互聯網產品的16個關鍵業務指標 mixpanel150 _經驗分享

更新iOS 15后無法連接app store怎么回事？
有用戶反映升級 iOS 15 后無法進入 App Store、SIM 卡無服務等問題。目前蘋果還未對此作出回應，提示iPhone系統存不存在。目前，蘋果方面還沒有回應，而上述問題也暫時沒有太好的解決辦法。
2021年月，蘋果發布了iOS 15正式版，來自數據分析公司Mixpanel的數據顯示，iOS 15的安裝普及率不及去年的 iOS 14 。
約有8.5%的用戶升級至 iOS 15，去年這個數字為14.5% 。Mixpanel 的數據來自網站和應用的訪問統計，所以并不是官方數據。蘋果官方還沒公布iOS 15升級率，2021年 6 月時蘋果官方的數據為iOS 14升級率為85% 。
解決辦法：降級
本次的ios15的大版本提升并未實現多數人的滿意，很多小伙伴選擇降級到14.6正式版，這也很正常，畢竟沒人會用一個不舒服的系統。
大家根據自己的機型來選擇，建議使用xr以上機型，新手不要嘗試，刷成白蘋果可能你的花錢去門店去恢復系統。非主力機可以降級。

用戶行為特征用戶行為特征
用戶行為特征，對于運營來說用戶的行為是需要關注的一個點，很多時候用戶的行為決定了一個網站甚至是一個軟件能否繼續運運營下去，所以通常都是要對于用戶行為特征進行一個分析，下面一起看看相關內容。
用戶行為特征1
用戶行為是用戶在產品上產生的行為，實際表現為相關的用戶數據。產品經理運用不同分析方法對不同數據進行分析，進而為產品迭代和發展提供方向。
一、用戶行為是什么？
1、用戶行為
用戶行為是用戶在產品上產生的行為。我們以小明的case具象化用戶行為表現：
因為小明關注作者的信息被記錄了下來，當該作者有發布信息時，則會通知所有關注他的人，而小明也是其中之一。
小明關注作者的信息記錄，則是行為數據。小明的行為數據會有啟動app、瀏覽、查看圖集、播放視頻、點贊、關注作者……
2、用戶行為數據
用戶行為數據是從一次次的行為中而來的，行為數據是通過埋點進行監控（相見埋點介紹）、后續一篇文章將介紹如何（設計埋點）。通常是數據同學完成埋點設計，由開發完成監控程序或調用SDK 。針對小明的行為（假設以下均已埋點）：
3、用戶行為分析
是指對用戶行為數據進行數據分析、研究。
4、用戶行為分析的作用
（1）通過用戶行為分析，可以還原用戶使用的真實過程。
一個xxx的人在什么樣的環境中（由于什么樣的行為）在時間點做了xxx事情做了什么事情結果如何
（2）“了解用戶，還原用戶”是“以用戶中心”的第一步。只有詳細、清楚的了解用戶的行為習慣、真實的使用路徑、進而找出產品使用、渠道推廣等過程中存在的問題，提高用戶/頁面/業務過程中的轉化率。
（3）用戶行為分析（case需要補充）可以用于
A、拉新：渠道分析、SEM分析、用戶質量分析、
B、轉化：新增用戶注冊轉化過程、產品使用過程轉化（搜索、推薦等）、push推送調起過程、站外拉起過程
C、促活：用戶停留時長、用戶行為分布、
D、留存：用戶留存分析
E、商業化：根據用戶歷史行為展示廣告
二、如何進行用戶行為分析？
1、行為事件分析
行為事件分析方法主要用于深度研究某行為事件，以及對產品的影響以及影響程度。
針對某一具體行為，全面的描述、對比，針對其異常表象深度下鉆分析各維度、確認導致該行為數據表現的原因。如快手的播放量徒增:同期對比分析，確認歷史上是否有發生過，對比去年/上個季度/上月/上周/昨日的數據的相對表現。多事件對比分析。對比瀏覽量、點贊、評論、分享事件的數據是否存在徒增。通過對比多個事件，確認徒增現象發生的范圍。維度下鉆：由于播放量取決于3個部門用戶在快手消費視頻，被監控程序上報。
所以在三個方面分析：
監控程序是否異常？在快手哪個頁面的播放量增加呢？是發現、關注、還是同城？-> 對應頁面做了哪些調整？是否增加了引流；哪一部分用戶群的播放量增加了？交叉分析用戶自然屬性（平臺、性別、年齡、地域、教育學歷、機型、消費能力）、行為屬性（新增、回流、常活躍用戶；直播用戶、短視頻用戶…、）、視頻屬性（視頻類型、作者類型…、）
2、留存分析
留存是衡量用戶是否再次使用產品的指標，也是每一個app賴以生存的指標，能夠反映任何一款產品健康度，是產品、運營、推薦效果的整體表現。如果一個app從來沒有留存用戶，那DAU將永遠是新增用戶，那么產品將無法運行下去，更別說新用戶成本付諸東流。
貼合業務屬性、精細化留存過程將對留存數據更有價值和指導意義。通過留存分析，能夠剖析用戶留在產品的原因，從而優化產品核心功能提升留存。
留存的類型：
用戶留存：用戶使用app后，經過一段時間仍舊使用。功能留存：用戶使用xxx功能后，經過一段時間仍舊使用該功能，且其他功能均有所變化。此時，該功能對用戶留存有正向作用。先前有寫過留存分析的文章，這里就不贅述了。
3、漏斗分析
漏斗分析實質是轉化分析，是通過衡量每一個轉化步驟的轉化率，通過轉化率的異常數據找出有問題的環節并解決，進而實現優化整個流程的完成率。
在產品初期(處于與市場適配的階段)：通過漏斗分析找到用戶觸達的瓶頸，幫助用戶觸達產品核心價值，真實反映MVP與市場匹配程度；在產品中期(處于用戶平穩增加的階段): (1)通過漏斗分析優化渠道，找到目標群體用戶; (2)通過漏斗分析優化用戶在各模塊的體驗(基礎的登錄模塊、產品核心價值模塊: 如抖音的播放模塊、淘寶的購買模塊等)；在產品后期(處于用戶價值產出的階段): (1)通過漏斗分析可以改善用戶生命周期(優化用戶體驗提高用戶生命周期，間接拉長用戶群體的價值產出的時間長度，減少高價值用戶群體的流失)；(2)可以通過漏斗分析優化商業化模塊，像商品的購買過程（購物車-提交訂單的轉化漏斗）、廣告的曝光點擊等，提高生命周期中單位時間產生的價值。
4、路徑分析
路徑分析可以將紛雜的app日志按照用戶的使用過程，呈現出“明確的”用戶現存路徑。發現路徑問題，進而優化，使用戶盡可能短路徑體驗到產品核心價值。
通過路徑分析，可以了解到像小明這樣9點左右播放視頻的用戶：他們是通過push點擊而來，這部分用戶占比是多少；他們匆匆結束播放，再也沒有下一步行為，這部分用戶占比又有多少。針對他們利用碎片化時間播放視屏的場景，尤其是突然退出的'場景，是否在下一次打開app時，仍舊打開終端的視頻。是否有其他策略可以針對該場景來優化？
此外，路徑分析不僅僅可以用于行為路徑分析，也可以用于用戶群體轉化分析。例如：新用戶中分別轉化為忠實用戶、常活躍用戶、潛在流失用戶、流失用戶的分析。
5、用戶分群分析
通過了解用戶畫像，可以幫助運營理解用戶。根據用戶畫像（基本屬性、用戶偏好、生活習慣、用戶行為等）的標簽信息將用戶分群。
通過用戶分群行為表現對比，可以進一步了解不同群體對產品的反饋，有針對性的優化產品。
發現中西南地區的低端機型使用app時，奔潰率特別高，開發可以針對該點進行優化、降低奔潰率；可以針對不同的用戶群體的行為表現做定向投放、push等，從而實現精細化運營。業內的商業化行為分析產品，基本上將用戶畫像的生成、標簽的過程均合并在用戶分群的群體定義中，降低了操作流程。
三、用戶行為分析的完整鏈路
以小明為case的用戶行為每天數以萬/億計的產生，如何對“這類人群”進行“行為分析”？需要行為分析將明細級別的日志聚合后再以較為可讀的形式展示出來。
為了保障埋點可靠、數據上報及時、行為數據分析有效。需要一套完整的用戶行為系統，包括從數據埋點設計、埋點開發、數據上報、數據模型開發、行為數據分析。過程中也需要多方協作完成，如何保障多方協作中高效、便利的完成、產出具有業務價值的數據分析結論。后續將介紹服務于用戶行為分析的相關平臺介紹。
用戶行為特征2
一、什么是用戶行為
中國有句古話“天地四方為宇，古往今來為宙”，這句話揭示了空間和時間的概念。我們要想透徹地研究任何事物，常以時間和空間兩個維度來考慮。分析用戶行為也不例外。
換句話說，用戶行為的研究內容可以按照時間和空間維度展開。
從時間的維度來看，按照管理學大師菲利普科特勒的理論，用戶的行為軌跡包括：產生需求、信息收集、方案比選、購買決策；購后行為5個階段。其中購后行為包括使用習慣、使用體驗、滿意度、忠誠度等。
從空間的維度來看，用戶行為的構成要素包括5W2H，例如我們要全面描述用戶在購買階段的行為，就要回答這樣的問題，誰（who）？打算在什么時候(when)？什么地方(where)？買什么東西(what)？產生需求的動機是什么（why）？打算買多少（how much）？如何買（how）？同理，在使用階段也可以從這7個要素來描述。
5階段和7要素的結合，形成了用戶行為分析的研究體系。這個體系細化了用戶行為的研究內容，基于這些內容，就有了用戶調查問卷的一些基本的問題。
二、為什么分析用戶行為（Why）?
之所以分析用戶行為，是為了找到用戶行為的特征，從而為企業的經營提供支持。
大家想想，用戶行為具有哪些特征呢？
Q1: 用戶行為是同質化的，還是差異化的？
A1：差異化的，因此用戶行為具有差異性
Q2:用戶行為是靜態不動的，還是動態變化的？
A2:動態變化的，因此用戶行為具有流動性
Q3:用戶行為是相互隔絕的，還是相互影響的？
A3:相互影響的，因此用戶行為具有傳播性
差異性、流動性和傳播性是用戶行為的三個顯著特征。那么，這些特征具體是如何表現的，分析這些特征對企業的經營有什么作用？
這里我們只談差異性，后面的博文中會談流動性和傳播性。
用戶行為從時間和空間的維度，分為5階段7要素。因此用戶的差異性，就表現在這5階段和7要素上。例如，在產生需求階段，用戶的需求動機why不同。同樣是買電腦，有的是為了工作、有的為了學習、有的是為了消遣；再比如，在信息收集階段，用戶的信息收集渠道where不同。同樣是買房子，有的看網絡廣告；有的聽朋友介紹；有的到現場采點。
這里只舉了兩個階段，你能說出在其他階段用戶的差異性表現嗎？
意識到用戶的差異性，企業的營銷工作就不會搞一刀切，就不會拿大炮轟蚊子，而是會進行市場細分和目標市場選擇，然后針對目標用戶進行精準營銷。這種精準營銷體現在市場定位、競爭戰略選擇、品牌形象和營銷組合等很多方面。
三、如何分析用戶行為(How)？
這里我們只談差異性，后面的博文中會談流動性和傳播性。
我們前面談到因為用戶行為具有差異性，因此需要進行市場細分和目標市場選擇，那么如何進行市場細分和目標市場選擇呢？
市場細分的思路是看看從哪個維度切分市場，使所分得的細分市場內部具有的共性，細分市場之間具有個性。從哪個維度切要結合企業所處的行業特點的。例如食品市場，地域差異比較明顯，南甜北咸東辣西酸，所以食品市場可按地域分；服裝市場，性別差異非常突出，男款少而精；而女款多而靚，所以服裝市場可按性別分。此外二八原則，也廣泛用于市場細分，即我們可以按重要程度將用戶分為大中小三類。重要性可以有很多評價指標，比如規模、綜合實力、業內影響力、對企業的貢獻率、在同類產品上的總投入等等。
將市場劃分成幾個細分市場后，企業就面臨著目標市場選擇的問題。如何選擇目標市場呢？這是一個團體決策的過程，在選擇目標市場時往往需要企業的管理人員和骨干營銷人員坐在一起討論來確定。討論共有五步進行
第一步指標的選擇需結合企業自身的實際情況。例如，我是大企業，規模經濟是我的優勢，那市場規模就是我選擇的重要指標；我是中小企業，我要更關注競爭的激烈程度，因為競爭太激烈了，我可能無法存活。因此，競爭強度就是我選擇的重要指標。
第二和第三步確定優先級和為指標打分的方法可參考小蚊子的《誰說菜鳥不會數據分析》中的權重確定方法
第四步的綜合得分是第二步和第三步的結果加權平均得到。
第五步選擇目標市場可以企業適應度和市場吸引力為橫縱坐標，得出各個細分市場在四個象限中的位置。
六款免費的用戶行為分析工具測評
中國移動互聯網市場經過幾年的高速發展，增速已經明顯放緩，人口紅利逐漸消失。移動互聯網進入了下半場，市場競爭已經從增量用戶競爭逐步轉化成為存量用戶競爭。同時伴隨流量紅利消失，數據紅利時代已經到來，流程驅動性公司正轉變為數據驅動的數字公司，競爭從同業蔓延至異業競爭，跟隨用戶，跨場景地滿足用戶的需求將會成為數據紅利時代最核心的訴求。
如果說數字化轉型不可逆，那么對于用戶的精細化運營將會是數字化轉型的支撐點之一。要實現對用戶的精細化運營，必不可少要對用戶行為進行分析。比如對網站、APP等渠道的用戶行為數據進行采集，對獲取到的用戶行為數據進行多維度、多角度對比分析，用以指導提升獲客效率、優化產品服務和用戶體驗，以數據驅動業務持續增長。
但目前來看，距離要實現這一目標，還有一定的差距。由于日常工作中，大家的分工不同，僅關注某一個方面的數據顯然不夠，無法全面了解產品運營情況，更不能提出行之有效的分析建議。
現在的情況是在公司內，業務部門想要看數據，會先提出自己的數據需求，這時候需要找到技術人員或者數據分析師，根據需求寫SQL將數據從庫里提出來，交給數據分析師進行分析，形成對應報表之后，再發給業務部門查看，完成整個過程沒個三五天搞不定，數據分析的時效性大大降低。
企業采用用戶行為分析工具，可以讓產品、運營、市場、數據等業務部門更方便的分析數據，讓技術部門日常面對的零碎需求更少，能把等多精力放在建立數據倉庫等核心工作上。
當我們在做產品開發或者產品運營時，通常需要第三方工具去做用戶行為分析以提供數據支持。因此免費產品的試用成了大家在前期選擇工具的必要方式。為了方便大家對目前市場上的用戶分析工具有一個清晰的了解，我們在試用了大量的工具后，分別從數據接入、數據分析、安全與拓展幾個方面進行了綜合分析。
許多人都在問，市場上有沒有免費的用戶行為分析工具，答案是有的！不過各家各有特點，國外知名用戶行為數據分析工具像Google Analytics（以下簡稱GA）、Mixpanel，國內有百度統計、易觀方舟Argo、友盟、TalkingData免費版（以下簡稱TD免費版）。
01、數據接入
談到數據接入，首先需要說明的是幾個產品在數據模型上的差別。
GA、百度統計誕生于傳統PC互聯網時代，都是以傳統的頁面瀏覽（PV）和用戶會話（Session）為核心。其中GA經過多年演進，增加了一些關于事件分析和自定義屬性的內容，但本質上主要還是服務于頁面類的產品。百度統計還是依然只支持頁面和會話統計。
隨著移動互聯網時代到來，用戶的行為觸點變多，以往以頁面和會話為中心所能采集到的結構化數據顆粒度不夠細，頁面和會話模型已經不適用了。因此，基于“用戶+事件（User+Event）”模型出現了，在分析的時候可以完全自主的定義需要分析的事件，并從不同的屬性維度進行交叉分析。剛推出不久的易觀方舟Argo，以及Mixpanel、友盟、TalkingData免費版都采用了 “用戶+事件”模型。
在埋點方面，目前根據埋點的工具和方式，可以劃分為三種類型：代碼埋點，可視化埋點和全埋點，并沒有說哪一種方式能夠碾壓其他幾種，因為都各有弊端，具體的各種埋點方法的分類與優缺點我們也做一下對比：
下面我們看一下市面上幾家免費的數據分析產品之間在數據接入方面對比。需要注意的是由于GA、Mixpanel都是國外產品，在數據采集的規則適配了iOS、Android的設計規范，但國內開發者常常直接忽視這些設計規范開發產品，而GA、Mixpanel在數據采集上沒有針對國內產品的特點進行優化，因此在數據采集的準確性上可能會受到一些影響。
另外，需要提到的一點是Mixpanel和易觀方舟Argo的數據采集SDK開放了源代碼，一定程度上可以打消企業在數據采集安全方面的顧慮。
02、數據分析
數據分析是用戶行為分析工具的核心，除了百度統計以外，其他幾款產品都可以滿足用戶行為數據分析的基本需求，但在功能的豐富程度上不盡相同。具體對比可以看下表。
從分析模型豐富程度上來看，Mixpanle和易觀方舟Argo是里面功能最全的，堪稱全家桶，唯一遺憾的是目前易觀方舟Argo目前尚不支持熱圖分析。比如最常用的“事件分析”這個功能，不止可以從PV、UV等方面進行分析，還可以根據不同的屬性值設定具體的指標按照不同的維度進行對比，功能非常強大。
從數據準確性上來看，GA在算法的嚴謹性上應該是最好的，但如果用戶或者事件量比較大的時候，會采取抽樣分析，可能會影響到數據的準確性，Mixpanel的免費版本也會存在類似的問題。易觀方舟Argo在這方面表現搶眼，在數據計算上支持秒級實時數據分析、自定義指標、多維多人群指標對比、人群交叉分析、智能分析、數據實時回傳、即席數據分析等。
從數據管理、項目管理、權限管理這些常用的管理功能方面來看，幾款工具都提供了比較友好的支持。但僅有友盟+提供了手機app，可以隨時通過手機查看監測的數據情況，易觀方舟Argo支持通過手機瀏覽器訪問查看數據看板。
另外，值得一提的是易觀方舟Argo里面的用戶運營和觸達功能。目前易觀方舟Argo可以在完成用戶分析與分群后，通過郵件、短信、Push消息等方式對目標用戶進行觸達，還支持配置UTM追蹤參數對廣告進行跟蹤。
03、安全與拓展性
企業級產品在數據安全性和可拓展性上，需要提前做一些考量，幾款產品也各有側重，具體對比情況如下表所示：
（點擊圖片可查看清晰大圖）
GA免費版和 Mixpanel 提供的都是SaaS服務，但因為服務器都在國外，在國內使用起來穩定性和刷新速度上可能會有一定的影響；百度統計、友盟統計、TD免費版基本上都是SaaS服務；易觀方舟Argo提供安裝包，可由企業自己私有部署，如果對數據安全有顧慮，易觀方舟Argo是個不錯的選擇。在服務方面，除了GA和易觀方舟Argo可提供社區服務支持以外，其他產品目前還沒有完善的用戶服務支持。
總結
對比來說，剛推出不久的易觀方舟Argo，在數據采集、數據分析能力上，已經可以滿足產品數據和用戶行為數據分析的需求，而且提供了獨家的一站式用戶運營和用戶觸達。與目前其他國內的免費工具產品對比來說，易觀方舟Argo在顆粒度細致程度、分析模型全面性、系統性能方面表現優秀。
目的，大多數成長型團隊、創業團隊的市場及運營預算都相對緊張，每一分投出去的錢恨不得立馬知道什么時候能轉化回來，如果自己搭建一套完整的數據分析平臺要花費的功夫肯定不少。相信更多性能全面的用戶分析和運營分析工具的免費開放，能避免企業在市場運營方面走彎路；也能解放團隊更專注的在業務上，通過用戶行為分析提升營銷效率、優化迭代產品、留住更多用戶，真正用數據指導和驅動業務。
最后，這次選型過程中，在易觀方舟Argo社區交流感受較好，現在市面上能見到的免費工具產品不少，但真正形成自己技術服務社區的不多。相信未來他們能把這個社區做的更好，就像當年小米運營MIUI做社區一樣，能給廣大的技術宅和數據愛好者提供一個炫技、PK、互助的圈子。
如何用數據來做渠道效果的分析
如何用數據來做渠道效果的分析
日前和幾個 BD 朋友聊天，聽到說“現在很多渠道投放的效果猶如霧里看花，點擊很多，激活很少，留存更是骨感……”想到自己對當下的統計后臺還算了解，所以想從數據角度講下渠道效果分析的幾點經驗。
幾乎所有的運營人員都會接觸到渠道推廣。這些渠道推廣可能是付費渠道，可能是免費渠道，無論是哪一種渠道推廣，都是需要我們付出成本的。在與渠道打交道的過程中，有時候涉及到跟渠道分成或者跟渠道合作，我們需要統計從渠道獲取的用戶的數量；有時候涉及到渠道付費，我們需要鑒別渠道用戶的質量的好壞，控制并提高渠道的效果。
工欲善其事，必先利其器。我們可以利用第三方統計工具來對渠道投放進行監控，通過一些指標來有效的監控渠道投放的數量和質量。
Android渠道監控工具
一般來說，統計工具具備很完整的Android渠道監控的功能了。我們可以選擇集成了統計分析SDK，來使用其中的Android渠道監控的功能。我在下面列舉了一些統計分析工具。
國外的統計工具：mixpanel、flurry、localytics、google analytics for mobile 。
如果我們的應用是做海外發行，建議優先選擇國外的統計工具。除了時差的問題（大部分統計工具采用服務器時間進行計算），由于偉大的墻的存在，數據包從國外傳輸到國內會存在一定比例的丟失。
國內的統計工具：友盟、騰訊移動統計、talkingdata、avodcloud、dataeye 。
如果我們的用戶主要集中在大陸地區，可以優先使用國內的統計工具。一個好的統計工具，它的服務是穩定的，數據是安全的，指標和維度具備完整性，擁有自由靈活的高級功能。
友盟是國內最早的統計分析工具，在數據穩定性和功能完整性上的表現是很優秀的。
talkingdata和dataeye是做游戲分析起家的，在游戲領域，talkingdata和dataeye分別在華北和華南地區具備很大的知名度。他們在游戲指標和維度上的設計也是很專業的。
騰訊的優勢是具備強大的社交關系鏈。這個優勢也輸出到了騰訊統計分析中。騰訊統計分析具備強大的用戶畫像功能，這個數據能夠幫助開發者更好的了解用戶。
獨立部署企業版本：talkingdata企業版本、ly、Cobub razor 。
我們也可以購買獨立部署的數據服務，將數據的收集、計算、展示都放到私有云上。
統計原理

Android平臺的應用市場比較多，推廣方式也很豐富。我們可以通過分包發布來區分不同的渠道。
簡單的說，就是開發人員為每個渠道生成一個渠道包，每個渠道包用不同的渠道字段來標示。運營人員再將這些渠道包上傳到渠道中，當有用戶下載激活app時，就可以在報表頁面中查看到不同渠道來的用戶的數據了。
用友盟統計分析舉個例子。開發人員可以在manifest文件的<application>節點中添加下面這行配置。
<meta-data android:value=https://pipe99.com/%E5%B7%A5%E7%A8%8B%E6%A1%88%E4%BE%8B/”Channel ID” android:name=”UMENG_CHANNEL”/>
將“Channel ID”改成需要標示的渠道，比如小米、豌豆莢等。
關于數據準確性的問題
一般來說，統計工具是使用IMEI+MAC來唯一標示一臺Android設備。當然這是一個簡化的說法，實際上，Android的設備id存在很多缺陷，比如mac存在漂移，imei存在沖突，所以一個好的統計工具會有自己的id組合策略，而非單一的設備id來唯一標示一臺設備。不同的統計系統的id方案不一樣，所以我們會發現不同的統計系統會存在微小的偏差。如果這個偏差在一定范圍內，是可接受的。
除了可接受的誤差之外，我們可能還會遇到很多其他的數據問題。我總結了一些列舉在下面。
為什么渠道后臺的數據大于統計系統的數據
渠道是基于下載計算的，統計工具是基于激活計算的。也就是說，

用戶下載了app但未運行，統計系統無法統計到；用戶使用app時未聯網，統計系統也獲取不了這個用戶數據；用戶之前安裝過該app，從某渠道下載了一個新版本，這個用戶只能算一個老用戶，不計入該渠道的新增用戶中。

這些情況都會導致渠道后臺的數據大于統計系統的數據。
為什么渠道后臺的數據小于統計系統的數據
安卓市場情況非常混亂，會存在小渠道抓包發布的情況。同時，各渠道之間有資源互通的合作，例如豌豆莢與二十多家渠道互通資源，如果一個應用的新版本未在豌豆莢發布，豌豆莢本身的搜索引擎性質仍能通過豌豆莢下載其他渠道（如安智）的安裝包，此時應用在本身安智渠道的下載量并不會增加，但友盟統計后臺安智渠道會新增用戶+1
不同的統計工具，數據對不上
正如前面所說，不同的統計系統的id方案不同，會存在微小的偏差。
此外，如果一個統計工具是基于賬號系統，一個統計工具基于設備，可能會存在一個設備登陸好幾個賬號，或者一個賬號跨屏登陸的情況，這兩個系統數據肯定是對不上的。
iOS渠道監控原理

相比Android平臺，iOS是一個封閉的生態（暫不考慮越獄渠道）。我們不能通過分包發布來區分渠道用戶，只能通過短鏈分發來監控渠道的效果。
具體的說，每個app在appstore上對應了一個唯一的鏈接，我們可以將這個原始鏈接封裝成不同的短鏈接，將短鏈接交給渠道，這樣就可以區分來源于不同渠道的用戶了。
從技術步驟上來看，一個終端手機用戶如果點擊了渠道上這個短鏈接，會跳轉到appstore頁面上。這個過程會觸發一個服務器端的請求，服務器會記錄這次點擊的設備信息，包括ip地址、機型等。如果這個終端用戶下載并激活了這個app，會向服務器發送一個激活包的信息。短鏈監控平臺將激活信息與點擊信息進行匹配，從而計算出點擊、激活等數據。
工具
我們可以自建短鏈監控系統，也可以選擇國內外成熟的解決方案來進行iOS渠道的監控。

廣告平臺自帶廣告監測工具：Inmobi AdTracker、google adwords第三方廣告監測平臺：umtrack、appcpa、mobile app tracking、Tapstream

一般來說，選用第三方平臺會比廣告平臺自帶的監控工具更加具備公正性。我們需要盡早做好準備，在一個app還沒有進入推廣期時，就選擇接入第三方廣告監測平臺。這樣，第三方平臺中保存了這個app的歷史數據，在進行渠道推廣時能夠判斷新老用戶，從而數據會更加準確。
關于數據準確性的問題
精確性
有的運營人員做渠道投放，每個渠道都投放了，點擊量特別高，可能達到上萬，甚至兩三萬，但激活量特別低，呈現個位數。費用都花光了，但是效果沒有出來。自己也做分析，投放的平臺也做分析，但是卻得不到結論。
我們做數據分析的前提是需要拿到靠譜的數據。如果數據不準確，基于這個數據分析出來的結論是沒有意義的。
我們做iOS正版的渠道推廣，需要注意的是，第三方短鏈服務存在一個精確度的問題。
具體來說，用戶點擊短鏈的時候，服務器端只能獲取到ip地址，獲取不了openudid這樣設備標示符的信息。我們知道ip地址是一個會變化的地址，并不能唯一的標示一臺設備。
比如我在公司wifi下點擊下載app，但是回家才打開app體驗產品，因為ip地址切換了，這個激活是匹配不上的；另外一個例子就是，一個咖啡店中，一個客人點擊短連接，另一個客人去appstore上搜索并下載激活了這個app，因為這兩個客人都連接了咖啡店的wifi，屬于同一個ip地址，系統會認為這個點擊和激活是可匹配的。
所以用ip地址進行匹配的原理存在天然的缺陷，是一種有誤差的統計。
合作平臺
正是因為這種統計原理的缺陷，監控平臺會通過跟DSP、網盟這樣的渠道建立合作來避免和消除不準確性。
當有用戶點擊短鏈接時，渠道回傳可靠的設備標示符給監控平臺（如idfa、idfv、openid等）。用戶激活時，監控平臺可以使用設備標示符來匹配激活和點擊的數據，從而提高了整個系統的數據準確性。
如果我們使用付費推廣的方式來獲取新用戶，一定要提前了解監控平臺是否與對應的渠道建立了合作關系，如果有合作，那么監控平臺上的數據是非常準確，廣告平臺也認可用這個數據來結算的。
與此同時，總有一些推廣渠道是監控平臺合作所覆蓋不到的。比如社會化營銷推廣，這種推廣的效果只能使用ip地址來匹配。
這種不準確的效果數據對我們的意義就在于：粗略地了解每一次推廣的趨勢，通過相對的對比來分析每一次推廣的效果，優化營銷推廣方案。
寫在最后：
正確的選擇渠道監控工具只是我們數據分析的第一步，我們還需要學會使用數據指標和高級功能來分析渠道的效果。下一篇，我將重點針對這個主題，談談有哪些指標和維度可以用來反映渠道的用戶質量，如何通過數據分析來辨別渠道作弊，分析渠道的效果。
以上是小編為大家分享的關于如何用數據來做渠道效果的分析的相關內容，更多信息可以關注環球青藤分享更多干貨

互聯網產品的16個關鍵業務指標
一些關鍵的啟動指標可以幫助投資者在進行業務投資時評估其健康狀況。
好的指標不只是要從風險投資中籌集資金……它們還在于以某種方式運營企業，使創始人能夠知道（以及為什么）某些事情（或不起作用），然后相應地解決它們。換句話說，這些指標不僅用于宣傳，還用于在隨后的董事會會議，季度更新和管理會議中進行討論。“與他們一起開車，不要只是'報告'他們” 。
TAM 是量化市場規模/機會的一種方式。但是，利用現有市場的規模實際上可能會低估新業務模型的機會：例如，相對于本地企業軟件而言，SaaS的平均每用戶收入可能要低得多，但通過增加用戶數量來彌補這一點卻可以彌補這一不足，從而擴大了市場。或者，提供比現有選擇更好的功能數量級的產品也可以擴大市場。
盡管有幾種方法可以確定市場規模，但希望看到一個自下而上的分析，該分析考慮了目標客戶概況，他們為產品或服務付款的意愿以及如何營銷和銷售產品。相比之下，自上而下的分析將根據市場份額和總市場規模來計算TAM 。
為什么提倡自下而上的方法？假設要在中國出售牙刷。自上而下的計算將是這樣的：如果每年可以向40％的中國人出售1美元的牙刷，那么TAM為1.36B人x $ 1 /牙刷x 40％= 5.4億美元/年。這種分析不僅傾向于夸大市場規模（為什么占40％？），而且完全忽略了將牙刷交到540M牙刷購買者手中的困難（且昂貴！）現實：他們將如何了解產品？人們在哪里買牙刷？有哪些選擇？同時，自下而上的分析將基于每天/每周/每月/每年通過藥店，雜貨店，便利店和在線商店出售的牙刷數來確定TAM 。
這種類型的分析迫以更具體的方式考慮銷售和營銷團隊的形體和技能，以應對市場機會。
向投資者推銷時，不要“玩弄” TAM，這一點很重要。是的，風險投資人尋求投資大創意。但是，許多最佳的互聯網公司在開始時就試圖解決看似適度的TAM 。以eBay（收藏品和古董）和Airbnb（位于別人家的房間）為例；在這兩種情況下，公司及其用戶社區都采用了原始功能并極大地擴展了用例，其規模遠遠超出了最初的市場規模估計。
當軟件企業使用ARR，他們的意思是每年的經常性收入，不是每年的運行速度。將給定月份中的已確認預訂（有時在某些情況下為收入）乘以12，然后將該數字稱為ARR，這是錯誤的。
在SaaS業務中，ARR是每年經常性收入的量度。它不包括一次性費用，專業服務費用和任何可變使用費。因為在給定的月份內，通過開具一次性服務或支持的發票可能會獲得更多收入，并且將該數字乘以12可能會大大夸大實際ARR潛力。
在市場業務中，這些業務更多地基于交易，并且通常沒有合同。通過對最近一個月或一個季度的GMV或收入指標進行年度化分析，可以查看當前的收入運行率。
經常看到的一個錯誤是，市場GMV被稱為“收入”，這可能會高估業務規模。GMV 通常反映出消費者在網站上的支出，而收入則是市場為提供其服務而在GMV中所占的一部分（“ 收益 ”）。
ARPU 定義為總收入除以特定時間段（通常是一個月，一個季度或一年）內的用戶數量。這是一個有意義的指標，因為它可以證明平臺上用戶的價值，無論這些用戶購買訂閱（例如電信月度訂閱）還是在廣告消費內容時點擊廣告。
對于收入前的公司，投資者通常會將公司的前景與知名公司的ARPU進行比較。例如，Facebook在2015財年第二季度從其美國和加拿大用戶產生了$ 9.30的ARPU：
因此，如果評估一家廣告業務的公司，其貨幣化潛力可與Facebook相提并論，那么們會問：我們是否認為與Facebook相比，該公司可以產生四分之一，一半，多少甚至更多的ARPU？為了證明這一信念是正確的？公司將如何實現這一目標（他們有能力做到這一點）？
毛利率（即公司的總銷售收入減去所售商品成本）可以被視為具有不同業務模式的企業之間的均衡器，否則比較相對收入將毫無意義。毛利率告訴投資者公司必須支付多少資金來支付其運營費用，并且（希望如此）利潤率降至底線。
有幾個例子可以說明這一點：電子商務業務通常具有相對較低的毛利率，亞馬遜及其27％的數字就是最好的例證。相比之下，大多數市場（請注意電子商務之間的區別）和軟件公司應該是毛利率很高的企業。
對吉姆·巴克斯代爾（Fedex著名的首席運營官，麥考蜂窩網絡（McCaw Cellular）首席執行官和網景（Netscape）首席執行官）的解釋是：“這是軟件的神奇之處：軟件是我擁有的東西，我可以賣給你，然后我仍然擁有它。由于具有這種神奇的屬性，軟件公司應具有很高的毛利率，在80％-90％的范圍內。較小的軟件公司可能會因為提供超出其所需容量的容量而開始降低毛利率，但是如今，隨著按需付費的公共云服務的出現，小型公司購買和運營昂貴的設備的需求就消失了，因此甚至早階段的公司可以以相對較高的毛利率起步。
銷售率通常以一種方式計算（一個時期內售出的單位數除以該時期初的項目數），但在不同類型的業務中具有不同的用途和含義。
在市場業務中，銷售率也可以按“ 接近率 ”，“ 轉換率 ”和“ 成功率 ”進行計算。不管是什么，銷售率都是市場業務中最重要的指標之一。作為投資者，我們希望看到相對較高的利率，以便供應商在投入市場上市方面所付出的努力獲得豐厚的回報。我們還希望看到該比率隨著時間的推移而提高，尤其是在市場開發的早期階段（因為它通常表明網絡效應正在發展）。
在購買任何種類的庫存的企業（零售商，批發商，制造商）中，銷售率是每周或每天管理庫存的關鍵操作指標。它可以顯示您逐個產品地將產品供應與需求匹配的程度。
但是，對于許多投資者而言，庫存周轉率比基于庫存的業務的銷售率更有用，因為它：
—與企業的資本效率進行談判，其中更多的轉彎更好
—提供有關庫存質量的線索，在這種情況下，隨著時間推移而變慢的庫存周轉可能表示需求下降以及潛在的庫存減損（這可能導致減價或沖銷）
庫存周轉率通常通過將一個期間的銷售成本除以該期間的平均庫存來計算。最典型的使用期限是每年。
有兩種改善庫存周轉率的方法：（1）通過提高相同數量庫存的銷售速度；（2）通過減少產生給定銷售量所需的庫存。雖然兩者都很好，但要注意后者：過分管理庫存可能會因沒有足夠的庫存來滿足消費者需求而對銷售產生負面影響。
簡而言之，當產品或服務隨著越來越多的人使用它/設備而變得越來越有價值時，它就會具有網絡效應（例如電話網絡，以太網，eBay和Facebook等示例）。通過增加參與度和更高的利潤，網絡效應對于幫助軟件公司建立持久的護城河，使他們免受競爭的影響至關重要。
但是，沒有單一的指標可以證明企業具有“網絡效應”（梅特卡夫定律是一種描述性表述，而不是一種度量）。但是我們經常看到企業家斷言他們的業務在沒有提供任何支持證據的情況下具有網絡效應。如果沒有這一點，很難確定一家企業是否確實具有網絡效應！
使用OpenTable作為具有網絡效應的業務的示例。OpenTable網絡的效果是，更多的餐館選擇吸引了食客，更多的食客吸引了餐館。以下是一些有助于證明這些網絡效應的措施（由于OpenTable的網絡效應很大程度上是局部的，因此我們通常在一個城市內使用度量值來說明這一點）：
這些度量標準中的大多數特定于OpenTable正在構建的網絡。其他對網絡有影響的業務（例如Airbnb，eBay，Facebook，PayPal）具有非常不同的指標。
因此，在管理具有網絡效應的業務時，最重要的事情是定義這些指標是什么，并隨時間進行跟蹤。這看起來似乎很明顯，但是網絡效應的關注程度越高，企業將能夠更好地維持和發展它們。同樣，對于潛在的投資者來說，重要的是要看到網絡效應的證據，企業家必須確切地了解它是什么，以及他或她是如何驅動它的。
網絡效應衡量網絡的價值時，病毒性是產品從一個用戶傳播到另一個用戶的速度。請注意，病毒的生長并不一定表示網絡效應。這很重要，因為有時會混淆這些概念！
病毒性通常通過病毒系數或k值來衡量-產品的用戶有多少讓其他人使用該產品[每個現有用戶發送的邀請的平均數量*邀請新用戶的轉化率] 。k值越大，這種傳播越多。但這不僅需要口口相傳，如果通過提示用戶但沒有激勵用戶邀請用戶，通過與參與用戶的隨意聯系或通過“固有”社交圖譜（例如手機中的聯系人）來邀請用戶，則傳播也會發生。
這里的k值背后的數學基礎[還有其他一些更細致和復雜的計算這里]：
1以下的任何內容均不視為病毒；高于1的任何內容均視為病毒。數字越多越好，因為這意味著您獲得新客戶的成本將低于具有較低病毒系數的產品。現在，如果可以將每位客戶的ARPU值或終身價值與之結合起來，那么您就擁有了一個偉大的事業的開端。
規模經濟意味著隨著業務規模和產量的增加，產品的生產成本將降低。
規模經濟的一個好方法是隨著時間的推移降低單位成本。一個典型的例子是亞馬遜的1P銷售：它具有規模經濟（共享的倉庫設施，更便宜的運輸選擇等）。隨著數量的增加，每單位產出的成本會下降，因為固定成本分布在更多的單位上。
由于運營效率的提高，規模經濟還可以減少變動成本。
請記住，“規模經濟”不同于“病毒性”和“網絡效應”！
基本上，凈發起人得分是一個度量標準，用于衡量客戶對產品的滿意度和忠誠度。它基于詢問您向朋友或同事推薦我們公司/產品/服務的可能性有多大？
這是一種計算NPS的方法：
報告NPS分數的一個明顯問題是僅通過調查一部分客戶來歪曲樣本。這里一個不明顯的問題是，您可能認為只有對“足夠”使用您的產品的用戶（例如，一個月內使用x次或至少y個月內使用該服務的用戶）進行衡量才值得–有偏見的樣本。
報告NPS指標的其他一些常見問題包括僅顯示發起人所占的百分比（不考慮貶低因素），或基于太小的樣本量得出分數。另一個問題（由Brad Porteus通過Facebook評論提出）正在比較公司，這會導致誤解和游戲得分；“相反，應關注同一公司的NPS趨勢-并密切注意用戶的可選評論。” Porteus還分享了UI建議，即如果NPS評分垂直顯示在移動設備上，“分數可能相差20點，具體取決于您將10放在頂部，然后向下滾動到0，反之亦然”，因此建議您將50 / 50在電話屏幕上分割。
在查看NPS時，我們需要注意以下幾點：
1.顯而易見，分數越高越好。它表示滿意的用戶，并且隨著時間的推移，滿意的用戶更有可能被保留。與此相關的是，只要有相關信息，我們還將評估相對于公司競爭趨勢集的得分。
2.我們還希望看到NPS分數隨時間呈上升趨勢。這是一個很好的領先指標，表明該公司不僅專注于他們的用戶，而且隨著時間的推移正在改善其價值主張。
同類群組分析細分了特定時間段內對業務有意義的用戶組（“同類群組 ”）的活動/行為-例如，每個在一月的第一周簽署了服務的人，然后進行了跟蹤長期用戶組：1個月，3個月，6個月等之后，誰還在使用您的產品？
良好的同類群組分析有助于揭示用戶如何隨著時間與您的產品互動。初創企業的投資者尤其贊賞這一點，因為它可以幫助我們評估人們對您的產品的熱愛程度，因為許多初創企業都已經收入很高，因此用戶可能還沒有投票贊成他們的錢包。
以下是同類群組分析的步驟：
這是每周在Mixpanel中進行隊列分析的示例。在此圖表中，您可以觀察每個群組隨時間變化的參與度，以周為單位。例如，在2013年10月7日這一周加入的44個人中，有2.27％仍在參與（12周后仍在使用（以下顏色編碼為一種“熱圖”，陰影逐漸變淺））：
希望在同類群組分析中看到兩個趨勢：
1.在6或12個月的時期后，穩定每個隊列的保留。這意味著將保留用戶，并且企業正在建立越來越大的重復使用基礎。
2.較新的群組比舊的群組表現更好。這通常意味著您將隨著時間的推移改進產品及其價值主張，并且還向我們表明了團隊的能力。
在某些企業中，注冊用戶的數量（作為參與客戶的代理）確實可以提供一些有用的信號。
但是，我們經常傾向于打折注冊用戶，因為注冊用戶的增加并未導致實際產品使用量的增加。同樣，注冊用戶是那些可怕的“累積”指標之一，即使企業在萎縮，這些指標也可以不斷上升。
因此，在大多數情況下，我們的首選用戶指標是活躍用戶，它可以更好地表明產品的實際使用情況-并通常直接轉化為長期的潛在收入。繼續閱讀以獲取有關衡量和報告活躍用戶的更多信息…
“ 活躍 ”用戶的真正含義是什么？想知道的人問問！但是，沒有唯一的答案，因為活動用戶的定義確實因公司而異。這取決于商業模式。例如，Facebook將“活動”定義為通過任何設備登錄并訪問該網站的注冊用戶，或通過與Facebook集成的第三方網站采取行動與Facebook朋友共享內容或活動的用戶。
衡量活躍用戶時要記住的重要事項是：（1）明確定義；（2）確保它是您平臺上“活動”的真實表示；（3）在應用該定義時要保持一致。
以下是公司如何為一般業務類別定義活躍用戶的其他一些示例...
在社交和移動平臺，為活動量度的通用指標是 MAUs （月活躍用戶），WAUs（每周活躍用戶），在DAUs（日活躍用戶），和 HAUs （每小時活躍用戶）。
在評估社交業務時，我們會仔細查看這些指標的比率，例如DAU與MAU或WAU與MAU的比率，以了解用戶的參與度。最有價值的社會屬性通常在所有這些比率上顯示出較高的相對參與度。
在各種基于內容的網站上，活躍用戶和活動的常見衡量指標是“ 唯一身份 ”（每月唯一身份訪問者）和訪問（如果在完整活動的最短時間內定義，則是瀏覽量或有時稱為“會話”）。盡管關于每種技術的優缺點存在很多爭論（哪些更準確，更易揭示等），但關鍵是針對對業務至關重要的衡量指標進行優化，并且您實際上可以采取一些措施。例如，隨著媒體網站和廣告類型的發展，某些網站和廣告客戶可能會更關注真正的參與度，如按網站停留時間，重復訪問次數衡量，份額，評論者/評論數，內容使用率，情感分析結果或其他此類指標。
盡管指標取決于業務目標和要優化的動作，但我們傾向于同時考慮唯一身份和訪問/會話，因為前者反映了受眾群體的規模（如果通過新訪客的加入而增長），個月），而后者則顯示出粘性（盡管參與度很高，但在現場停留的時間可能仍是最佳）。最好的企業同時具有：高度參與的不斷增長的龐大受眾。
在大多數電子商務企業中，我們通常不會對活躍用戶給予太多重視。這些業務的指標更具說服力-實際收入（和毛利率）-因此，通過顯示總收入，每位用戶的收入，平均訂單大小，重復使用率，毛利率，退貨率，和其他措施，告訴我們有關交易每訪客，而不是數量的游客。
有多少用戶訪問該公司的物業可能會適度地表明其轉化效率，但這還受到其他因素的影響，例如，他們的流量中有多少來自移動設備-至少到目前為止，其轉化率通常比網站低得多。
我們不希望所有收入都由一個來源來驅動；這相當于在網上將所有雞蛋都放在一個籃子里。這是因為客戶獲取的經濟性會隨著時間而發生變化（例如，Facebook移動廣告在早期就為公司帶來了可觀的回報，但成本卻很快上漲了）；渠道可以選擇競爭相同的流量（Google在搜索引擎結果頁面中添加了自己的贊助商鏈接）；或者渠道合作伙伴可以通過某種方式更改其政策，從而大幅減少流量。
這就是為什么區分流量來源（即直接還是間接）的關鍵所在，因為它揭示了平臺風險（取決于特定平臺或渠道）。這與下面定義的客戶集中風險非常相似。更重要的是，區分流量的能力揭示了您對客戶來自何處的了解，尤其是當您的目標是建立獨立的目標品牌時。
直接流量是直接（即不通過中介）到達您的在線媒體資源的流量。直接訪問Target.com的用戶（而不是在Amazon.com上購買Target產品）是直接用戶。從技術上講，在Google上搜索特定商品并到達諸如Target.com或Amazon.com的網站的用戶不是直接用戶。但是這個定義確實很棘手，因為在某些方面可以將Google品牌搜索詞包含在搜索詞中，因為在很多情況下，他們不再麻煩輸入URL了！
有機流量定義各不相同。SEO專家和某些市場分析提供商將“自然”定義為搜索結果中的純付費流量。其他人將其更廣泛地定義為與任何付費或付費來源相反，在這種情況下，它將包括上面定義的直接流量；來自特定關鍵字的搜索結果的流量；甚至是通過保留營銷努力產生的流量（例如發送給現有客戶群的電子郵件）……只要它們都是“免費的” 。
有機流量沒有正確或錯誤的定義。與其他渠道不同，對您進行跟蹤和了解很重要，因此您可以查看客戶來自何處以及將重點放在現有或新客戶身上。但是，當我們看到直接流量比例很高的公司時，我們的確會更加興奮。
障礙：在考慮流量來源時要注意的一個重要細微差別是技術編輯Alexis Madrigal提出的“ 黑暗社會”的存在。此術語描述了來自外部來源或Web分析無法跟蹤的引薦的Web流量，例如，通過電子郵件或聊天共享的鏈接進入的用戶。[一些網站剛剛開始吸引人們在首頁和著陸頁之外尋找鏈接，稱為“直接社交” 。]
最后，在考慮流量時要注意的另一個細微差別是搜索引擎優化（SEO）和搜索引擎營銷（SEM）之間的差異，因為即使它們不同，有時它們也可以互換使用： SEO 是優化網站可見性的過程搜索引擎的“無償”結果，方法是將關鍵字仔細地放在元數據和網站正文內容中，創建獨特而準確的內容，甚至優化頁面加載速度。SEO僅影響自然搜索結果，而不影響付費或贊助廣告結果。掃描電鏡另一方面，涉及通過付費廣告或列表來推廣您的網站，無論是在搜索引擎中還是在社交網絡中的推廣廣告。因此，SEO和SEM是互補的，而不是相互競爭的服務，許多企業都使用兩者。
為了遵循“不要把所有的雞蛋都放在一個籃子里”的主題，我們經常在評估企業業務時關注客戶的集中度。
客戶集中度是指最大客戶或少數幾個客戶相對于總收入的收入，兩個收入都反映了同一時間段。因此，如果最大的客戶向您支付200萬美元/年，而您的總收入為2000萬美元/年，則最大的客戶集中度為10％。
根據經驗，我們傾向于使用客戶集中度相對較低的公司，因為只有一個或幾個客戶的企業會承擔許多風險。除了最明顯的一位客戶將其業務轉移到其他地方（這會造成大的收入缺口）之外，風險還包括以下現實：
—客戶在定價和其他關鍵條款上擁有全部杠桿
—客戶可能會不適當地影響產品路線圖，有時會要求僅其需求獨有的功能
-客戶利用自己的重要性迫使公司以低于市場價格的價格向他們出售
但是，這里有一個不利的一面：在某些行業中，客戶相對較少，但是這些客戶數量巨大。具有這些特征的行業包括移動電話運營商，有線網絡和汽車公司。可以（并且已經！）建立了非常成功的公司來為這些行業提供產品，但是由于少數買家知道如何行使自己的權力，它們往往具有較高的進入市場的風險，您將看到在指標，如平均時間關閉交易，從列表價格折扣，審批的數量（包括可怕的采購部門），以及銷售成本。
提供評估數據時請勿這樣做。
為什么改變數據范圍中y軸“放大”上的差異是誤導。下面的零基線（右）顯示了利率實際上并沒有飛漲（左）：
我們在上一篇文章中提到了累積圖表的問題，但是一個相關的問題是提出了不應在累積圖表中累積的指標。
……這是真正發生的事情：
切勿以累計方式報告的指標包括收入，新用戶和預訂。底線：如果要以累積方式報告某些內容，請確保可以解釋為什么如此重要，以及為什么適合以這種方式衡量您的業務。

數據分析的常見工具有哪些？數據分析軟件有Excel、SAS、R、SPSS、Tableau Software 。
1、Excel
為Excel微軟辦公套裝軟件的一個重要的組成部分，它可以進行各種數據的處理、統計分析和輔助決策操作，廣泛地應用于管理、統計財經、金融等眾多領域。
2、SAS
SAS由美國NORTH CAROLINA州立大學1966年開發的統計分析軟件。SAS把數據存取、管理、分析和展現有機地融為一體。SAS提供了從基本統計數的計算到各種試驗設計的方差分析，相關回歸分析以及多變數分析的多種統計分析過程，幾乎囊括了所有最新分析方法。
3、R
R擁有一套完整的數據處理、計算和制圖功能。可操縱數據的輸入和輸出，可實現分支、循環，用戶可自定義功能。
4、SPSS
SPSS除了數據錄入及部分命令程序等少數輸入工作需要鍵盤鍵入外，大多數操作可通過鼠標拖曳、點擊“菜單”、“按鈕”和“對話框”來完成。
5、Tableau Software
Tableau Software用來快速分析、可視化并分享信息。Tableau Desktop 是基于斯坦福大學突破性技術的軟件應用程序。它可以以在幾分鐘內生成美觀的圖表、坐標圖、儀表盤與報告。
求推薦好用的第三方數據統計分析平臺？如果技術人員不夠，自己再去開發數據統計平臺的意義不是太大，可以選擇第三方的數據分析平臺，但是也存在著風險，例如數據出現問題的時候，如果他們技術團隊不強，根本沒人理你的好嘛，所以選擇一個專業的數據統計分析平臺是必要的。就個人使用情況來看，talkingdata（國內），mixpanel（國外）還是值得推薦的
【互聯網產品的16個關鍵業務指標 mixpanel150】關于mixpanel和mixpanel150的內容就分享到這兒！更多實用知識經驗，盡在 m.apearl.cn