产品数据分析

知识点

1. 常用app：抖音
   2016上线，2018爆发

• 定位：音乐创意短视频社交平台(符合当前年轻人碎片化时间特性)
• 用户画像：年轻人，中年人为主
• 目标人群及相应指标：
  • 创作者：粉丝数量，视频播放量，广告收入/成本
  • 观看者：视频内容，功能界面，社交属性， 用户群体
• 版本迭代：
  • 增加滤镜
  • 社交功能增强，朋友视频放到了显眼位置
  • 拍同款功能等
• 缺点：
  • 创作时可以选择的音乐偏少，增加音乐版权
  • 缺少防沉迷机制，建议显示抖音今日累计观看时长
  • 降低内容重复度，不要过度依赖推荐系统

2. Hadoop, MapReduce

• Hadoop：大数据分布式处理框架，主要包含两个模块，MapReduce和HDFS。

• MapReduce：一种分布式计算框架，用于解决TB数量级问题，主要用于搜索领域，解决海量数据计算问题。可用于处理结构化， 半结构化，非结构化数据。工作原理：
  

• 第一步对输入的数据进行切片，每个切片分配一个map()任务，map()对其中的数据进行计算，对每个数据用键值对的形式记录，然后输出到环形缓冲区（图中sort的位置）。

• map（）中输出的数据在环形缓冲区内进行快排，每个环形缓冲区默认大小100M，当数据达到80M时（默认），把数据输出到磁盘上。形成很多个内部有序整体无序的小文件。

• 框架把磁盘中的小文件传到Reduce()中来，然后进行归并排序，最终输出。

参考：https://zhuanlan.zhihu.com/p/62135686

• HDFS：Hadoop的框架的一部分，用于存储和处理数据集。它提供了一个容错文件系统在普通硬件上运行。
• HIVE：开发SQL类型脚本用于做MapReduce操作的平台，最早由facebook开发，后来由Apache开发为Apache Hive开源项目。
  参考：https://www.yiibai.com/hive/
  https://baike.baidu.com/item/hive/67986

3. AARRR模型
   
   参考： http://www.woshipm.com/operate/887464.html

4. STAR法则：

• Situation
  • 用户的类型和特征是什么
  • 在什么情况下用户会进入这里
  • 用户为什么需要这个产品
• Target
  • 产品要解决什么问题
  • 问题的关键点是什么
  • 其他功能要求
• Action
  • 如何设计产品流程
  • 如何提高用户效率
  • 如何兼顾技术可行性
• Result
  • 产品是否解决了问题
  • 产品是否达到了功能要求
  • 效果如能量化则为最佳

5. LTV(客户价值衡量)
   $$LTV=LT\ast APRU$$

• 假设APRU稳定，可以使用均值。若不稳定，则可以分窗口设值。
• LT的计算：
  $$\begin{array}{rl}L{T}_{all}& =A\ast 1+A(1)\ast 1+A(2)\ast 1+...+A(n)\ast 1\\ LT& =\frac{L{T}_{all}}{A}=1+\sum _{i=1}^{n}R(i)\end{array}$$
  其中$R_i$为第i天的留存率。
  若出现天数较少的情况，则需要对Retention Rate做一个预测，y为Retention Rate，x为天数。可以使用的方法：
  • excel直接拟合看效果
  • 时间序列建模ARIMA等
  • 深度学习RNN(LSTM)

6. 日活DAU

• 定义：产品每天有多少用户来访问(UV)
• 可以理解成当日新增和之前每日新增在当日的留存
• 如何计算：
  $$DA{U}_n=A_n+A_{n-1}\ast R_1+A_{n-2}\ast R_2+...+A_1\ast R_{n-1}$$
  假设每日新增为常量：
  $$DA{U}_n=A\times (1+\sum _{i=1}^{n-1}{R}_i)$$
  转化为预估留存问题。

7. 月活MAU
   $$MAU=\sum _{i=1}^{30}DA{U}_i-月重复用户数$$

• 日活提高，月活下降的原因是：月重复用户数增长的相对日活增长的更多，说明用户粘性变强了。

8. CAC

• 定义：获取用户的成本
• 用途：ROI = LTV/CAC。若ROI在3左右，比较合适。1以下没有努力的必要。也并非越大越好。

9. 日活月活提高分析步骤：

• 新用户：
  1. 基本策略：渠道推广、市场推广、合作换量、朋友圈分享、老带新等方式。
  2. 留存率增长策略：提升新用户留存即辅助用户成长，可使用红包吸引，push召回，打卡签到游戏机制等，最重要的还是做好产品体验。找到用户感兴趣的点，不断吸引其关注。
     留存三把刀：物质利益绑定、打造成就荣誉、丰富产品功能。
• 老用户：
  1. 历史回流老用户：这部分老用户可按生命周期划分，查看用户结构，以及各部分用户的留存和访问频次状况，以及用户结构是否健康，在运营战略层面做好应对。例如流失用户占比较高，成熟用户较少，则需要寻找原因，加强流失预警和召回
  2. 大盘里的老用户根据细分生命周期分别采取不同的应对策略，细分用户画像，业务偏好、场景挖掘，产品拓展，围绕成长、促活、召回三方面目标再拆分。产品功能上push短信和服务号通知触达用户，可参考以上留存三把刀。
  3. 访问频次的打法同以上拆解，高频业务，游戏化运营机制，会员体系，积分商城等用户管理工具。

10. 日活下降分析步骤：

    1. 确认数据是否准确
    2. 确认数据是否存在异常
    3. 维度的拆分
       • 新老用户
       • 登陆平台，ios，android
       • app版本
       • 渠道，如app，小程序
       • 区域或地域，国家省份
         计算影响系数：
         (今日量-昨日量)/(今日总量-昨日总量)
    4. 了解业务具体动作
       上步确定了原因后，跟产品，技术，运营人员进行沟通交流，询问最近是否有什么业务上的动作。
    5. 提供具体的意见
       基于量化分析的结果，提出合理改进意见。

11. 辛普森悖论

• 前提：两个分组的比例相差比较大。两种性别的分布比重相反。
  具体参考：https://wiki.mbalib.com/wiki/%E8%BE%9B%E6%99%AE%E6%A3%AE%E6%82%96%E8%AE%BA

12. 2b业务最大的挑战是什么

• 数据量级不太一样
• 企业的相关信息比较少，部分数据特征维度较难获取

13. 2b和2c的区别是什么
    参考：http://www.woshipm.com/marketing/4061290.html

14. 人人都是产品经理。
    参考 http://www.woshipm.com/

15. 框架思维
    参考 https://mp.weixin.qq.com/s/f5-pq7cOM8n5jql5yHIxsw