數(shù)分面試-業(yè)務(wù)分析篇
01?指標(biāo)建模
1.1 互聯(lián)網(wǎng)產(chǎn)品常用指標(biāo)
1.2 選好數(shù)據(jù)指標(biāo)的通用方法論
三部曲
1.從業(yè)務(wù)的最終目的出發(fā)梳理業(yè)務(wù)模塊
拆解:多問幾個(gè)how
目的:我要賣貨
手段:通過圖文來買貨
支撐手段的手段:通過社區(qū)創(chuàng)作的優(yōu)美的圖文來賣貨
2.判斷業(yè)務(wù)模塊所屬類型
業(yè)務(wù)類型
02 數(shù)據(jù)分析方法論
2.1 對(duì)比分析
絕對(duì)值(本身具備價(jià)值的數(shù)字) eg:銷售金融 閱讀數(shù)
比例值(在具體環(huán)境中看比例才具備對(duì)比價(jià)值) eg:活躍占比 注冊(cè)轉(zhuǎn)化率
環(huán)比:?與當(dāng)前時(shí)間范圍相鄰的上一個(gè)時(shí)間范圍對(duì)比 eg:月環(huán)比 10月與9月比
同比:?與歷史同時(shí)期比較,就是與不同年份(月份)的同一時(shí)期作比較，例如2005年7月份與2004年7月份相比，叫同比。
2.2 多維度拆解
數(shù)據(jù)分析的本質(zhì)就是用不同的視角去拆分,觀察同一個(gè)數(shù)據(jù)指標(biāo)
2.3 數(shù)據(jù)漲跌異動(dòng)如何分析
跌:采取動(dòng)作,減緩趨勢(shì)
漲:弄清原因,并放大
常見假設(shè):
活動(dòng)影響:查對(duì)應(yīng)活動(dòng)頁面及對(duì)應(yīng)動(dòng)作的數(shù)據(jù)波動(dòng),關(guān)注活動(dòng)是否有地域?qū)傩?/span>
版本發(fā)布:版本號(hào)
渠道投放:
策略調(diào)整:
服務(wù)故障
PV變化分析
一.首先查看是否有產(chǎn)品bug
比如頁面加載速度慢,可能會(huì)導(dǎo)致用戶重復(fù)刷新
二.多維度拆分分析
1.分流量來源分析:豆瓣,百度,知乎等 查看異常流量來源的渠道
2.分城市來源分析 查看異常流量來源分布
3.按瀏覽器類型來分:爬蟲一般不會(huì)改瀏覽器名稱
4.按瀏覽器版本進(jìn)行拆解:爬蟲有時(shí)候不會(huì)傳瀏覽器版本號(hào)
產(chǎn)品日活DAU下降分析
第一步:確認(rèn)數(shù)據(jù)真實(shí)性
確定是否是數(shù)據(jù)報(bào)表統(tǒng)計(jì)或者數(shù)據(jù)源頭的問題
第二步: 分維度確定異常原因
新老用戶,登陸平臺(tái),版本,登陸渠道,用戶所在區(qū)域,時(shí)間(假期,日夜,產(chǎn)品周期性)
計(jì)算影響系數(shù)：每一項(xiàng)數(shù)據(jù)都要和以往正常值做對(duì)比，算出影響系數(shù)。
影響系數(shù)=(今日量-昨日量)/(今日總量-昨日總量)
老用戶影響系數(shù)=(77.89-78)/(78.8-79.5)=0.16
新用戶影響系數(shù)=(0.98-1.5)/(78.8-79.5)=0.84
影響系數(shù)越大，說明此處就是主要的下降點(diǎn)
以上是幾種常見的初步拆分維度，通過初步拆分，定位原因大致范圍。
第三步:異常范圍定位后，進(jìn)一步做假設(shè)
假設(shè)維度:
產(chǎn)品側(cè):功能,策略方面
技術(shù)側(cè):系統(tǒng)性能,加載速度,關(guān)鍵行為路徑上是否出現(xiàn)重大bug
運(yùn)營(yíng)側(cè):運(yùn)營(yíng)策略,push效果,拉新渠道,投放推廣,近期活動(dòng)
2.4 留存分析
日留存-了解某一個(gè)渠道的質(zhì)量
周留存/月留存-觀察整個(gè)大盤:以周/月為單位,衡量產(chǎn)品的健康情況,觀察用戶在平臺(tái)上的粘性
月留存用來驗(yàn)證產(chǎn)品長(zhǎng)期價(jià)值
精準(zhǔn)留存分析
1.過濾進(jìn)行過指定行為的用戶ID,再計(jì)算
Case:比較用戶閱讀某種類型小說后的留存率 VS 用戶大盤留存率
用來分析不同內(nèi)容渠道的質(zhì)量以及用戶粘性分析
2.將用戶分為不同的群體后,觀察其之間留存的區(qū)別
適用場(chǎng)景:評(píng)估產(chǎn)品功能粘性,驗(yàn)證產(chǎn)品長(zhǎng)期價(jià)值
維度:
流量來源:了解不同渠道引流的用戶長(zhǎng)期表現(xiàn)怎么樣
登陸平臺(tái):僅使用網(wǎng)站端產(chǎn)品的用戶留存率顯著低于移動(dòng)應(yīng)用端,這時(shí)考慮如何完成這部分網(wǎng)頁到應(yīng)用的轉(zhuǎn)換
行為分群：
以視頻網(wǎng)站為例可以分為
視頻觀看者:驅(qū)動(dòng)他們留存的因素更多的是能不能找到自己喜歡的視頻。
視頻評(píng)論者:這部分人不光看視頻,也會(huì)留言,相比普通的視頻觀看者,他們參與度更高,留存率也會(huì)更高。驅(qū)動(dòng)他們留存的因素除了視頻的質(zhì)量,可能還包括和創(chuàng)造者以及其他評(píng)論者之間的互動(dòng)。
視頻創(chuàng)造者:很小比例的用戶,驅(qū)動(dòng)他們留存的因素是粉絲數(shù),與粉絲互動(dòng)和金錢收入。
2.5 功能內(nèi)容價(jià)值評(píng)估
1.如果上線后的目標(biāo)與價(jià)值清晰明確,涉及具體指標(biāo)變化,例如用戶增長(zhǎng),GMV增長(zhǎng)等
以上線付費(fèi)漫畫功能為例
1.在一定時(shí)間內(nèi),我們可以通過漏斗分析,對(duì)比看過付費(fèi)漫畫后到購(gòu)買VIP會(huì)員的轉(zhuǎn)化率以及看過同期漫畫后到購(gòu)買VIP會(huì)員的轉(zhuǎn)化率
2.如果用戶行為在這個(gè)功能上轉(zhuǎn)化關(guān)系很復(fù)雜,比如我看付費(fèi)漫畫,前面劇情不怎么精彩,我可以等到下周再更新,但是一旦漫畫劇情get到我的點(diǎn),我可能立馬付費(fèi)成為VIP會(huì)員,這種情況下,只靠短期時(shí)間窗口內(nèi)的漏斗分析是不夠的,我們可以通過用戶分群對(duì)比,比較VIP和普通用戶中看過付費(fèi)漫畫的比例
3.上線后關(guān)注其對(duì)產(chǎn)品價(jià)值的提升
4.上線以探索更長(zhǎng)期的產(chǎn)品潛力
對(duì)比上線前后一段時(shí)間 使用頻次以及使用場(chǎng)景是否改變
03 專題-電商數(shù)據(jù)分析
3.1 電商指標(biāo)體系
1.三大族譜:財(cái)務(wù)+經(jīng)營(yíng)+體驗(yàn)
聚焦生意本質(zhì):財(cái)務(wù)指標(biāo)
助力業(yè)務(wù)增長(zhǎng):經(jīng)營(yíng)指標(biāo) KPI+KSF
從滿意到忠誠(chéng):體驗(yàn)指標(biāo) NPS體系
電商核心指標(biāo)
3.2 用戶數(shù)據(jù)分析
1.內(nèi)功心法:拆分與整合
拆分:通過多維度的拆分,還原真實(shí)的用戶結(jié)構(gòu),認(rèn)識(shí)平臺(tái)用戶,拆分要結(jié)合業(yè)務(wù)場(chǎng)景,拆分方法多種多樣
整合:結(jié)合用戶需求與產(chǎn)品定位,在全量用戶中找出特定場(chǎng)景的目標(biāo)用戶
2.用戶分新老
銷售額 = 新用戶銷售額 + 老用戶銷售額
新用戶:在平臺(tái)進(jìn)行用戶生命周期的首筆消費(fèi)
老用戶:已經(jīng)在平臺(tái)支付過的用戶在此進(jìn)行消費(fèi)
新用戶(保質(zhì)保量獲新客)關(guān)注點(diǎn):
來源渠道分析 用戶質(zhì)量評(píng)估 首單流程體驗(yàn) 獲客商品分析
老用戶(保持活躍持續(xù)消費(fèi))關(guān)注點(diǎn):
用戶價(jià)值評(píng)估 用戶活躍度分析 用戶品類偏好 用戶優(yōu)惠敏感度 售后服務(wù)體驗(yàn) 用戶傳播能力
用戶內(nèi)容偏好及貢獻(xiàn)
銷售額拆分案例
銷售額 = 新用戶銷售額 + 老用戶銷售額
新用戶銷售額可以按不同渠道和不同拉新措施來拆分
老用戶銷售額可以按照不同活躍度用戶和不同層次用戶來拆分,例如近期高活躍用戶為什么銷售額減少,是否是流失用戶召回策略問題導(dǎo)致老用戶銷售額降低等等
GMV分析思路
原文鏈接：https://zhuanlan.zhihu.com/p/116017580推薦閱讀：數(shù)據(jù)分析中常用的9個(gè)Excel函數(shù)
拼多多2020屆數(shù)據(jù)分析面試題合集（上）
數(shù)據(jù)分析面經(jīng)分享（京東，美團(tuán)，阿里，拼多多，vivo，滴滴）
我拿到了騰訊最愛考的數(shù)據(jù)分析面試題