3.3 案例 - Acquisition 激活
新用户激活转化分析数据如下(漏斗图表示每进入一个环节都有部分用户流失):
如果某一步出现很低的转化率,你有什么优化建议吗?
3.4 案例 - Retention 留存
玩法参与率统计如下:
3.5 案例 - Revenue 收入
3.6 数据分析常见问题
- 上游数据质量不高
- 不验证就全量上线
- 优化策略短期有利而长期有损
- 过分挖掘用户信息,不注重用户隐私保护