如何更有價值採集資料高效分析資料

上回說到，使用者行為資料的意義和價值《為什麼要做使用者行為分析?》，以及網際網路產品使用者模型的構建，這其中就包含了對資料的採集和分析兩大塊兒，本文將從資料採集的三大要點、如何讓分析更有價值更高效、以及資料分析思維三部分展開聊。

一、資料採集的三大要點

1、全面性

資料量足夠具有分析價值、資料面足夠支撐分析需求。

比如對於「檢視商品詳情」這一行為，需要採集使用者觸發時的環境資訊、會話、以及背後的使用者id，最後需要統計這一行為在某一時段觸發的人數、次數、人均次數、活躍比等。

2、多維性

資料更重要的是能滿足分析需求。靈活、快速自定義資料的多種屬性和不同型別，從而滿足不同的分析目標。

比如「檢視商品詳情」這一行為，通過埋點，我們才能知道使用者檢視的商品是什麼、**、型別、商品id等多個屬性。從而知道使用者看過哪些商品、什麼型別的商品被檢視的多、某乙個商品被檢視了多少次。而不僅僅是知道使用者進入了商品詳情頁。

3、高效性

高效性包含技術執行的高效性、團隊內部成員協同的高效性以及資料分析需求和目標實現的高效性。

基於以上三點，我們看如何讓資料採集更準確、分析更有用以及團隊內部更高效。

二、資料分析價值性和高效性

step1：明確資料驅動目標

資料採集切忌大而全，資料分析需求也是隨著產品不斷迭代的，明確長遠和當前階段的分析需求，讓分析更有目的性，技術執行更高效。

場景舉例：

小葛是公司的產品經理，小諸是技術，最近兩人都認識到了資料在產品運營和決策中的重要性，經過幾個資料平台的調研，最後，選擇了諸葛io，並且已經明確了當前階段的資料需求…

小葛：「小諸忙嗎，文件中那個，登入流程、註冊轉化、購買轉化、分享轉化等是長遠需要關注的資料指標，務必埋上哦;對於發現功能呢，兩個禮拜後我們會提交乙個新版本，先不埋了啦，辛苦啦。」

小諸：「小葛，你真棒，一會兒我就給你埋好了呢!」

小葛：「哦，還有，註冊那個頁面我們有個推薦人選項，需要使用者輸入推薦人賬號，採集的時候別採賬號啊，我只想看註冊使用者是否有推薦人的分布，把那個屬性處理成判斷哦」

小諸：「這簡單。那今晚…」

看著小葛轉身要離開了，小諸欲言又止，默默地繼續敲**了…

step2：按需採集資料

帶著需求和分析目標去採資料，不僅避免了資料冗餘帶來的無從下手，也避免了全量採集之後卻不知道要分析什麼的尷尬。

圖示為埋點範例：

圖示文件可由資料分析需求人員整理，**梳理讓需求人員和技術人員協同更高效，也大大提公升了後續的分析價值和效率

step3：多維交叉定位問題

對資料的應用可分為一般分析和探索性分析。一般分析包括對日常資料如新增、活躍、留存、核心漏斗的監測分析，也包括對各部門日常業務的資料監測。監測每日增長，分析異常情況，比如對註冊失敗、支付失敗事件的監控和及時優化。

探索性分析是對資料的高階應用。對核心事件的相關性分析、挖掘產品改進關鍵點等，如促進使用者購買的相關性分析、找到促進留存的ahamoment等。

step4：優化產品、優化運營策略

基於資料反映的問題，做到實時監控和及時解決，基於分析得到的增長啟發，去做a/b測試、灰度測試、去mvp實踐。

step5：衡量

衡量是資料分析到實踐的最後一步，當然，也可能是第一步。有時候我們看似找到了增長點，但實驗發現，事實並不如預期，不要灰心，不要喪氣，更不要不吃飯，分析過程中對使用者的理解、對業務的深度挖掘可能會讓下一次優化產生累計價值。

三、資料分析思維

資料採集固然重要，資料分析的方**也很重要，但不要迷信資料，因為更重要的，可能是人的創造力和想象力!資料分析也從來不是一勞永逸的，產品在不斷迭代，業務在不斷更新，從認知到決策，資料更多的是起到了輔助的作用，從梳理需求、到採集、到分析、到實踐、再到衡量，它是始終迴圈在企業增長的整個過程中的。

最後，那些改變世界的程式猿，他們始終希望能用自己的技術創造更多的價值，很多時候，他們要的可能是明確的資料需求、明確的分析目標，以及一套高效協同的方法，畢竟，誰都認為：能準確解決問題、能驅動業務增長，更!重!要!

如何更有價值採集資料 高效分析資料