期刊信息
曾用名:现代图书情报技术;计算机与图书馆
主办:中国科学院文献情报中心
主管:中国科学院
ISSN:2096-3467
CN:10-1478/G2
语言:中文
周期:月刊
影响因子:0.912234
数据库收录:
北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2017版);中国科学引文数据库(2017-2018);中国科学引文数据库(2019-2020);中文社会科学引文索引-来源(2017-2018);中文社会科学引文索引-来源(2019-2020);国家哲学社会科学学术期刊数据库;中国人文社科核心期刊;中国科技核心期刊;期刊分类:图书情报与数字图书馆
期刊热词:
研究论文
三步搞定数据统计分析:统计+分析+可视化(2)
【作者】网站采编
【关键词】
【摘要】收入事件的含义:用户自定义的收入事件,系统会自动生成该事件的发生次数、人数和分布情况,并根据该事件的属性计算该值的总值您选择的值类型。人
收入事件的含义:用户自定义的收入事件,系统会自动生成该事件的发生次数、人数和分布情况,并根据该事件的属性计算该值的总值您选择的值类型。人均和低于平均水平。也就是说,您可以看到用户如何花钱。
5. 用户特征
用户特征含义:可以看到我们的用户,所有哪些怪物和鬼是他们~
二、分析
埋藏数据后,就是如何利用这些数据,充分挖掘这些数据的价值。
还有更多的数据分析例程。学会以下,你应该就能搞定“28原则”中的“八”了~
1.常用数据分析指标
综合指标:反映产品的整体情况。
流程指标:反映用户行为。
业务指标:反映具体业务情况。
2. 常用数据分析维度
数据切分:通过不同的切分维度分析可以经常追溯问题的原因,也可以为后续的一些操作提供参考。
数据对比:没有对比就没有坏处。一方面是横向比较,就是自己和别人比较,比如长江同比、环比;另一方面是纵向比较,即比较自己和自己。如行业竞品、全站数据、AB测试等。
3.常用数据分析方法
1) HEART模型
< p>谷歌HEART模型的引入让大家反思自己的产品设计思维,同时利用相关的设计工具对HEART的五项指标进行改进改善用户体验,创造更好的产品。2) AARRR 模型
该模型来自“Growth Hacker”。 2007年提出,当年的获客成本比较低,而且这个模式非常简单,非常直观地突出了所有增长的重要元素,所以这个模式流行了很久。
3) RARRA模型
现在获取客户的成本越来越高,市场形势与2007年完全不同。现在黑客增长的真正关键在于在用户保留,而不是客户获取方面。于是,一个强调用户留存重要性的模型 RARRA 诞生了。
三。可视化
有了统计数据和分析维度,最后一步就是可视化!
这个链接的目的很简单。领导看到后,不禁发出“操,牛x!”的感觉,没关系~
完成这一步,又快又好,自然要参考各种规格。首先我们可以去一个叫“e-chars”的网站查看各种可视化图表,因为很多时候在开发中,代码都是基于这些开源的图表库。
我们在设计的时候,需要用到各种原型组件。数据可视化的内容很多,我们举几个典型的例子。
1.折线图
注意:选择的线型要比较粗。一般不超过5条线,不使用斜线标签,纵轴一般从0开始,预测值的线型改为虚线。
2. 柱状图
注意:相同数据系列使用相同颜色。不使用倾斜标签,纵坐标轴一般从0开始。一般来说,最好在柱状图中添加数据标签。如果添加了数据标签,您可以删除纵坐标刻度线和网格线。
3. 条形图
注意:相同数据系列使用相同颜色。不要使用倾斜的标签,最好加数据标签,尽量将数据由大到小排列,便于阅读。
4.饼图
注意:从12点开始数据排列,最重要的部件靠近12点钟位置。数据项不要太多,保持在6项以内,不要使用爆炸式饼图分离。但是,可以将某个切片的扇区分开,前提是您要强调该切片。
饼图不使用图例或 3D 效果。当扇区填充颜色时,建议使用白色边框线,具有更好的切割感。
5. 其他
还有很多其他的数据可视化图表,其意义在于用图表代替大量的堆积图,有助于读者更形象、更直观地看到问题和结论。
四、结论
好了,以上就是今天的全部内容。正如前言所说,今天只讲武功,不讲内功。
扩展一下:数据统计分析最终必须来自业务,走向业务。所有形式都是次要的。关键是以解决企业问题为根本!
但是对于我们这些“新手”来说,经验当然是可以借鉴的!相信今天总结的内容已经足够支持大家的对比了。
#专栏作家#
小庄同学;公众号:小庄的产品笔记,大家都是产品经理专栏作家。互联网老手,各大平台专栏作家。
本文最初由所有产品经理发布。未经许可禁止转载
标题图片来自Unsplash,基于CC0协议
文章来源:《数据分析与知识发现》 网址: http://www.sjfxyzsfx.cn/zonghexinwen/2021/0629/1323.html