别落后了,开始你的第一方数据分析
一、有哪些第一方数据?
我们常说数据驱动决策,首要的就是选择利用什么数据,今天这里主要探讨的就是用“第一方数据”来驱动决策。第一方数据简单来理解就是自有数据,大多数公司的自有数据就是数据库里面的用户产生的业务数据,数据分析意识高一点的公司在此之外,可能会尝试通过日志收集一些用户的行为数据。所谓行为数据就是包括进入产品,浏览等一系列的使用行为。
所以对于一个产品而言,第一方数据一般就是用户从各种来源(包含来源渠道版本等)来到产品开始,接下来在持续使用产品过程中产生的所有数据,包括用户业务数据和用户的行为数据。
二、流量时代的第一方数据分析
小公司的做法
对于大多数非数据驱动型小公司而言,都没有自己的数据分析平台,所以大多数时候的第一方数据分析,是依赖于工程写脚本,根据需求查数据库去计算。
很多时候时间都浪费在了沟通,确认需求,写脚本,等待结果运算上,我相信很多公司一定有共鸣。
中大公司的做法
对于很多中大型互联网公司,公司内部也开始构建自己的数据分析平台,并且已经开始收集用户的行为数据进行分析,但是大多数对于行为的数据利用还是限制于两种:
第一种做法还是基于Hadoop的统计分析,只是去统计一些关键行为的发生次数,常见的就是计算页面访问量,独立用户数,留存率等指标。
第二种做法就是利用行为数据进行个性化的数据推荐。
在过去的十几年,流量时代,得益于人口红利,人群较为单一,业务没有现在那么垂直细分多样化,所以大家的关注点都在于怎么拉新(拉取新用户),上面这一些指标可以比较概括的了解到产品的发展状况,并且结合渠道的维度筛选,也能满足比较拉新流量的需求。
综合两类公司的做法来看,其实用户的产品互动行为数据基本上始终被当做一个黑盒子来看,推荐算法虽然对这些数据利用的比较好但是只是一个对单用户纵深的分析做法,而横向的用户分析最终止于高度汇总的报表,并不能探索和验证用户在产品上的行为如何影响了公司的业务指标。一个典型的现象就是很多产品的迭代决策靠的是猜测或者直觉。
三、现有数据分析存在的问题
但最近几年的创业浪潮兴起,业务越来越多样化,人群越来越多样化,不同于过往流量时代时人口红利,单靠根据DAU,PV这些泛指标指示发展状况,然后逼着眼睛找流量带来新客户,现在更多的是对提供用户的留存和客户忠诚度的需求,所以分析这些指标高低趋势变化背后的原因也愈加重要了。所以如何去寻找分析背后的价值呢?
数据分析场景化
大多的数据分析工具,包括很多中大公司的数据分析平台,搭建的出发点就有一些问题,不是从解决问题的场景出发,而是要支持多牛逼的数据交叉查询,然后就成了纯粹的基础分析平台工具,这样越抽象,对于解决问题就会越远,需要人参与解读的就越多。对于大多数公司而言没有专业的数据分析师,自然用市面上的通用工具就很难发挥出价值。同样,大公司数据部门饱受诟病,也有很多原因因为各个业务线对于分析的需求不一致,要不然统一平台开发迭代慢,要不然就是定制化的分析需求太多,内耗也就很大。到最后花费大力气兼容的分析需求其实最后也不会用的太多,metrics太多不一定是好事,有价值才是最好的。
所以分析必须从场景化出发,才能更快速解决问题。那么有哪些场景呢?一般来讲,也就是公司的各个职能分析需求,例如产品,销售,运营,ERP,CRM,客服,财务等等,分析需求也就需要应用到这些场景中去了。每一个场景都有自己关注的指标类型,比如产品就是用户持续使用情况,访问路径等等,销售就是客户转化周期和转化漏斗,运营是活动效果监测,来源对比等等,所以需要将分析从这些场景所需要关注的指标去抽离工具,能满足这些场景分析的思路或者关注指标进行设计。
数据分析难点
通常数据分析难的问题在于以下几点:没有分析目标
没有分析目标带来最大的两个问题是:
第一,会收集所有的数据,总觉得可能用得上,会分析。
第二,收集了很多维度的数据,无从下手,不知道哪些维度可以找到问题。
不懂基本的分析方法
基本上会看整体的变化趋势或指标,但是不太会筛选业务相关的指标数据进行查看,所以忽视了很多指标是虚荣指标:
一来可能是某些指标单调变化,无法反映真实情况。
二是没有同期群的对比,影响数据剥离对比。
三是只注重结果,但是不会用漏斗去分析路径,或者用自定义留存去观察满足某一条件用户的实际使用情况。
不能验证跟踪
在推荐系统中用户的反馈很重要,同样在数据分析过程中,我们也需要去验证一些分析结果,也要跟踪改进后的用户效果。
四、场景时代的第一方数据分析
指标会转向跟更多业务相关,并且数据不再是高度汇总的报表,而是我们能循蹈到这些报表背后的元数据关系,过去数据分析大多都是根据预想分析展开维度,基于这些维度统计发生次数,丢失的用户的行为路径,所以也就很难找到背后数据组织的逻辑,打开产品黑盒子,利用起第一方数据分析,很重要的一点就是需要基于用户维度进行分析,例如诸葛io分析平台就是基于用户的。
另外一方面产品的业务数据大多也是从用户的行为数据转化过来的,所以类似诸葛io分析会记录用户的行为用业务维度描述,这样了解不是一个个粗粒度的页面访问,而是功能模块的流向,当以用户维度记录这些流向之后,自然也就能从最后业务指标的变化,找到流失人群或者价值人群了,那么对于提供用户的留存度和客户忠诚度也就有了方向,找到价值人群的价值共性,或者弥补流失人群的缺陷共性。
五、第一方数据分析如何落地
对于简单的分析,可以用后台工程师利用ELK(Elasticsearch+Logstash+Kibana)这一类的技术组件进行搭建分析平台,但是对于更复杂的,还是不要自己搭建平台,内耗太大,我相信随着诸葛io,GrowingIO,AppAdhoc等这一类的平台兴起,对于大多数公司而言分析也会变得越来越简单,并且不同过去大多数据分析平台多为第三方数据分析,虽为免费使用,实际数据会被交换给其他平台,而这些第一方的数据分析平台也会更加保障数据的安全性。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10