考虑到现有技术解决方案的复杂性与多样化，企业往往很难找到适合自己的大数据收集与分析工具。然而，混乱的时局之下已经有多种方案脱颖而出，证明其能够帮助大家切实完成大数据分析类工作。下面我们将整理出一份包含十款工具的清单，从而有效压缩选择范畴。

　　数据已经成为现代化企业中最为重要的宝贵资源。一切决策、策略或者方法都需要依托于对数据的分析方可实现。随着“大数据分析”逐步替代其上代版本，即“商务智能”，企业正面临着一个更加复杂、且商业情报规模更为庞大的新时代。

　　考虑到现有技术解决方案的复杂性与多样化，企业往往很难找到适合自己的大数据收集与分析工具。然而，混乱的时局之下已经有多种方案脱颖而出，证明其能够帮助大家切实完成大数据分析类工作。下面我们将整理出一份包含十款工具的清单，从而有效压缩选择范畴。

　　1. OpenRefine

　　这是一款高人气数据分析工具，适用于各类与分析相关的任务。这意味着即使大家拥有多川不同数据类型及名称，这款工具亦能够利用其强大的聚类算法完成条目分组。在聚类完成后，分析即可开始。

　　2.hadoop

　　大数据与Hadoop可谓密不可分。这套软件库兼框架能够利用简单的编程模型将大规模数据集分发于计算机集群当中。其尤为擅长处理大规模数据并使其可用于本地设备当中。作为Hadoop的开发方，Apache亦在不断强化这款工具以提升其实际效果。

　　3. Storm

　　同样来自Apache的Storm是另一款伟大的实时计算系统，能够极大强化无限数据流的处理效果。其亦可用于执行多种其它与大数据相关的任务，具体包括分布式RPC、持续处理、在线机器学习以及实时分析等等。使用Storm的另一大优势在于，其整合了大量其它技术，从而进一步降低大数据处理的复杂性。

　　4. Plotly

　　这是一款数据可视化工具，可兼容JavaScript、MATLAB、Python以及R等语言。Plotly甚至能够帮助不具备代码编写技能或者时间的用户完成动态可视化处理。这款工具常由新一代数据科学家使用，因为其属于一款业务开发平台且能够快速完成大规模数据的理解与分析。

　　5. Rapidminer

　　作为另一款大数据处理必要工具，Rapidminer属于一套开源数据科学平台，且通过可视化编程机制发挥作用。其功能包括对模型进行修改、分析与创建，且能够快速将结果整合至业务流程当中。Rapidminer目前备受瞩目，且已经成为众多知名数据科学家心目中的可靠工具。

　　6. Cassandra

　　Apache Cassandra 是另一款值得关注的工具，因为其能够有效且高效地对大规模数据加以管理。它属于一套可扩展NoSQL数据库，能够监控多座数据中心内的数据并已经在Netflix及eBay等知名企业当中效力。

　　7. Hadoop MapReduce

　　这是一套软件框架，允许用户利用其编写出以可靠方式并发处理大规模数据的应用。MapReduce应用主要负责完成两项任务，即映射与规约，并由此提供多种数据处理结果。这款工具最初由谷歌公司开发完成。

　　8. Bokeh

　　这套可视化框架的主要目标在于提供精致且简洁的图形处理结果，用以强化大规模数据流的交互能力。其专门供Python语言使用。

　　9. Wolfram Alpha

　　这是一套搜索引擎，旨在帮助用户搜索其需要的计算素材或者其它内容。举例来说，如果大家输入“Facebook”，即可获得与Facebook相关的HTML元素结构、输入解释、Web托管信息、网络统计、子域、Alexa预估以及网页信息等大量内容。

　　10. Neo4j

　　其官方网站将这款工具称为图形数据库技术的下一场革命。这种说法在一定程度上并不夸张，因为此套数据库使用数据间的关系以操作并强化性能表现。Neo4j目前已经由众多企业用于利用数据关系实现智能应用，从而帮助自身保持市场竞争优势。

End.

如果对软件测试感兴趣，想了解更多的软件测试知识，请大家关注“51Testing软件测试网”百家号。

　　大家都知道，对于产品经理的岗位要求的能力还是比较多的，如果我们对这些能力，按照硬技能和软技能进行分类的话，就有且不止以下这些能力：

　　软技能：沟通能力、决策能力、逻辑分析能力、执行力、项目管理能力等;

　　硬技能(工具能力)：文档能力、Visio、Axure、Mindmanger等;

　　那么，产品经理的另一种非常重要的能力---数据分析能力，你有吗?蓝鸥资深产品经理讲师为大家整理了答案。

　　何为数据分析?

　　现在的软件开发，都讲究小而美，单点突破，快速迭代。那么我们在快速迭代时，就要用到数据分析，通过用户使用数据来分析产品的优缺点，甚至方向的正确与否。因此，数据分析，就是产品迭代时的眼镜和耳朵，产品经理也是通过数据分析，来说服开发做功能，说服老板投入资源。

　　数据分析的概念：

　　数据分析是指用适当的统计方法对收集来的大量第一手的资料和第二手的资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。通过对数据的详细研究和概括总结以提取用户信息和形成结论。

　　数据分析使用场景列举：

　　1、如果某款游戏下载量高，注册率低;是否因为服务器登录问题或者注册流程繁琐，是否近期网络出现故障?

　　2、如果某款游戏数据一直良好，某段时间数据突然跌落;是否因为市场宣传力度减弱，是否因为用户生命周期上线，还是说其他精品的冲击?

　　我们必须了解的一点，是数据分析不在于数据本身，而在于分析的能力。数据只是参照物，只是标杆，分析才是行为，通过分析数据，我们发现问题的所在，再改进它。

　　需要分析哪些数据?

　　基础数据：下载量、激活量、新增用户量、活跃用户等;

　　社交产品：用户分布、用户留存(次日、3日、7日、次月、3月)等;

　　电商：淘宝指数、网站流量、跳出率、页面访问深度等;

　　内容类：内容转化率(内容下载量/内容浏览量)、留存量;

　　工具类：功能点击量、应用商城排名;

　　其他：竞品数据(下载、激活等);

　　数据分析的工具：

　　1、第三方数据分析工具，如友盟，可快速接入，节省成本，比较适合创业型公司及刚上线的产品，但是无法对关键数据在突发异样时进行跟踪;;

　　2、自己开发的数据分析工具，可以对每个数据进行实时跟踪，并快速做出产品的调整，需要足够的开发人员及成本，比较适合大型公司或者成熟型产品;

　　如何进行数据分析?

　　对于这个问题，我想作为产品的工作人员，我们还不用达到数据分析师的高度，因此也不用说要先对数据建模，再对实际分析数据，看是否与模型吻合。但是，我们却需要要有一个产品数据分析的思路，这个思路可以这样展开：

　　1、我为什么分析?即就是明白，我分析的目的是什么，是寻找付费用户下降的原因?还是注册用户减少的原因?

　　2、我分析想要达到什么效果?是通过分析付费用户，找到问题，解决问题从而提升收入?

　　3、我该分析哪些数据才能达到这个效果?即需要什么数据才能达到分析的目的;

　　4、我又该如何采集这些数据?是直接通过第三方数据分析工具或者我们自己开发的工具就可获得?还是说要从数据库调取再交给程序猿哥哥?

　　5、我该如何整理这些数据?即我们常说的数据可视化，这样可以便于我们进行分析;

　　6、如何分析?即通过分析，找出问题的所在，给出你的结论;

　　7、怎么解决问题?给出你的解决方案;

本文是关于数据分析驱动增长的模型框架的总结，用一张表把数据分析驱动增长相关目标和方法进行呈现和总结， 希望对你的产品建立运营数据分析工作有帮助和参考。

1 背景

对于任何一个新产品从市场调研，痛点分析，产品定位，MVP产品设计和产品实现后，业务增长和商业价值增长将作为团队的核心任务，增长的方法除了和客户保持高频和有效的沟通进行产品优化和价值挖掘以外，建立匹配的科学的数据分析体系是保持产品增长的高效的手段之一。

表格整理截图信息如下：

如上内容是个人在工作中对于数据分析驱动增长的目标以及方法的整理，不足之处，欢迎一起讨论指正。

2 产品数据分析准备

产品在建立数据分析体系之前，产品本身的要有相对清晰的市场定位、核心痛点解决业务流程实现，包括客户群和市场容量的预估、竞品分析等动作，这样产品运营数据分析的业务体系才有基础的方向和目标。

举例：一款针对中小企业的在线营销宣传H5的工具产品。

客户对象：中小企业。核心痛点：企业在营销宣传时制作在线宣传册的繁琐、费时。市场预估：中小企业在企业营销宣传，有多少企业会使用在线宣传营销工具，不同类型的企业在在线营销时支出的成本每年/每季度是多少，可以参考一部分的外部分析数据，比如易观数据、互联网开放数据分析 平台等。竞品分析：类似的产品的市场和营销情况，核心卖点，市场容量，市场占比等等，找到合适自己的差异化的产品卖点。

根据上面的分析找到合适自己的差异化卖点，并寻找自己相应的种子客户群。

3产品数据分析驱动增长的目标明确

在互联网的比较流行的数据分析驱动增长的 AARRR模型 已经比较成熟，贯穿整个产品生命周期，具体的细节不详述。

在这里需要说明的是，数据分析 AARRR增长模型是一套工具方法论，但是我们不能忘记我们的数据分析的起点和初衷：产品/市场，业务持续增长（商业价值的持续变现以及客户价值的平衡）。

在产品生命周期中建议的核心关注指标：

产品的成长初期时：重点关注用户激活率、和留存率，求质量。等待经历若干个周期迭代后，慢慢保证高留存率后。产品成长爆发期时：重点关注用户获取率 和留存率，求高效增长。产品口碑爆发期时：重点关注传播推荐，尝试病毒式增长。产品成熟收割期时：重点关注用户增加收入 和 留存率，求客户价值和商业价值变现的平衡。

当然在上面的产品生命周期中，我们需要不断观察数据，并保持和客户的高频沟通，并及时了解市场中竞争对手的变化和客户需求的变化，根据市场和产品的变化调整产品策略、运营策略。

4 产品数据分析驱动增长的方法说明

产品数据分析驱动产品增长的原则：数据分析必须以业务场景和业务目标为起点，业务决策作为终点，数据本身是没有意义的，数据比对分析和挖掘才有价值。

（1）数据分析的模式和方法：

单项分析：趋势洞察、渠道归因、链接标记、漏斗分析、热图分析、分群分析、A/B分析、留存分析组合分析：针对某个细分点，进行多维度组合分析。比如对于某功能、某页面做留存、转化、活跃分析。用户场景分析：时间、地点、需求。 举例：1、早上上班路上 2、用户合约快到期时专题分析：用户体验分析 、产品问题分析、销量增长分析等建模分析：流失预警分析、用户激活分析、付费决策分析等

（2）数据分析的内容和分类：

以用户行为中心：用户行为事件、渠道、产品功能点击、事件分析、用户场景分析、用户行为轨迹、页面流、路径分析、活跃用户分析、用户分群、用户分层、用户细查、用户决策模型。以流量访问为中心：PV、UV、跳出率、访问深度、停留时长、热点图、页面升降榜、页面频道流转、用户访问地域、访问终端、访问来源、新老访客、活跃度等。以用户生命周期为中心：新用户、激活用户、活跃用户、衰退用户、流失用户，分析各个人群的数量，分析对应的关于产品、用户行为、转换、留存、注册相关等分析。以用户分群分层为中心：按照新用户、使用用户、活跃用户、付费用户、高价值贡献付费用户分层，按照年龄、地域、消费能力、习惯、进行分群。分析各个人群的数量，分析对应的关于产品、用户行为、转换、留存、注册等相关分析。产品体验数据分析：功能活跃比、核心转化功能分析、产品体验分析报告（市场、客户需求、产品功能结构、交互体验、意见和建议），用户产品和功能体验调研报告。（主观的想法和建议，可以做数据分析支撑和A/B 测试）。业务运营数据分析：业务目标达成分析和总结、活动转化效率评估、软文阅读和分享次数分析、活动策划分析等。技术运营迭代分析：需求上线成功率、上线时长、需求响应时长、迭代周期、页面响应速度、上线后bug数、页面功能稳定性等。

5 产品数据分析驱动增长的工具和平台建议

对于上面的分析方法目前对于BAT等一线互联网公司有自己的内部大数据中心，支持营销、运营、产品的数据分析工具支撑。对于中小型成长型企业或者传统行业，建设一套完整的数据分析的工具支撑平台成本大、耗时长，建议使用第三方的免费或付费的工具平台。

对于第三方数据分析的工具平台主要分为两类：

以流量为核心第三方数据分析平台：GA、百度统计、友盟统计等（部分功能需要付费）。以用户行为为核心第三方数据分析平台：Growing IO、诸葛 IO、神策IO等（需要付费使用）。

以上工具平台均支持WEB、H5、移动客户端 统计，平台排名不分先后，仅供参考，团队根据自身情况合理选择使用第三方还是自己建设数据统计分析平台。

本文来自中国电子商务研究中心，创业家系授权发布，略经编辑修改，版权归作者所有，内容仅代表作者独立观点。

产品的生命周期中各个阶段都伴随着产品数据的变化，产品经理根据这些产品数据来判断产品所在阶段并对后期的产品演进进行合理的规划；在产品需求分析阶段，产品经理可以通过数据分析来鉴别用户需求的真伪；在产品上线后，产品经理可以通过数据验证产品的功能价值并且让数据指导版本迭代。

针对不同的产品的业务形态有所差异，产品的核心数据也有所不同：比如视频产品侧重的是播放类的数据，如播放时长；电商类产品侧重订单量、交易额等。所以我们可以说，产品的数据分析是产品经理日常工作中必不可少的一环。那么产品有哪些数据指标？具体又该如何分析呢？

一、 产品的基础数据

产品的基础数据一般都是与产品APP相关的整体性的数据，用于检测产品的整体趋势，主要的基础数据有以下几项：

APP/APK下载量：针对客户端产品的数据指标，也称为装机量，是指产品客户端被下载到手机、pad等终端的数量，一般以拥有的独立USERKEY/USERID为一个有效的下载。APP/APK激活量：指用户完成有效下载后，点击客户端并首次成功启动软件的用户数量。APP/APK访问量：指一段时间内用户点击进入客户端的次数。APP/APK访问用户数：APP/APK访问量的去重数据，指一段时间内点击进入客户端的不同身份标识的用户数。人均访问时长： 用户在客户端内停留时间的平均值。同时在线人数：实时数据，即在该时间点正在使用产品的用户数，有时也用并发量来表示，用以衡量客户端可承载的同时在线人数。渠道数据：不同的渠道来源的下载量、访问量等，用以评估不同访问路径以及渠道带来的效果差异。

二、 产品的付费数据

产品的付费数据主要是根据用户的付费行为定义的数据指标，付费指标可以看出用户对于产品的认可程度，产品的盈利价值等，主要的付费数据有以下几项：

付费收入金额：某时段内用户付费的总额。付费用户数：某时段内发生付费行为的用户的总数。新付费用户数：某时段内新增的付费用户的数量。付费转化率=付费用户数/XX用户数，根据产品的业务形态，“XX用户数”可以为视频产品的“点播用户数”。付费率=付费用户数/活跃用户数（日、月）。ARPPU值（付费用户的平均付费值）=日付费收入/日付费用户数。ARPU值（活跃用户的平均付费）=日付费收入/日活跃用户数。收入占比=某单项收入/总付费收入。收入曲线：每日、每周、每月的付费曲线，通过观察付费的高峰期，针对性地进行营销活动；付费路径：分付费路径进行付费收入和付费用户数的占比统计，对占比较大的付费入口进行营销活动的露出，占比较小的入口进行产品侧的优化。

三、 产品的页面数据

产品的页面数据主要是根据用户在页面中的行为作出埋点，从而获取的数据；页面数据对产品的功能优化有很大的指导意义，主要的页面数据有以下几项：

PV（page view）：即页面浏览量，针对网站产品而言，，通常是衡量一个网站流量的主要指标；针对客户端产品，则是衡量某个页面的流量的指标。UV：(unique visitor)：即页面独立访问量，有称为独立访问用户，是PV经去重后得到的数据。页面平均停留时长：用户在该页面内停留时间的平均值。人均页读数：用户在进入客户端后到达的页面数的均值。跳出率 ：指用户在只访问了入口页面（例如软件登录页、开机引导页等）就退出客户端的访问量与所产生总访问量的百分比。页面转化率：页面中某个功能的点击量和到达该页面的访问量的百分比，如电商产品的商品详情页中“立即购买”按钮的点击量与商品详情页的访问量的百分比，就是商品详情页-“立即购买”的转化率。

四、 产品的用户数据

产品的用户数据主要是根据用户在各个阶段的角色的不同为维度进行定义的数据，主要的用户数据有以下几项：

注册用户数：指用户下载运行，并且完成注册的用户数。登录用户数：登录应用后至当前时间，至少登录过一次的用户数；活跃用户数：登录用户数-新增用户数；新增用户数：在某个时间段（一般为第一整天）新登录应用的用户数；日活：当日访客/总用户数。周活：7日内访客(去重)/总用户数。月活：30日内访客(去重)/总用户数。流失率 ：是指用户的流失数量与全部用户数量的比例。转化率 ：正式成为用户的数量和未知意向的潜在型客户的数量的比率。二跳率(一跳、二跳、三跳)：漏斗模型，没进入一个层级用户的流失率。留存率=登录用户数/新增用户数*100%（一般统计周期为天）次日留存率：（当天新增的用户中，在第2天还登录的用户数）/第一天新增总用户数第3日留存率：（第一天新增用户中，在往后的第3天还有登录的用户数）/第一天新增总用户数，还可用7天，30为周期计算周留存率和月留存率。LTV（用户生命周期价值）=一段时间内的付费收入/一段时间内的新增用户数；一般指的是3日、5日、7日、14日、30日、60日、90日LTV，即用户首次登录到以上日期所带来的价值。

五、数据分析思路

有了上面提到的这些数据，仅仅是一个基础。更重要的如何利用这些数据，进行分析，从而获取对于产品的指导意义。要让这些数据有意义，首先要建立起产品的数据体系。做好客户端埋点，产品数据定义这些基本工作后，制定日常的数据监测机制。有了周期性的数据监测，才能从数据中发现问题，并深入分析问题，寻找解决问题的方法。

第一步，找到问题所在，我们要发现发生了什么问题？如一段时间内的用户留存率忽然降低。第二步，找到问题发生的原因，寻求为什么会发生这个问题？在用户层发现的问题，就需要下沉至功能层。如用户留存率降低的原因，是不是因为产品的功能无法满足用户的需求或者功能的改版增大了用户的学习成本。这个阶段中，要勇敢猜测，大胆求证。第三步，在可能的问题发生原因的基础上，通过产品或者运营的方式来尝试解决问题。第四步，在采取一定的解决问题的措施之后，要持续数据监测，通过数据观察措施的有效性；并及时调整措施，知道问题得到改善或解决。

文|小天文章源自：起点学院学习联盟

在小白们眼里，大神们的数据分析报表基本上是这样的……

要么就是像这样的……

而大部分人，差不多是这样的……

啊多么痛的领悟……

怎样才能又快又好地做出一份高颜值的数据报表呢？带着立志要把这样的图表从癞蛤蟆脱胎成白天鹅的坚定和悲壮，这里搜集了5个笔者之前用过，用户评价不错，用起来还顺手的可视化数据平台。

话不多说，直接上正文。如果你也有推荐的平台，欢迎留言分享~

-1-Echarts

没想到这个第一次用就惊艳到我的产品竟然是国产，而且还来自百度，简直堪称良心。先上几张用Echarts制作的效果图。

貌似很多小伙伴喜欢用Echarts制作地图类的可视化效果……毕竟酷炫……

除了这些惊艳的地图，Echarts同样可以运用于散点图、折线图、柱状图等这些常用的图表的制作。

如果你需要展示实时变化的数据，相信Echarts里的动态接口会对你十分有帮助。

Echarts的优点在于，文件体积比较小，打包的方式灵活，可以自由选择你需要的图表和组件。而且图表在移动端有良好的自适应效果，还有专为移动端打造的交互体验。

-2-Highcharts

这个也是很多小伙伴在使用的一个平台。完全不用担心找不到参考的样图，因为已经有很多中国区的用户在上面更新并维护着很多实例，你往往能从这些丰富的例子找到类似的表达样图。

它的图表类型自然也是很丰富啦，线图、柱形图、饼图、散点图、仪表图、雷达图、热力图、混合图等类型的图表都可以制作，也可以制作实时更新的曲线图。

Highcharts对非商用免费，对于个人网站，学校网站和非盈利机构，可以不经过授权直接使用Highcharts系列软件。Highcharts还有一个好处在于，它完全基于HTML5技术，不需要安装任何插件，也不需要配置PHP、Java等运行环境，只需要两个JS文件即可使用。

-3-帆软报表（FineReport）

FineReport的可视化效果虽然没有上面两种那么酷炫，因为定位是报表软件。但是赢在操作相当简易，不会上面那些复杂的代码也没关系。它采用类似于Excel的编辑器，只需要点选拖拽等操作，拖动数据列绑定至对应单元格，简单设置就可以在web端查看数据展示。

目前，它有普通报表、聚合报表和决策报表三类报表设计模式，基本可以满足企业各类日常数据分析的情景需求。

数据的可视化与交互效果也很不错。最牛逼的可以做高大上的动态报表

还有一个比较强大的地方，就是它的数据填报。区别于传统意义上只能做数据展示的报表，FineReport允许用户对数据库的增删改。而且，它填报报表的流程非常简单，只要四步：报表设计、控件添加、设置填报属性和填报录入，这样，填报工作就能轻松搞定啦~

-4-数说立方

数说立方是大数据应用与服务提供商“数说故事”旗下一款面向数据分析师的在线商业智能产品。在数据的可视化呈现方面，操作比较简便，即使是非数据分析的专业人员，也能轻松实现。

同时，它的实时数据可视化引擎也能让使用者可以第一时间获得数据的可视化反馈，直观地了解到数据的变化情况。

-5-PowerBI

PowerBI是微软发布的一款可视化BI工具，类似Excel升级版的大表哥。一改以往excel需要数据透视表，写大量函数的复杂特点，这款工具拖拖拽拽操作起来十分简单。

许多在线教育产品没有针对幼儿发展特点并迎合幼儿和家长的需求，导致大多数中国家长并不倾心于在线早教产品，而是寻找线下的早教机构。

在中国“互联网+”和创业浪潮中，在线教育渐成“风口”，最近几年中国市场出现了大批线上幼儿教育产品。为了掌握家长对于众多线上产品的真实态度，我和团队自2016年以来历时一年多时间，以问卷、走访的形式接触了6万余名中国中产家庭的年轻家长，并利用机器学习的手段分析了调查问卷答案中的大量文本与数据。受访家长主要分布在一、二线城市，基本上是白领及以上人群，家庭年收入为20-60万元人民币，他们孩子的年龄在2-6岁之间。

图1： 11个城市的中产以上家长认真填写了问卷调查，涵盖北京、上海、广州、深圳、杭州、长沙、成都、武汉、哈尔滨、大连、长春。

根据数据挖掘与深入的分析，我们发现了一些规律与趋势：

约66%的受访家长在被描述得“天花乱坠”的线上产品中为幼儿选择学习产品时十分迷茫或者谨慎。他们更喜欢把钱投向幼教实体机构，譬如早教课或者辅导班，主要原因在于很多家长担心让孩子接触在线产品很可能会影响视力发育。其次家长不清楚在线产品是否对自己的孩子适合。他们也担心幼教产品只能提供碎片化的知识，缺乏科学性、系统性。其中一部分家长还提到很多产品内容质量低劣，不适合幼儿的健康发展。对于线上产品的价格，很多家长为了自己的孩子，倒不是特别在乎；与其他担忧相比，该项排在末位（图2）。

图2： 受访家长对于幼教类机构的偏好综合排名，以及对线上产品的担忧

只有约34%的受访家长给孩子购买并使用过线上产品，并且绝大多数家长会倾向较出名的产品。市场上其实有很多线上产品较少有人问津。受众支持率高的个别产品主要是视频类、游戏类。家长认为线上产品的优点主要是方便、有趣，孩子比较喜欢，这些关键词出现的频率很高（图3）。但家长们极少提到这些产品内容优秀。基本的情况是孩子在使用后，开心放松一下，没有学到实质性的内容。

图3： 家长对线上产品评价的高频词

实际上，给孩子使用过线上幼教产品的家长严厉批评了市场上的大部分线上产品。这其中近46%的家长认为这些产品内容缺乏创新性，互相模仿的居多。38%认为娱乐成分过大，实质教育内容少，几乎没有教育理念，缺乏科学性。其余16%的家长认为大部分产品没有考虑到家长引导的重要性（图4）。

图4： 家长对线上产品的批评

从调查数据来看，许多推出线上产品的公司机构没有搞清楚年轻家长们的需求。那么这些家长们的需求是什么呢？

首先，提供优秀的线上产品应该认清年轻家长在教育启蒙期期望重点培养孩子什么能力。我们发现家长特别强调五方面能力。综合排名由低至高依次是：团队合作能力、语言表达能力、动手能力，创新思维能力以及独立思考能力（图5）。

图5： 家长希望着重培养孩子能力的综合排名

此外，要认清在内容方面，家长希望孩子能够通过在线产品学到哪些知识。当前家长比较看重自然科学、健康、英文方面的知识。这与中国倡导科技、国际化发展以及注重健康养生等大方向息息相关。对于艺术和社会科学等方面的知识，家长也希望孩子涉猎，但是在先后顺序上靠后（图6）。

图6： 家长希望孩子所学知识的综合排名

而且，在内容设计到位后，还要认清线上产品必须具备哪些特点才能博得家长的芳心。趣味性、互动性、教育理念清晰、能够因材施教，也是家长特别关切的因素（图7）。

图7： 线上产品最重要的5大特点综合排名

令人叹息的是，国内大多数设计线上产品的公司、机构的主要目的，是为了吸引家长的眼球，实现商业盈利，而非从以幼儿为中心的角度出发。没有针对幼儿发展特点以及更加深入剖析并迎合幼儿、家长的需求，导致的结果是大多数中国家长并不倾心于在线早教产品，而是寻找线下的早教机构。

最近我和美国以及国内的一些教育同仁交流此话题时，大家也都表示理解与担忧。长路漫漫兮其修远，我们应上下而求索。

大数据分析，是互联网从业者必须具备的一项基础技能，只有掌握数据分析，做项目才能更科学化、对于项目的预判，能够更准确的把握。今天分享的这些数据分析工具，是我们分析项目经常用的工具，毫无保留的分享给大家，希望大家在操作项目的过程中熟练的使用这些工具。 定能够让你在网赚道路上无往不胜。1、百度指数第一款必备工具。百度指数，我们在查询某一些关键词的时候，首要考虑的就是百度的数据如何，因为百度这个搜索引擎在互联网搜索引擎中占据的份额最大，数据精准度高。检索的很多关键词以及一些热点词的数据对比，都能直观展现出来，通过人群、年龄、性别、兴趣爱好、地域等更为详细的信息，方便我们做出更理智的判断。

2、微指数我们在查询一些关键词的时候，要分析社交数据。对于产品传播非常重要，通过调查数据，我们知道如何把握住当今热点，让产品蹭热度飞一会，是很多商家考虑的问题。新浪微博旗下产品微指数，可以很容易帮我们把控热点关键词。让我们清楚地看到近七天趋势如何，及时对产品做出调整。

3、阿里指数我们在操作某宝店铺项目的时候，需要分析更多的数据，来确定标题内容如何定位优化，用户检索更为简单，如何蹭热点关键词飞上那么一会儿，如何引爆流量做核心爆款。这个跟成交量有非常大的关键，哪类行业有哪些关键词在搜索时上升幅度比较快，很有潜力，知道这些信息后，我们都需要提早的布局。等相关的关键词上升到一定幅度时，我们恰好出现在热点上，在用户检索时很容易爆单。这个数据分析工具是中小卖家逆袭的机会。一定要好好研究。

4、腾讯指数BAT三大巨头，柒点哥介绍两家了，怎么可能缺少 TX 指数，TX 旗下的各类产品琳琅满目，自然对数据掌握的精准程度不是一般企业可以比拟的。算得上行业顶尖了。但是目前为止使用腾讯指数分析的用户实在少之又少，大部分人不知道这个功能，今天柒点哥告诉大家，腾讯确实有指数分析的功能。而且可以从九大品类开始分析数据，可以说是一款很强大的运营工具。

5、爱站网爱站网：是一个综合性的数据分析平台。我平常都在用这个网站分析一些网站相关的信息，比如，网站收录状况，PR值，域名信息，友情链接等一些数据。但是最长用的一个功能就是长尾关键词发掘。这项功能有助于我们通过主关键词，发掘带流量的附属关键词的状况，类似于百度推广后台的数据分析。非常不错的免费工具，大家以后可以常用。

6、QQ指数QQ指数是一款基于QQ平台用户数据分析的移动端指数类产品，定位于洞察QQ平台上年轻人最新、最热、最关注的社交内容，通过分析QQ平台上用户公开发表的说说、评论及搜索、浏览等行为数据，发现年轻人的热点趋势及舆论风向，透过QQ指数可以快速掌握年轻人的兴趣喜好和行为习惯等信息。作为T讯旗下最为核心的产品，对于我们互联网人士来讲，把它称为流量的天堂，只要随便找一个平台来操作产品，坚持一段时间都能暴富的。所以研究T讯系的核心产品，离不开QQ指数这个工具，对于我们把控QQ流量热点的趋势有很好的帮助，是非常重要的营销利器。

QQ指数官方账号：qq搜索框搜索 QQ指数，关注公众号即可查询，主要是带认证图标的那个。7、微信指数微信指数是微信官方提供的基于微信大数据分析的移动端指数。2017年3月23日晚，微信官方推出了“微信指数”功能。作为T讯旗下，第二个核心产品，微信可以说是后来者居上，各种苗头都表明要赶超QQ的趋势，对于我们互联网人士来讲，这是最好的变现渠道。因为很多网赚项目，最后结款的地方都是在微信端成交的。所以我们非常有必要来分析他的数据，基于微信推出了这一功能，让我们省了很多分析微信数据的时间。

微信指数官方渠道：小程序搜索微信指数8、安卓权重榜我们操作的一些项目，免不了在APP上操作，但是这个平台流量如何，以及人群属性，都很难预估。但是我们又必须了解数据才能够伸缩有度，所以我常用的这款APP数据软件，就能够给我带来客观的数据。

9、新榜以榜单为切口，新榜向众多500强企业、政府机构提供线上、线下数据产品服务，“号内搜”、“新榜认证”、“分钟级监测”获得广泛应用。在协同内容创业者商业化方面，新榜依托数据挖掘分析能力，建立用户画像和效果监测系统，连接品牌广告主和品牌自媒体。作为公众号的运营者，我特别注重公众号的分析，以及项目渠道的发掘。新榜作为专业的内容数据提供商，我是经常会使用他来分析数据，查看某些公众号潜力，随时观察它的盈利模式以及动向。

10、梅花网作为互联网人士，写文章投放广告，是我经常要做的事情，但是如何让广告的每一分钱都花到潜在客户身上，是我经常要考虑的。如何知道同行在哪里投放广告，也是我所关心的，梅花网是广告监测比较专业的网站，我经常用来分析广告数据，在这里推荐给大家。

总结：以上的十个工具呢，就是我经常用到的数据分析工具。我认为这是每一个互联网从业者都具备的基本功，用好数据分析，操作项目更加的事半功倍。但是用的时候不能太死板，可以结合起来相互用。实干派动手做，花架子空叹息，让技术为你工作。赚钱的玩法很多，只有思路够宽，你才能走的更远。没赚到钱，并不是文章干货不够，而是你懂得太少了。 保持空杯心态，永远在进步。

图片 | 摄图网

很多朋友会问，我们做产品数据分析要分析哪些呢？当然就是分析数据指标。那是不是首先要先熟悉数据分析中的术语有哪些，其次要知道针对这些指标数据有哪些分析维度。今天我们就来学习这方面的内容，请耐心看完哦！

一、数据分析“行话”

每个领域都有它的专业术语，先来扫扫盲吧！

平均数；数据分析中最普通的一个数据分析术语。

绝对数和相对数；绝对数指到底有几个，而相对数是指相对于之前数据的一个 对比值。

百分比和百分点；百分比是指标最常用的表现形式，通过用“%”表示。百分点是指不同时间以百分比数表示的变动幅度。

频数和频率；频数是一个比较直观的数量，频率就是频数与总数之间的比值。

比例和比率；比例是指在总体中各数据占总体的比重，通常反映总体的构成和比例，即部分与整体之间的关系。比如：某公司部门由男生10人，女人30人。则男生比例1/4，女生比例就是3/4。比率是指总体中某些数据之间的比值。反应了整体汇总部分与部分之间的关系，以上面列子说：男女比例为1:3。

倍数和番数；部数是指两个数据成倍关系，我们经常会表达“今天是昨天3倍”；通过是用一个数据除以另一个数据获得的。倍数一般用来表示上升、增长幅度，一般不表示减少幅度。而番数最容易误解，指原来数量的2的n次方。比如：今天利润比去年翻一番，就是今天利润是去年的2倍（2的1次方），那今年利润比去年翻两番，就是今年的利润是去年的4倍（2的2次方）。很多人最容易搞混的就是这两个，翻倍远远比不上翻番。

同比；指的是历史同期相比较而获得的比值，反应事物发展的相对性。比如：某公司今年第一季度海产品产量比去年第一季度的海产品产量增加了40%，这就是同比。通俗的理解就是：同比=2017年4月/2017年4月。

环比；指的是与上一个统计时期的值进行对比获得值，主要反应事物的逐期发展的情况。例如：某公司今年第2季度海产品产量环比增长20%，表示某公司今天第2季度海产品比今天第1季度海产品增长了20%.通俗的理解：环比=2017年2月/2017年1月

二、数据分析指标

网页指标

是我们在产品运营过程中谈及最多的指标，但这里要强调的是网页指标是web端的一个指标概念。当然随着移动互联网爆发，现在也应用到移动端上。

PV我们天天听别人说PV，那是什么呢？就是指的页面浏览量（page view），用户每1次对网站中的每个网页访问均被记录1次。用户对同一页面的多次访问，访问量累计。在一定的统计周期内用户的每次双薪网页一次也被计算一次。可通过后台运营获得数据；当然也可以通过相关统计工具获得，如公开的：Alexa、百度统计、Google Analysis、友盟等，一般来说PV与来访者的数量成正比，但是PV并不是直接决定页面的真实来访数量；例如：同一个来访者通过不算的刷新页面，也可以制造出非常高的PV。所以往往看PV的时候也要对比的看看UV。

UVunique visitor，即独立访客，这里用户会按照用户维度进行划分，一个用户一天内访问多次我们只记录1次，也真实反映了一天内到底覆盖多少用户量。使用独立用户作为统计量，可以更加准确的了解单位时间内实际上有多少个访问者来到了相应的页面。

跳出率指用户到达你的网站上并在你的网站上仅浏览了一个页面就离开（此时用户就做出了跳出的行为）的访问次数与所有访问次数的百分比。这里的访问次数其实就是指的PV。浏览单页即推出的次数/访问次数。

举一个例子：在一个统计时间内，一个网站有1000个不同访客从某一链接进入，并且其中有50个人没有二次浏览行为，是直接推出网站的，则针对这个链接的网站跳出率为50/1000=5%。

但是有些行为虽然跳出了，但不能算作真实的跳出率。例如：页面中加入有导出的链接（合作伙伴、支付页面、二三级页面等），都不算是负面的跳出。所以我们要根据不同的情况统计有效的数据才能得出可靠的跳出率。

尤其重要的指标：它说明了网站用户体验做的不好，用户进去就跳出去了。网站没有满足用户的期望与需求或者是人群定位不精准，反之如果跳出率较低，说明网站用户体验做的不错，用户能够找到自己的需要的内容。而且以后他还可能还会在来光临你的网站，提高了用户粘性。慢慢的可以积累大量的网站用户。退出率再看一个跟跳出率相似的指标：退出率。就是指对某一个特定的页面而言，从这个页面离开网站访问数占所有浏览到这个页面的访问数的百分比。从该页面退出的页面访问数/进入该页面的访问数，可采用访问的统计工具（像：Google Analylics）进行统计。

它从某些方面就反映网站对于访客的吸引力，如果退出百分比很高。说明访客仅浏览少量的页面便离开了，因此当你的网站退出百分比很高的时候就要想办法改善你网站的内容来吸引访客了。跳出率与退出率对比大家肯定觉得他们有相似的地方，但它们衡量标准不一样。所以我觉得还是要讲一下两个关系对比！跳出率适用于访问的着陆页（就是用户访问的第一个页面），而退出率则适用于人和网访问的退出的页面（就是用户访问过程中在你的网站上访问的最后一个页面）。

退出率是对于特定的页面来说的，对于网站整体来说并无意义，因为来到网站的访问必然最终都会离开网站，对于网站整体来说其退出率必然是100%。而跳出率则可以适用于着陆页面，也可适用于网站整体。

跳出率只能衡量着陆页的访问，跳出率分母等于最后访问的数量，而分子则是跳出的访问数量。退出是针对全部的访问页面，不限于着陆页（任和页面都有退出率）。退出率的分子=退出的次数（包括一次访问过程中的用户浏览单页即跳出的次数，也包括浏览多页后从该页面退出的次数）。今天分享就到这里，明天我们继续！

分享职场技能知识｜应聘高薪掘金岗位

一、数据统计的名词术语

提示：先把基本概念掌握，再慢慢沉淀。

PV（Page View）:即页面浏览量或者点击量，用户没刷新一次即被刷新一次。

UV（Unique View）:独立访客，访问您电脑的一台电脑客户端为一个访客。提示：00：00-24：00内相同的客户端只被计算一次。

新增用户数：又被称为激活用户数或者安装用户数。

活跃用户：指一段时间内启动或登录过应用的用户。包括：日活（DAU）,即每日活跃用户数；周活（WAU）,即每周活跃用户数；月活（MAU）,即每月活跃用户数。

启动次数：用户对产品的一次使用即为一次启动。有日平均启动次数：该日平均每用户启动应用的次数。

最高用户在线数（PCU）,它是衡量系统运行压力的重要指标，以及衡量产品在运营期间受欢迎程度，大多数以游戏产品为主。

渠道：市场营销专业术语，商品销售路线，是商品的流通路线。我们获取产品的渠道一般为以下商店。

获客成本：营销成本/新增用户，新客户一般包括：新访客，新注册用户，第一次下单的客户。

平均付费（ARUP）=总收入/付费用户数，它一般从某个程度上是衡量产品的盈利能力，也是从某个方面衡量产品的发展活力。

转化率：网站转化率=进行了相应动作的访问量/总访问量。它是衡量网站内容对访问者的吸引程度以及网站的宣传效果。

二、数据的维度与指标

提示：理解什么样的数据表现是健康的。

1、用户留存：用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用应用的被认作是留存用户，这部分用户占当时新增用户的比例即为留存率。次日留存率=（第一天新增的用户中，第二天还登录的用户数）/第一天新增的用户数*100%。

- 产品生命周期：

（1）相遇：初期（1-7天内使用产品情况及意愿）

（2）相知：成长期（2-4周）

（3）相恋：忠诚期（5-10周）

（4）相离：流失期（11-12周以后）

反映问题：用户留存率用来评定用户粘度，应用质量最直观的说明；留存率越高，说明产品的质量越好，用户的忠诚度越高。

指标维度：

（1）次日留存（1Day Retention）:用户首次体验满意度。

（2）7日留存（7Day Retention）：完整体验后留下来的忠诚用户。

（3）30日留存（30Day Retention）：主要看版本更新后，用户的流失情况。

健康表现：用户的留存1日，7日和30日留存有着一定的转换关系。从行业的普遍规律来看，留存率的健康指标为：4-2-1，即健康的应用，1日，7日，30日用户留存率应不低于40%-25%-10%的水平。

2、用户活跃率

活跃率=一段时间内的活跃用户数/总用户数。

3、电商平台关注数据指标

核心指标：成交金额（GMV）,交易数量（Transations）,均价（ARUP）,用户的复购率，购买频次，年度复购率。

指标维度：用户交易数据，用户行为数据，用户来源数据

4、内容型平台关注数据指标

- 基本指标：页面浏览量，访问量，独立访客数，跳出率，页面停留时长，网站停留时长，退出率，转化率，页面退出率

- 指标维度：

（1）内容热度：分享次数，推荐次数，点赞次数，评论数

（2）用户情况：新用户，活跃用户，沉寂用户占比的变化，增长的趋势等

5、若想了解一个行业或一个产品的数据，如何收集到靠谱的数据呢？

- 切入思路：从流量、市场占有率、用户交付使用深度，舆情等角度

- 常用工具：Alexa、AppAnnie,ASO 100,艾瑞的互联网行业研究报告，Gartner的研究报告，IDC,TalkingData的游戏行业研究

三、如何进行数据估算

提示：善于理性思维，解决具体问题。

分析数据需明确边界

如估计北京有多少辆汽车？

（1）考察目的：数据分析能力，逻辑分析能力，全面思考能力

（2）解决问题的思路：

四、常见的数据统计分析工具

提示：工欲善其事，必先利其器。

常用工具：百度统计，CNZZ站长统计（免费），诸葛io(免费+企业版)，TalkingData，有盟统计，自主研发

五、产品数据分析的三个层次

六、AARRR运营模型

AARRR模型也称为海盗法则。

移动互联网分析

七、数据分析的6步曲

数据分析过程中，主要包含6个既独立有相互关联的阶段。

（1）明确分析目的与思路

（2）数据收集

（3）数据处理

（4）数据分析

（5）数据展现

（6）撰写报告

文章来源：Feng继续吹

PS：网舟科技长期专注于金融保险、通信、航空、互联网、旅游酒店等行业的电子渠道大数据运营，为客户提供全球领先的电子渠道转型咨询、大数据挖掘和应用定制服务，助力客户互联网转型，提升数字化运营和数据营销能力。