你真的會數(shù)據(jù)分析嗎？什么才是數(shù)據(jù)分析的正確打開方式？文章中舉出了幾種數(shù)據(jù)分析的常用例子與檢驗方式，一起來學(xué)習(xí)下。

不得不說，現(xiàn)在互聯(lián)網(wǎng)行業(yè)對產(chǎn)品經(jīng)理的要求是越來越高了，不只是要求自己寫得了文檔、畫的了原型、斗得過開發(fā)、忽悠過領(lǐng)導(dǎo)，還要分析得了各種數(shù)據(jù)。

你真的會做數(shù)據(jù)分析么

目前產(chǎn)品經(jīng)理使用比較多的數(shù)據(jù)分析方法，就是將每天的網(wǎng)站或者APP數(shù)據(jù)匯總到Excel中，然后用用折線圖，柱狀圖來展示數(shù)據(jù)的趨勢。比如下圖中如果是看UV，那就把每天的數(shù)據(jù)匯總出來，然后按照每周或者每月拉一下平均值，做個折線圖，是升還是降，一目了然。細(xì)致一點就是對于一些關(guān)鍵的時間節(jié)點進行單獨分析，比如7月25日的上升期是做了哪些功能或者活動，導(dǎo)致UV的整體提升。

然而，這其實是非常粗糙的一種分析數(shù)據(jù)的方式，只是停留在數(shù)據(jù)的表面，并不足以是判斷數(shù)據(jù)變化的依據(jù)。

舉個打臉的栗子

我們APP正在做一項運營活動，活動的目的是提升UV和拉新。在活動進行的第10天，我們出一版數(shù)據(jù)報告，主要看活動的進行的10天里，APP的UV是否有增長。

具體數(shù)據(jù)如下，數(shù)據(jù)分析報告中給出的結(jié)果是APP的UV從活動前10天的平均167575提升至173514，提升了大概3.5%。領(lǐng)導(dǎo)們表示很開心，預(yù)計兩個月的活動進行到剛開始的10天，UV就有了提升。

然而這個數(shù)據(jù)真的能夠代表數(shù)據(jù)提升了么？

實際上，我后來又重新做了一次分析，平均值和提升比例沒有問題，和原來一樣，但是通過對前后數(shù)據(jù)的差異性檢驗，發(fā)現(xiàn)活動前和活動中的UV數(shù)據(jù)之間并不存在明顯差異，也就是這種提升并不能明顯到稱其為提升。所以看到結(jié)果后也算痛打了我的臉。

從上面的案例做個總結(jié)就是：不能只是簡單看數(shù)據(jù)提升比率，還要看這個提升比率是不是有意義，提升了2%，和提升了12%，都是提升，哪種才是真正的提升。

幾個常用場景的數(shù)據(jù)分析方法及具體操作

運營活動效果數(shù)據(jù)分析

• 常規(guī)：UV、PV、拉新、訂單等均值及提升比
• 精確：前后活動的UV、PV、拉新、訂單數(shù)據(jù)的假設(shè)檢驗，

如果是在全站做活動，則使用配對樣本T檢驗；

如果是分平臺，如安卓和蘋果用戶效果對比，則使用獨立樣本T檢驗。

A/B測試數(shù)據(jù)分析-對某個頁面改版的A/B測試

• 常規(guī)：UV、PV、拉新、訂單等數(shù)據(jù)均值及提升比
• 精確對比：A測試的UV、PV、拉新、訂單等數(shù)據(jù)與B測試結(jié)果的UV、PV、拉新、訂單等數(shù)據(jù)假設(shè)檢驗

如果A/B測試使用的同時分流量進行測試，則這時候應(yīng)該是兩波獨立用戶，我們假設(shè)隨機分配的用戶不存在差異，可以用戶獨立樣本T檢驗。

如果A/B測試使用的是前后測試，即同一批用戶分別在A測試環(huán)境下做一段時間測試，然后再在B環(huán)境下做一段時間測試，則使用配對樣本T檢驗。

如果頁面改版的測試方案不只是兩種，則可以使用方差分析的假設(shè)檢驗方式

其實數(shù)據(jù)分析還有很多種檢驗方式，適用于很多情況，文章中舉出的只是幾種常用例子，如果大家想要學(xué)習(xí)更多，可以看下相關(guān)數(shù)據(jù)或者統(tǒng)計學(xué)論壇，讓我們的產(chǎn)品數(shù)據(jù)做的更精確。

本文由@ Sonya 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。