产品的数据统计分析及精细化运营

史蒂芬说：在对产品的数据分析中，需要对统计分析哪些数据？使用什么工具？以及如何通过应用统计进行分析，从而做到精细化运营？

以下是总结自知乎的高投票率回答 一、  需要统计分析哪些数据？ 1、不同的网站因为商业目的不同，KPI会有所侧重 如果你是内容型网站，跳出率肯定是不错的KPI；如果是视频网站，在线时长肯定是更好的KPI；如果是购物网站，电商的转化率会是更好的KPI； 同时，新客户和老客户的比例变化也是个不错的KPI，体现你网站客户的忠诚度或是获取新用户的能力。 2、最终体现你价值的，还需要定制化KPI 但是如果你是个社交网站，什么样的指标合适，如果你是个拍卖网站，什么样的指标合适？这就涉及到一些定制的转化率指标。 顺便提及：网站中的每个行为最好都埋点，以便分析 3、在不同的阶段，指标都不一样 网站刚上线，肯定是流量，PV，跳出率;网站运营中期，肯定是新注册，转化率，跳出率，电商网站还会考虑客单价，重复购买率;网站某次市场活动，肯定是新访客比例，跳出率，新访客的注册转化率，目标达到率等。 二、使用什么统计分析工具？ 选用哪个工具与公司现状和公司需求有很大关系。首先，确定在网站数据分析这里公司技术实力如何，部署与收集分析数据能力怎样；其次，明确公司想要获得的是纯粹报告还是需要分析；最后，是否只需要了解点击相关数据即可。 不同的实现目标，解决方案的层次会有所不同。显然简单的日志分析器是解决不了问题的，建议采用木桶原则划分工具选择（以下为书摘）： 木桶1 ：Omniture, Webtrends 木桶2 ：ClickTracks,Unica,XiTi,Nedstat 木桶3 ：Google Analytics,百度统计 木桶1特点-大而全，部署和使用有一定难度； 木桶2特点-后验分析的佼佼者，管理离线营销和跨渠道营销效果好； 木桶3特点-自带分析功能，可自定义报表，并能与搜索营销结合。 从每个木桶中至少选择1款工具做网站分析，试运行1-2个月进行阶段性评估，可以从这几个角度尝试评估：易用性，功能性，技术，响应，【成本】，了解抽样算法，搜索分析，小白上手难度（这影响到该系统在公司内普及的程度），校验数据（数据质量肯定不完美，但可用。看偏离多少，相关人员如何解答这些差异），测试反馈和服务支持，计算总成本。 国外：1、GA ; 2、Clicky; 3、W3Counter; 4、Woopra; 5、W3Perl ； 6、Piwik； 7、TraceWatch; 8、Snoop；9、goingup； 10、JAWStats；11、Crazyegg； 国内： 1、百度统计；2、CNZZ；3、国双统计; 4、51la；5、量子统计； 6、小艾统计；7、科捷统计；8、好耶iDigger 9、gostats。 外部分析工具：1、Alexa ； 2、IUT； 3、adplanner； 4、quantcast；

（小编注：适用于App）

国内：友盟,机锋统计,TalkingData,百度移动统计,CNZZ移动数据平台，imofan 国外：Flurry,google analytics mobile，Mixpanel 开源：cobub 三、如何通过统计结果做到精细化运营？ 1、精细化运营的目标 1）产品是什么类型的APP？是否需要过多的运营？ 比如说你的产品只是个工具，那恐怕谈不上过多的精细化运营，一般做好常规的用户行为分析、再配合用户定性研究，用于指导产品的设计即可；如果是内容型产品，或者功能和内容兼具的产品，那确实需要考虑。 2）设计统计框架 统计的目标要弄清楚，拿到数据之后用来做什么？指导功能改进，还是版面调整？再或者是作为用户对内容质量评判的指标？ 假设用户在你的app上会频繁进行交互和使用功能，同时还会浏览或者产生内容，那么需要在产品设计的同时，把你的统计框架设计好。 2、简要的操作流程 1）数据采集 首先列出你需要的数据项，接着评估哪部分是需要APP上报的，哪部分是后台可以统计的，然后分别在前后台加上。一般来讲，APP上报采集的数据，在发布前一定要经过谨慎的校验和测试，因为一旦版本发布出去而数据采集出了问题，不仅之前的功夫都白做了，还会带来一大堆脏数据，同时还有可能降低客户端的运行效率，得不偿失。 2）数据整理 数据采集完之后，需要将各种原始数据加工成为产品经理需要的直观的可看数据，这里需要做一些基本的数据逻辑关联和展示，就不赘述了。 3）数据分析 按照一开始设计的统计框架，你可以很清楚的看到自己需要的数据了。比如用户行为：哪些功能使用得被人均使用得最多，哪些按钮被频繁点击，哪些在显著位置却未达到预期使用效果的功能，等等;比如内容分析：哪篇文章被查阅最多，哪些内容被评论或者赞得最多，等等。 当然以上只是基础得不能再基础的分析，再深入一点的，例如你拿到这些数据，可以分析使用A功能的用户同时还喜欢B功能，二者关联性较强，是否可以在前端设计时更多的考虑整合，或者界面上的调整；比如分析点击流，大部分用户访问或使用APP的路径是怎么样的，是不是把核心功能藏得太深了？再比如可以分析不同用户属性，比如男性用户和女性用户，他们在用户行为上是否有明显差异？等等。 不同产品的数据分析方式和模型差距非常大，没法一下子就说清楚。所以以上更多的是举例。 3、一些需要注意的原则 1）数据本身是客观的，但被解读出来的数据一定是主观的，同样的数据由不同的人分析很可能得出完全相反的结论，所以一定不能提前带着观点去分析（比如已经有了假设，再用数据去论证）； 2）APP采集数据，一定是优先级比较低的事情，不能因为数据的采集而影响产品的性能和用户体验，更不能采集用户的隐私数据（虽然国内很多APP并没有这么做）； 3）数据不是万能的，还是要相信自己的判断。