從公眾平臺分析,淺談怎麼做數據分析

2020-12-15 人人都是產品經理

前言:不知道有多少產品經理的童鞋平常工作會負責數據分析的內容?又有多少負責數據分析內容的童鞋有去了解數據分析?——前者我有;後者,反正我是沒有。

最近由於跟公眾平臺用戶分析內容頻繁的接觸,天天對著數據晃啊晃的,某個瞬間突然想起雖然跟數據打了這麼多年的交道,但自己好像連「數據分析」是什麼也懵懵懂懂,頓時細思恐極,於是萌生了好好總結一下的想法。

數據分析有什麼意義?

簡單說,數據分析是把大量數據按照一定方法進行分析,形成概括總結的過程,以便採取適當行動。

在產品的整個壽命周期,包括從市場調研到售後服務和最終處置的各個過程都需要適當運用數據分析過程,以提升有效性。如一個企業的領導人要通過市場調查,分析所得數據以判定市場動向,從而制定合適的生產及銷售計劃等。

在網際網路營銷方面,主要體現在廣告投放和活動推送。

通常,廣告投放和活動推送前的數據分析可以分為兩步走。第一步:確定目標群體。比如,目標群體是18~25歲,上網購物的年輕女性。第二步:描述此群體的活動軌跡。也就是說,知道目標客戶群做什麼事、在什麼時間地點能夠找到他非常重要。

數據分析怎麼統計?

數據分析裡經常可以看到兩個統計術語:同比和環比。

  • 同比是本期統計數據與歷史同期比較,一般情況下是今年第n月與去年第n月比。例如2014年7月份與2013年7月份相比。
  • 環比是本期統計數據與上期比較,一般情況下是今年第n月與今年第n-1月比。例如2014年7月份與2014年6月份相比較。

同比分析和環比分析都有增長速度和發展速度兩種方法。

  • 環比增長速度反映本期比上期增長了多少,公式:(本期數-上期數)÷|上期數|×100%
  • 環比發展速度是報告期水平與前一期水平之比,反映現象在前後兩期的發展變化情況,公式:本期數÷上期數×100%
  • 同比增長速度一般反映本期比上年同期增長了多少,公式:(本期數-上年同期)÷|上年同期|×100%
  • 同比發展速度主要是為了消除季節變動的影響,用以說明本期發展水平與去年同期發展水平對比而達到的相對發展速度,公式:本期數÷|上期數|×100%

ps:當上期/歷史同期數據為0時,沒有比較意義,不予考慮。

請大家先看兩張圖:

圖1:用戶分析昨日關鍵指標的數據呈現


圖2:「日、周、月」統計方法的說明

由圖2可知,圖一的用戶分析是使用了環比增長速度來表示用戶的「日」變化情況。

這裡有個問題一直困擾著我:用戶分析環比到7天前、30天前的數據是否有必要? 是要對比昨天的天氣、溫度、溼度和7天前、30天前的天氣、溫度、溼度,以便知道7天後、30天後我該穿什麼衣服嗎?

個人感覺這邊可以去掉周、月的無用數據,增加以「周」、「月」為基數的環比數據。

數據分析展示工具——統計圖表

應該會有童鞋常常糾結於如何選擇合適的圖表表達數據訴求,在這裡也簡單介紹幾種常用數據分析統計圖表的特點、使用方法以及注意點。

折線圖

折線圖主要是在按照時間序列分析指標值變化趨勢的情況下使用,是有連續性的。通常情況下X軸設定為時間,Y軸設定為其他指標值。如分析頁面PV,UV,轉化數(率),周期內交易量,用戶增長量等指標整體變化趨勢時多用折線圖。如下圖:

圖3:用戶增長趨勢分析

上圖就是表示用戶每天(還可以是每小時段、周、月或年)的變化趨勢,從圖中可得到 「平時工作日的訪問比較多,周末的訪問比較少」的分析結論。

如果在相同單位下,同時有多個指標,那麼就可以細分折線圖,如把圖3的增長來源組合在一起,可變成下圖:

圖4:增長來源分析

由上圖可得出通過「其他」方式關注公眾號的用戶是最多,也是說用戶比較偏好通過「其他」方式關注公眾號,那麼後面是不是就需要調整策略,比如側重這方面的營銷等等。

折線圖的注意事項

  • 圖表中的Y軸數值代表的指標要明確。
  • 一般情況下,當X軸不足5個項目時建議避免使用折線圖,而使用柱圖。這不僅因為柱圖在項目少的情況下更為直觀,還有一點原因在下文分析。
  • 當折線圖中的折線超過4條,建議拆分成多組折線圖去表現。因為很容易由於折線之間有重複的部分看不清楚(可參照圖4)。這應該也是「增長來源」的幾個指標拆分多組折線圖的原因。

柱形圖

柱形圖用於顯示一段時間內的數據變化或顯示各項之間的比較情況。柱形圖常見的有三種:橫柱形圖,豎柱形圖及堆積柱形圖。

橫柱形圖一般用來表示一類項目的橫向對比,有一個排名的概念。橫柱圖的X軸通常代表確定數值大小的刻度尺。下圖是按省份分布對用戶數量的排名圖:

圖5:用戶屬性-省份分布

豎柱形圖常用來表示時間序列的指標數值變化情況,這個跟折線圖差不多,不同的是豎柱形圖偏向於表現數量,折線圖偏向於表現趨勢。如下圖(因為公眾平臺沒有這塊的內容,隨便百度了一張):

圖6:隨便百度的圖

看到這裡,肯定有童鞋會有「橫、豎柱形圖好像都是好像沒什麼差別」的感覺,那麼他們是否可以互相轉換呢?其實是可以的,但是當X軸的名稱很長的時候,你去看看效果,保證驚呆你。

堆積柱形圖主要顯示單個項目與整體之間的關係,它比較各個類別的每個數值所佔總數值的大小。比如圖3的用戶增長的各個指標佔比總數量的情況,可整理為下圖:

 

圖7:各指標用戶增長情況

由上圖就可看出每個時間段,各指標的用戶增長佔比。

柱圖的注意事項

  • 當X軸類目數量過多時(如兩柱之間幾乎沒有空隙),建議使用折線圖,才能方便閱讀;
  • 當X軸和Y軸的類目數量較多時(如兩柱之間空隙較小),建議把數量和百分比分開作圖,避免數據擠在一起。

餅圖 

餅圖只顯示一個數據系列 (數據系列:簡單說是excel表中的一行或一列的數據)中各項的大小與各項總和的比例。如下圖:

圖8:用戶屬性-top10機型分布

請大家注意 「top10」這個字眼,這是在告訴我們餅圖比較適合類目數量是10個以內(或只區分部分主要類目,其他類目統計在一起)的場合。另外餅圖只表示的比例,要體現對應數量可像上圖在右邊加上數量的描述。

做成餅圖時的注意事項

  • 當餅圖的構成元素有10種以上時,排在後面的數據可統一在一起用「其他」來表示;
  • 餅圖的中構成元素最好能按照百分比降序排列,方便閱讀;
  • 把最重要的內容放在中間或右上角的位置,這個位置比較吸引眼球。

隨意聊聊,謝謝欣賞!

 

本文由 @W_Joker(微信公眾號:cpsyll) 原創投稿,並經人人都是產品經理編輯。未經許可,禁止轉載。

相關焦點

  • 「軍事淺談」百家號軍事領域排行-百家號收益分析如何賺錢?
    備註:本文數據來自站長之家移動傳媒平臺,文章涉及的數據依託平臺大數據計算所得,非百度官方數據,僅供參考。站長之家百家號傳媒平臺對軍事淺談的運營數據估算如下: 預估總閱讀數:3萬-5萬,綜合排名23.2萬 ,軍事分類排名3231
  • 心理學(社會學)數據量化分析平臺指南,數據分析從未如此簡單!
    開門送福:後臺回復關鍵詞 心理學 ,即刻奉上心理學數據量化分析平臺指南詳解及軟體資源~由於插件太優秀,唯恐對其各應用環節產生誤解,就花費三日(學業太忙·_·)備下了這30頁的操作講義,建議各位童鞋先行收藏,以便後期應用時略做參照。
  • 雲計算基因數據分析平臺:seven bridges
    基因數據的分析工具眾多,而將一系列分析工具整合起來,輔以龐大的基因資料庫,形成一個界面友好的基因數據分析與共享的平臺,供研究者,醫院和政府部門使用,屬於極具前瞻性的商業化努力。我們今天要介紹的美國七橋基因公司,就是這方面的先行者。
  • 《分析化學》編輯部開通微信公眾平臺
    微信是當代社會最新的交流平臺,它能夠更多更快地分享信息,用戶可以隨時點評和轉發文章。期刊微站:一個基於微信公眾號展示期刊的自媒體平臺。《分析化學》編輯部藉助其功能優勢,將期刊論文元數據導入微信管理後臺,實現了以下功能:   1.
  • 淺談SEM數據分析的意義、維度和結果!
    「對數據變化敏感,具有一定的數據分析能力「是所有公司都會提到的硬性要求。那麼,SEM的數據分析到底應該怎麼做呢?利用SEM數據分析又能起到怎樣的效果呢?從數據分析的」意義「、」維度「和」結果「這三個方面來考慮,這些問題就不難回答。 首先,我們要明確為什麼要做SEM數據分析。SEM數據分析的最大意義在於總結過去,預判未來,改善投放。
  • 大數據專業到底怎麼樣?淺談大數據專業市場前景分析
    其實大數據專業是我國大學的一個主流專業,報考的人數和報考的熱度都是非常高的,今天就來淺談大數據專業的市場前景。大數據專業的市場前景到底怎麼樣?我們要先來了解一下什麼叫大數據專業。大數據專業有一種說法叫做大數據採集與管理專業,這門專業是從海量的數據當中進行相關的數據管理系統開發、數據分析與挖掘等,能夠幫助企業利用大數據應用等解決各種各樣的問題,幫助企業做出正確的決策,因此這門專業的發展前景是非常好的,我個人也非常看好大數據專業。為什麼稱之為大數據?
  • Instagram數據分析平臺推薦
    Instagram是宣傳業務的重要平臺之一,但很多人開始運營Instagram後,不知道運營是否成功,也不知道該用什麼標準來衡量效果。作為一個成熟的、全球性的社交平臺,市面上有很多提供Instagram數據監控的工具,本篇就介紹七款部分功能免費的工具。
  • 淺談QAR大數據分析與應用
    民航資源網2019年9月16日消息:QAR數據分析指的是用適當的統計分析方法對收集來的QAR數據進行分析,提取有用信息和形成結論而對QAR數據加以詳細研究和概括總結的過程。目前航空公司在QAR數據分析與應用上主要有兩類問題。  一是典型超限事件的數據分析不夠深入。
  • 數據分析(1):對比分析法
    在平時工作中,遇到簡單的業務問題,你可以直接查看數據,驗證並解決掉,但遇到複雜的問題時,你可能都不知道要什麼數據,看到數據都無從下手,拿到數據也看不出什麼問題。本篇文章中,作者介紹了常見又比較通用的幾種數據分析方法,希望這些數據分析方法能夠成為你利用數據和解決業務問題的利器。數據分析有哪些價值呢?
  • 大數據分析平臺的可視化數據探索趨勢
    以「大數據分析」為關鍵詞去進行搜索,你可以在大多數條目中看到「數據分析平臺」和「可視化」的概念。在發展受到局限時,人類喜歡並擅長於去使用工具和製造工具。人類對圖形信息的攝取效率遠大於單純的文字數字。4、 基於搜索的智能探索方式「基於搜索和可視化的數據探索分析功能將作為新型BI和分析平臺的組件融合到下一代的數據分析產品中。」
  • 數據分析淺談 | 基礎篇
    其實不然,舉個慄子,我們常用的 求和or 平均,這就是最基本的數據描述統計方法,該方法是通過匯總多個數據得到一個具體的確定值來表徵數據特點。其目的是為了描述數據特徵,找出數據的基本規律。描述統計可以分為集中趨勢分析和離散趨勢分析和相關分析三個部分。
  • 大數據分析平臺具有哪些功能
    導讀 大數據分析平臺作為大數據應用的前沿技術,一直受到人們的期待和關注。大數據分析平臺可以實現從數據抽取到數據價值實現的所有功能。
  • EPS全球統計數據/分析平臺
    ,為此圖圖準備了EPS數據平臺的部分使用方法供大家參考學習,快來看看吧~信息素養是一種信息能力,信息技術是它的一種工具。數據素養是對媒介素養、信息素養等的一種延續和擴展。從信息素養到數據素養,我們逐漸進入大數據時代,大數據平臺發揮其越來越重要的作用。EPS是一個兼具海量數據和分析預測系統的經濟性數據平臺。
  • 競品分析|花店公眾號競品分析
    那麼在「520我愛憐」,「521我愛你」,以及接下來的「527我愛妻」這些環環相扣的特別日子裡,你有通過微信公眾號、電商平臺、線下實體化店等方式給你愛的人購買過鮮花表達愛意嗎?受疫情影響,跨境電商業務受阻,朋友立志將斷斷續續接單的微信公眾號花店正式運營起來,作為熱情好客的湖南人、平時又對植物、動物頗為感興趣的我,自然是要幫忙做個微信公眾號競品分析了。不知道競爭對手到底是誰的情況下,競品分析的第一步,就是找到對標公眾號,也就是找到學習的榜樣。
  • 數據分析營銷之描述性與診斷分析
    之前我們討論了在啟動數據分析之前應該採取的步驟:數據準備。本期直接進入正題,學習如何提出正確的問題(使用數據科學)以及獲得最佳答案(進行數據分析)。(診斷分析)如果...會發生什麼?(預測分析)我們該怎麼做?(規範分析)今天的分享將會著重於描述性分析和診斷分析,他們是大數據價值鏈的支柱,對於開發支持預測和規範分析的更高級算法至關重要。
  • 數據分析:淺談統計學在生活中的應用,看完長見識了!
    淺談統計學在生活中的應用統計學並不是一門獨立存在的學科,它是以數學知識和數理統計作為基礎,將數理統計方法和其他學科專業知識交叉融合形成的具有極強推斷性的一種分析方法。  二、統計學在生活中的應用分析   (一)統計學在經濟學中的重要應用   運用統計學對生活中的數據信息進行整理分析,首先要學習統計學的基礎知識以及數據統計個分析等學科,這些基礎知識和方法都是在開展統計學應用活動之前調研人員所必須掌握的
  • 微信公眾號如何做數據分析?4大模塊34個關鍵指標
    一、公眾號數據分析的必要性微信公眾平臺如今已經是第八個年頭了,肯定有許多人已經是自詡為新媒體行業 「老人」。但當上司老闆向你詢問公眾號運營情況時,你是否還停留在匯報:現在粉絲多少,平均閱讀多少嗎?精明一點的在匯報一下;同比增長了多少粉絲(用來凸顯自己階段性的工作成果)。
  • 怎麼做數據分析?數據分析的這些環節你不得不知
    很多剛開始做數據分析的朋友,不知道數據分析該如何下手,更不知道一個完整的數據分析流程有哪些環節。數據分析的流程比較簡單,主要包括以下六個環節:明確分析目的、數據獲取、數據處理、數據分析、數據可視化、結論與建議。一、明確數據分析的目的做事都是有目的的,數據分析也是。
  • Python數據科學:方差分析
    描述性統計分析,描述性分析就是從總體數據中提煉變量的主要信息,即統計量。描述性分析的難點在於對業務的了解和對數據的尋找。統計推斷和統計建模,建立解釋變量與被解釋變量之間可解釋的、穩定的、最好是具有因果關係的表達式。
  • RichData大數據智能分析平臺
    RichData是一個跟具體行業業務無關的、通用性的大數據平臺工具產品,通過這個產品所具備的的高性能的實時和非實時大數據計算能力、豐富的統計、分析、挖掘模型,為行業全流程、全周期的生產運營活動提供商業智能支持。