APP開發(fā)咨詢熱線：
人
已閱讀
已閱讀
論數(shù)據(jù)分析在APP開發(fā)中的重要性
來源：lexintech.com ?? ?? 發(fā)布時間：2017-09-19
所有好的APP開發(fā)案例，除了外觀設(shè)計(jì)精美，功能解決了人們的需求，但溯其根源，都是脫離不了底層的數(shù)據(jù)支撐的。所以，在APP開發(fā)中，懂點(diǎn)數(shù)據(jù)分析很有必要。下面樂信科技就跟大家分享一下如何做數(shù)據(jù)分析。
我們在做數(shù)據(jù)分析時，會把數(shù)據(jù)分析拆分為5個步驟來進(jìn)行（收集、清洗、對比、細(xì)分、溯源）。下面一一展開來講。
一、數(shù)據(jù)收集
當(dāng)我們在做數(shù)據(jù)分析時，第一步要解決的問題肯定就是數(shù)據(jù)源的問題。我們把數(shù)據(jù)分為二大類：
直接能獲取的數(shù)據(jù)，通常都是內(nèi)部數(shù)據(jù)。無非就是從網(wǎng)站后臺或者是自己家的數(shù)據(jù)庫里面導(dǎo)。
外部數(shù)據(jù)，需要經(jīng)過加工整理后得到的數(shù)據(jù)。
典型的數(shù)據(jù)來源有：
百度指數(shù)：http://index.baidu.com/ （分析市場容量）
阿里指數(shù)：https://alizs.taobao.com/（分析銷量、份額）
梅花網(wǎng)：http://adm.meihua.info/ （分析廣告投放）
CNZZ、微博指數(shù)等等……
當(dāng)然還有很多很多有價(jià)值的數(shù)據(jù)源（根據(jù)行業(yè)、需要找到最合適自己的數(shù)據(jù)源），上面列舉的三個典型的數(shù)據(jù)源只為舉例子之用。
在這里要著重提一點(diǎn)：第三方數(shù)據(jù)來源往往需要考慮數(shù)據(jù)源真實(shí)度。
二、數(shù)據(jù)清洗
清洗數(shù)據(jù)（篩選、清除、補(bǔ)充、糾正）的目的無非是從大量的、雜亂無章、難以理解的數(shù)據(jù)中抽取并推導(dǎo)出對解決問題有價(jià)值、有意義的數(shù)據(jù)。
清洗后、保存下來真正有價(jià)值、有條理的數(shù)據(jù)，為后面做數(shù)據(jù)分析減少分析障礙。
這里不詳述。
三、數(shù)據(jù)對比
對比，是數(shù)據(jù)分析的切入點(diǎn)。因?yàn)槿绻麤]參照物，數(shù)據(jù)就沒有一個定量的評估標(biāo)準(zhǔn)。
通常情況下我們從二個點(diǎn)去切入進(jìn)行數(shù)據(jù)對比分析：1.橫向?qū)Ρ?2.縱向?qū)Ρ?/div>
橫向?qū)Ρ龋c行業(yè)平均數(shù)據(jù)，與競爭對手的數(shù)據(jù)進(jìn)行比對。舉個粟子，比如你家的APP用戶留存率是60%，而行業(yè)平均留存是70%或競爭對手的用戶留存率是70%，那就說明你家的產(chǎn)品在留存率方面有待加強(qiáng)！
縱向?qū)Ρ?，與自家產(chǎn)品的歷史數(shù)據(jù)進(jìn)行對比，圍繞著時間軸來對比。
還是用用戶留存率來進(jìn)行舉例子吧：
比如，APP改版前30天，新用戶留存率是70%的，而新版APP發(fā)布后，新用戶留存率降了10%或者升了5%，這就產(chǎn)生了問題，到底是那些因素導(dǎo)致數(shù)據(jù)產(chǎn)生了異常呢？
要知道數(shù)據(jù)比對是發(fā)現(xiàn)問題的第一步，發(fā)現(xiàn)了問題才需要我去找出問題，并解決它。
如果沒有參考的對象，單獨(dú)的數(shù)據(jù)放在那里，是沒意義的。
四、數(shù)據(jù)細(xì)分
數(shù)據(jù)對比發(fā)現(xiàn)了異常，我們當(dāng)然想知道是什么原因?qū)е碌摹?/div>
這里就要用到數(shù)據(jù)細(xì)分了：數(shù)據(jù)細(xì)分通常情況下先分緯度，再分粒度。
何謂為緯度？按時間分類就是時間緯度，按地區(qū)分類就是地域緯度，按來路分類就是來源緯度，按受訪頁面分類就是受訪緯度。
今天APP訪問量漲了5%，咋回事不知道，你細(xì)分一看，大部分網(wǎng)頁都沒漲，某個頻道某個活動頁漲了300%，這就清楚了，這就是細(xì)分最簡單的范例，其實(shí)很多領(lǐng)域都通用。
粒度是什么？你時間緯度，是按照天，還是按照小時？這就是粒度差異；
你來路緯度，是來路的網(wǎng)站，還是來路的url？這就是粒度的差異；
緯度結(jié)合粒度進(jìn)行細(xì)分，就可以將對比的差異值逐級鎖定問題區(qū)域，就可以更容易地尋找出發(fā)生問題的原因了。
五、數(shù)據(jù)溯源
通常情況下，通過數(shù)據(jù)細(xì)分就能分析出大多數(shù)問題的原因并推導(dǎo)出結(jié)論了。
但也有特殊的情況，即使具體到粒度了也得不出有說服力的結(jié)論。
這時候我們再進(jìn)一步，通過數(shù)據(jù)溯源就能找出問題的原因。依據(jù)鎖定的這個緯度和粒度作為搜索條件，查詢所涉及的源日志，源記錄，然后基于此分析和反思用戶的行為，往往會有驚人的發(fā)現(xiàn)。
又或者結(jié)合用戶使用場景去思考。
比如：國內(nèi)的社交產(chǎn)品，在上下班的時間段會特別活躍，而該產(chǎn)品經(jīng)理對比美國地區(qū)卻發(fā)現(xiàn)在美國地區(qū)用戶的上班活躍數(shù)據(jù)恰恰相反，特別低，到底是什么原因呢？
看數(shù)據(jù)怎么也看不出來，怎么辦呢？
若果該產(chǎn)品經(jīng)理結(jié)合用戶上班時的使用場景去思考就能一眼看出問題——因?yàn)閲鴥?nèi)的上班一族通常上是通過公交、地鐵等公共交通工具去上班的，所以他們有大把的時間在玩社交，刷朋友圈。
而美國地區(qū)的上班一族，大多數(shù)都是自駕車去上班（車輪上的國家），他們上班時間都在專心地開車，根本沒有時間去玩手機(jī)，玩社交產(chǎn)品。
最后，作個簡單的總結(jié)：
馬云粑粑說阿里管理有三板斧：揪頭發(fā)、照鏡子、聞味道。
而同樣，在數(shù)據(jù)分析這里，則是五板斧：收集、清洗、對比、細(xì)分、溯源。
電話：
郵箱：
地址：
掃碼加客服微信
關(guān)注微信公眾號