如何通过第一方数据来驱动产品、运营和推广

一、有哪些第一方数据

我们常说数据驱动决策，首要的就是选择行使什么数据，今天这里重要探讨的就是用“第一方数据”来驱动决策。

第一方数据简单来理解就是自稀有据，大多数公司的自稀有据就是数据库里面的用户产生的营业数据，数据分析意识高一点的公司在此之外，可能会尝试通过日志收集一些用户的举动数据。所谓举动数据就是包括进入产品，欣赏等一系列的使用举动。

所以对于一个产品而言，第一方数据一样平常就是用户从各种来源（包含来源渠道版本等）来到产品开始，接下来在持续使用产品过程中产生的所稀有据，包括用户营业数据和用户的举动数据。

二、流量时代的第一方数据分析

小公司的做法

对于大多数非数据驱动型小公司而言，都没有本身的数据分析平台，所以大多数时候的第一方数据分析，是依靠于工程写脚本，根据需求查数据库去计算。

许多时候时间都虚耗在了沟通，确认需求，写脚本，等待效果运算上，我信赖许多公司肯定有共鸣。

中大公司的做法

对于许多中大型互联网公司，公司内部也开始构建本身的数据分析平台，并且已经开始收集用户的举动数据进行分析，但是大多数对于举动的数据行使照旧限定于两种：

第一种做法照旧基于Hadoop的统计分析，只是去统计一些关键举动的发生次数，常见的就是计算页面访问量，自力用户数，留存率等指标。

第二种做法就是行使举动数据进行个性化的数据保举。

在曩昔的十几年，流量时代，得益于人口盈利，人群较为单一，营业没有如今那么垂直细分多样化，所以大家的关注点都在于怎么拉新（拉取新用户），上面这一些指标可以比较概括的了解到产品的发展状态，并且结合渠道的维度筛选，也能知足比较拉新流量的需求。

综合两类公司的做法来看，其实用户的产品互动举动数据基本上始终被当做一个黑盒子来看，保举算法虽然对这些数据行使的比较好但是只是一个对单用户纵深的分析做法，而横向的用户分析最停止于高度汇总的报表，并不能探索和验证用户在产品上的举动如何影响了公司的营业指标。一个典型的征象就是许多产品的迭代决策靠的是猜测或者直觉。

三、现稀有据分析存在的题目

但最近几年的创业浪潮鼓起，营业越来越多样化，人群越来越多样化，不同于过往流量时代时人口盈利，单靠根据DAU，PV这些泛指标指示发展状态，然后逼着眼睛找流量带来新客户，如今更多的是对提供用户的留存和客户忠诚度的需求，所以分析这些指标高低趋势转变背后的缘故原由也愈加紧张了。所以如何去探求分析背后的价值呢？

数据分析场景化

大多的数据分析工具，包括许多中大公司的数据分析平台，搭建的出发点就有一些题目，不是从解决题目的场景出发，而是要支撑多牛逼的数据交叉查询，然后就成了纯粹的基础分析平台工具，如许越抽象，对于解决题目就会越远，必要人参与解读的就越多。

对于大多数公司而言没有专业的数据分析师，天然用市面上的通用工具就很难发挥出价值。同样，大公司数据部门饱受诟病，也有许多缘故原由由于各个营业线对于分析的需求不同等，要不然同一平台开发迭代慢，要不然就是定制化的分析需求太多，内耗也就很大。到最后花费大力气兼容的分析需求其实最后也不会用的太多，metrics太多不肯定是好事，有价值才是最好的。

所以分析必须从场景化出发，才能更快速解决题目。那么有哪些场景呢？

一样平常来讲，也就是公司的各个职能分析需求，例如产品，贩卖，运营，ERP，CRM，客服，财务等等，分析需求也就必要应用到这些场景中去了。每一个场景都有本身关注的指标类型，比如产品就是用户持续使用情况，访问路径等等，贩卖就是客户转化周期和转化漏斗，运营是运动结果监测，来源对比等等，所以必要将分析从这些场景所必要关注的指标去抽离工具，能知足这些场景分析的思路或者关注指标进行设计。

数据分析难点

通常数据分析难的题目在于以下几点：

没有分析目标

没有分析目标带来最大的两个题目是：

第一，会收集所有的数据，总觉得可能用得上，会分析

第二，收集了许多维度的数据，无从动手，不知道哪些维度可以找到题目。

不懂基本的分析方法

基本上会看团体的转变趋势或指标，但是不太会筛选营业相干的指标数据进行查看，所以忽视了许多指标是虚荣指标，一来可能是某些指标单调转变，无法反映真实情况，二是没有同期群的对比，影响数据剥离对比，三是只看重效果，但是不会用漏斗去分析路径，或者用自定义留存去观察知足某一条件用户的现实使用情况。

不能验证跟踪

在保举体系中用户的反馈很紧张，同样在数据分析过程中，我们也必要去验证一些分析效果，也要跟踪改进后的用户结果。

四、场景时代的第一方数据分析

指标会转向跟更多营业相干，并且数据不再是高度汇总的报表，而是我们能循蹈到这些报表背后的元数据关系，曩昔数据分析大多都是根据预想分析睁开维度，基于这些维度统计发生次数，丢失的用户的举动路径，所以也就很难找到背后数据组织的逻辑，打开产品黑盒子，行使起第一方数据分析，很紧张的一点就是必要基于用户维度进行分析，例如诸葛io分析平台就是基于用户的。

另外一方面产品的营业数据大多也是从用户的举动数据转化过来的，所以类似诸葛io分析会记录用户的举动用营业维度描述，如许了解不是一个个粗粒度的页面访问，而是功能模块的流向，当以用户维度记录这些流向之后，天然也就能从最后营业指标的转变，找到流失人群或者价值人群了，那么对于提供用户的留存度和客户忠诚度也就有了方向，找到价值人群的价值共性，或者弥补流失人群的缺陷共性。 五、第一方数据分析如何落地

对于简单的分析，可以用后台工程师行使ELK(Elasticsearch+Logstash+Kibana)这一类的技术组件进行搭建分析平台，但是对于更复杂的，照旧不要本身搭建平台，内耗太大，我信赖随着诸葛io，GrowingIO，AppAdhoc等这一类的平台鼓起，对于大多数公司而言分析也会变得越来越简单，并且不同曩昔大多数据分析平台多为第三方数据分析，虽为免费使用，现实数据会被交换给其他平台，而这些第一方的数据分析平台也会更加保障数据的安全性。

作者：孔淼，诸葛io 创始人/CEO，专注于对数据分析、数据发掘领域的探究，并于去年起打造了新一代的数据服务平台——诸葛io。

注：相干网站建设技巧阅读请移步到建站教程频道。

>> 查看更多相似文章