顺便提及：网站中的每个行为最好都埋点，以便分析
3、在不同的阶段，指标都不一样
网站刚上线，肯定是流量，PV，跳出率;网站运营中期，肯定是新注册，转化率，跳出率，电商网站还会考虑客单价，重复购买率;网站某次市场活动，肯定是新访客比例，跳出率，新访客的注册转化率，目标达到率等。
二、使用什么统计分析工具？
知乎用户@飞翔独角兽，一只安静的产品旺
选用哪个工具与公司现状和公司需求有很大关系。首先，确定在网站数据分析这里公司技术实力
如何，部署与收集分析数据能力怎样；其次，明确公司想要获得的是纯粹报告还是需要分析；最后，是否只需要了解点击相关数据即可。
不同的实现目标，解决方案的层次会有所不同。显然简单的日志分析器是解决不了问题的，建议采用木桶原则划分工具选择（以下为书摘）：
木桶1 ：Omniture, Webtrends
木桶2 ：ClickTracks,Unica,XiTi,Nedstat
木桶3 ：Google Analytics,百度统计
木桶1特点-大而全，部署和使用有一定难度；
木桶2特点-后验分析的佼佼者，管理离线营销和跨渠道营销效果好；
木桶3特点-自带分析功能，可自定义报表，并能与搜索营销结合。
从每个木桶中至少选择1款工具做网站分析，试运行1-2个月进行阶段性评估，可以从这几个角度尝试评估：易用性，功能性，技术，响应，【成本】，了解抽样算法，搜索分析，小白上手难度（这影响到该系统在公司内普及的程度），校验数据（数据质量肯定不完美，但可用。看偏离多少，相关人员如何解答这些差异），测试反馈和服务支持，计算总成本。
知乎用户@丁利微信号：（小编注：适用于web）
主要工具如下：
国外：1、GA ; 2、Clicky; 3、W3Counter; 4、Woopra; 5、W3Perl ； 6、Piwik； 7、TraceWatch;
8、Snoop；9、goingup； 10、JAWStats；11、Crazyegg；
国内： 1、百度统计；2、CNZ Z；3、国双统计; 4、51la；5、量子统计； 6、小艾统计；7、科捷
统计；8、好耶iDigger 9、gostats。
外部分析工具：1、Alexa ； 2、IUT； 3、adplanner； 4、quantcast；
知乎用户@宋利鹏，想成为架构师的码农（小编注：适用于App）
主要工具如下：
国内：友盟,机锋统计,TalkingData,百度移动统计,CNZ Z移动数据平台，imofan
国外：Flurry,google analytics mobile，Mixpanel
开源：cobub
三、如何通过统计结果做到精细化运营？
知乎用户@吴雪竹，在路上
精细化运营从以下几方面考虑
1、精细化运营的目标
1）产品是什么类型的APP？是否需要过多的运营？
比如说你的产品只是个工具，那恐怕谈不上过多的精细化运营，一般做好常规的用户行为分析、再配合用户定性研究，用于指导产品的设计即可；如果是内容型产品，或者功能和内容兼具的产品，那确实需要考虑。
2）设计统计框架
统计的目标要弄清楚，拿到数据之后用来做什么？指导功能改进，还是版面调整？再或者是作为用户对内容质量评判的指标？
假设用户在你的app上会频繁进行交互和使用功能，同时还会浏览或者产生内容，那么需要在产品设计的同时，把你的统计框架设计好。
2、简要的操作流程
1）数据采集
首先列出你需要的数据项，接着评估哪部分是需要APP上报的，哪部分是后台可以统计的，然后分别在前后台加上。一般来讲，APP上报采集的数据，在发布前一定要经过谨慎的校验和测试，因为一旦版本发布出去而数据采集出了问题，不仅之前的功夫都白做了，还会带来一大堆脏数据，同时还有可能降低客户端的运行效率，得不偿失。
2）数据整理
数据采集完之后，需要将各种原始数据加工成为产品经理需要的直观的可看数据，这里需要做一些基本的数据逻辑关联和展示，就不赘述了。
产品运营分析必会 Excel表格实用技巧 Excel表格有啥用？微光告诉大家，Excel的用处可多了，SEO站长们可以用来分析网站数据，统计分析ip、pv、IIS日志、跳出率等等，产品经理、产品运营可以用来市场数据分析统计。可以帮助我们整理数据，一目了然的看出数据结果。当然前提得你会使用Excel，不然再厉害的神奇到了手里也是渣。 建议产品运营人员用EXCLE表格进行数据分析时养成的好习惯： 1、保留原始文件，新建一个Sheet进行处理数据存放，或者另外COPY一份新的文档，尽量保持原始数据的原貌，因为我们都不知道啥时会出错，需要重新开始。 2. 每个sheet进行名称的标注，便于自己，也便于阅读者直观的知道每个sheet的内容，譬如：【流量统计】、【文章收录表】、【原始数据源】、【用户分析表】等等。如果存在没有数据的sheet，那就删掉吧。 3.数据结论，尽量清晰有序，譬如在标识【结论数据】的sheet，由数量大小或时间早晚进行每个结果数据表的排序，数据多时可每个结论数据表各自用sheet展示，并标准【结论：XXX统计】。 4. 邮件输出结论，尽量附带PDF文档。以防收件人打不开Excel文档，或者某些图表粘贴到邮件产生格式错乱，邮件正文写主要结论观点就可以了。 下面讲讲产品运营人员需了解的实用EXCEL技巧： 一、 EXCLE学习成长五阶段 EXCLE学习的五个阶段，一般达到中级水平，就可满足日常的运营数据分析需要，具备处理几十万条数据的能力。用Excel基本没法处理百万条数据，虽然有插件可以支持到千万条，但一般的电脑基本跑不动，遇到百万条以上的大数据，还是使用SPSS、SAS等工具吧。 1.新手 需要了解基本操作方法和常用功能，如输入数据、查找替换、设置单元格格式，排序、筛选、分类汇总和保存工作簿。 2.初级用户
经营数据分析报告 导读：本文经营数据分析报告，仅供参考，如果觉得很不错，欢迎点评和分享。 经营数据分析报告 一、确定分析目标 分析目标主要包括以下三个方面： 分析目的。 分析范围。 分析时间。 如下图所示，分析目标除了主要包括三个方面外，还有备注一栏，这里备注的是计算周期问题。强调一点，我们做运营数据分析的时候通常都会拿更新前和更新后的数据进行比较，因此我们的设定的分析周期一般都会跟着游戏实际的更新情况走。 二、分析综述 分析综述主要包括两方面的内容 1、上周/本周充值数据对比 充值总额 充值人数 服务器数 服务器平均充值 服务器平均充值人数
针对上述内容进行差额对比以及增减率对比，如游戏有特殊要求，可以适当增加其它数据内容。 2、上周/本周更新内容对比 主要陈列两周内分别更新的活动内容或一些重大调整。 三、一周运营数据分析 1、本周收入概况 日均充值金额，环比上周日均充值金额 用户ARPU值，环比上周ARPU值 简述与上周或之前的充值情况的比较，如上升还是下降、影响充值的较大的因素。 2、新用户概况 新用户就是新进游戏的玩家，这里主要介绍这些新玩家的动态数据，一般以两个月为总时长进行陈列比较，具体周期数据仍以周为单位。 新用户数据主要包括：安装下载数、创建角色数、安装→角色转化率、付费人数、创建角色→付费转化率、ARPU值、次日留存、三日留存、七日留存等，可根据游戏实际情况进行添加。 3、活跃用户概况 活跃用户概况主要包括三部分内容： 日均在线人数，环比上周实时在线人数，提升/下降百分比 日均付费用户登陆人数，环比上周付费登陆数，提升/下降百分比
日均活跃玩家数，环比日均活跃玩家数，提升/下降百分比 4、道具消费概况 道具方面的消费概况主要包括： 产出活动类别 道具分类 单类道具消费元宝，消费占比，环比上周 日均消费元宝，总消费元宝，环比上周下降/上升 简述活动效果较好/较差的道具分类 5、当前元宝库存 当前元宝库存是指玩家充了元宝还没花出去的存量，以及游戏中额外获得的元宝存量。例如，我充了1000块，拿了1w元宝，花了8K，我造成的存量是2K，当平台各服的元宝存量不断上涨，就代表消费点不够了，要不补新消费系统，要不上消费类的运营活动。 6、重点商业活动付费玩家参与情况 活动参与情况主要考虑以下几点： 付费群体类别，活跃付费玩家数 付费玩家的参与比例 付费玩家在活动中消费的元宝数 付费玩家在活动中消费的元宝占周消费元宝总数的比例 付费玩家的人均消费元宝数 根据活动的这些付费玩家的相关数据，判断该活动产生的效益以及玩家的接受程度。
如何写好一款产品的运营数据分析报告 戏运营期间，我们可以在后台看到一堆游戏相关数据，对于这些数据我们要怎么怎么进行处理分析呢?下面将围绕一份报告实例做详细的分析。内容主要包括分析目标、分析综述、一周运营数据分析、运营数据总体分析四块内容。 一、 确定分析目标 分析目标主要包括以下三个方面： 分析目的。 分析范围。 分析时间。 如下图所示，分析目标除了主要包括三个方面外，还有备注一栏，这里备注的是计算周期问题。强调一点，我们做运营数据分析的时候通常都会拿更新前和更新后的数据进行比较，因此我们的设定的分析周期一般都会跟着游戏实际的更新情况走。 二、 分析综述 分析综述主要包括两方面的内容
1上周/本周充值数据对比 充值总额 充值人数 服务器数 服务器平均充值 服务器平均充值人数 针对上述内容进行差额对比以及增减率对比，如游戏有特殊要求，可以适当增加其它数据内容。 2上周/本周更新内容对比 主要陈列两周内分别更新的活动内容或一些重大调整。 三、 一周运营数据分析 1本周收入概况 日均充值金额，环比上周日均充值金额 用户ARPU值，环比上周ARPU值 简述与上周或之前的充值情况的比较，如上升还是下降、影响充值的较大的因素。 2新用户概况
新用户就是新进游戏的玩家，这里主要介绍这些新玩家的动态数据，一般以两个月为总时长进行陈列比较，具体周期数据仍以周为单位。 新用户数据主要包括：安装下载数、创建角色数、安装→角色转化率、付费人数、创建角色→付费转化率、ARPU值、次日留存、三日留存、七日留存等，可根据游戏实际情况进行添加。 3活跃用户概况 活跃用户概况主要包括三部分内容： 日均在线人数，环比上周实时在线人数，提升/下降百分比 日均付费用户登陆人数，环比上周付费登陆数，提升/下降百分比 日均活跃玩家数，环比日均活跃玩家数，提升/下降百分比
运营数据分析指标文档 一.流量分析 1.1概览 ①时间范围选择功能：以数据记录时间为筛选条件显示本页下数据，默认首个时间范围框为当前日期前30天，第二个时间范围框为当前日期前一日。点击每一个选择区域弹出日历，用户可选择年份、月份和日期，日历内日期默认选择为当前日期前一日，最终结果以两个选择区域内选择的时间的时间差为筛选标准，不分前后。有按照昨天、最近7天和最近30天的快速筛选按钮，点击对应按钮以对应时间进行数据筛选。选择范围最长为365天。选择范围最长为365天。 ②时间统计方式选择：可选择按小时和按单日来作为统计的维度，如选择小时则可显示每天12:00到13:00（或其他时间段内）网站浏览量（或访客数）的数据统计。 ③数据统计区域(表格)：首行显示全网站昨日的浏览量、独立访客数、新独立访客数、ip、跳出率和平均访问时长，第二行对应显示全网站从统计之日起至昨日的上述平均数值。 ④折线图：可选指标为pv、uv、pv/uv、vv、平均访问时长,默认选中uv,指标支持单选。横坐标为时间轴，与1.1和1.2中的时间范畴相关；纵坐标为各项指标对应的数据。鼠标移至折线图上时会浮窗显示鼠标所处位置垂直线所对应的日期或时间段，以及选中指标的具体数值,默认选中uv。 ⑤在新页面查看完整数据：点击该按钮跳转至“概览信息详情页。” 1.1.1概览信息详情页 ①时间范围选择功能：以数据记录时间为筛选条件显示本页下数据，默认首个时间范围框为当前日期前30天，第二个时间范围框为当前日期前一日。点击每一个选择区域弹出日历，用户可选择年份、月份和日期，日历内日期默认选择为当前日期前一日，最终结果以两个选择区域内选择的时间的时间差为筛选标准，不分前后。有按照昨天、最近7
数据运营的6个步骤，从方法论到案例带你入门 通过对运营数据进行分析，帮助我们进一步对用户进行差分运营。一、数据运营 通过对运营数据进行分析，帮助我们进一步对用户进行差分运营。 分析问题包含哪些方面，在占比高并且自己可以发力的点上去优化。 二、数据分析流程
运营是一个包含了诸多琐碎事项的工作，运营人员要会拆分自己的工作项，并根据不同工作项的特点有针对地对特定的运营数据进行分析，才能事半功倍。 那么怎么拆分工作项呢？可以按照面对的用户群体分解，通常与用户分级联系在一起，将工作拆分成面向所有普通用户、面向活跃用户、面向付费用户等等。也可以按照项目将自己的工作进行拆分。还可以按照时间顺序确定不同阶段的目标，根据自己的目标来拆分工作项。
拆分完工作项后，针对每一个工作项有不同的指标，我们要根据工作项的特点进一步拆分和细化运营数据指标，然后通过对每一个指标的分析来判断运营问题并不断优化运营方案。 拆分的维度可以按照数据的包含结构，也可以按照每一个工作项包含的子项进行拆分。 以用户运营为例，用户运营包含了用户的拉新、促活、留存、付费转化等方面。而就拉新来说，关键的指标有注册用户的规模、增长速度；渠道质量——注册渠道有哪些，渠道的注册转化率如何；注册流程质量——完成注册的用户数、注册流程中用户蹦失节点统计；注册用户行为追踪——完成注册后用户的行为统计。 细化分析目标是指根据运营目标，确定能够进行优化的数据点。这一步是为接下来的数据提取处理分析奠基的。 举个简单的例子，假如现在做完一场活动，想知道下一次举办相同或相似活动时有哪些地方可以优化，需要关心的点除了最终参与效果还有：活动推广的渠道有哪些，每一个渠道的参与路径是怎样的，路径中的每一步参与人数有多少，转化率达到多少，等等。明确了分析目标后，就可以确定要提取的数据点有哪些。
数据统计与分析（SPSS） 一、课程属性说明 适用对象：教育技术学专业，电子信息科学与技术专业，广告学专业 课程代码：11200913 课程类别：专业任选课 所属学科：计算机科学与技术 授课学期：第8学期 学时：讲授54学时，实验34时 学分：3 教材： 《SPSS for Windows 统计与分析》，卢纹岱主编，电子工业版社，2000年版参考书： 考核方式：考查 评分方法：试验报告20%，上机考试 80% 前导课程：计算机基础，线性代数，概率统计
二、大纲制定依据 对数据进行统计分析是一种十分重要的信息获得的方法，很多领域均需要做这方面的工作。传统的统计分析是由人工计算求解；现在随着计算机应用的普及，越来越多的统计分析工作是由计算机来完成的，现在最为流行也最容易被广大用户接受的统计分析软件是SPSS，本课程就以介绍该软件为核心，并渗透介绍一些统计分析的数学方法，从而满足各专业学生对数据统计分析知识和技能的需求。 三、课程概要与目的任务 1.课程概要 本课程主要由三大部分构成：（1）基本概念和基本操作，其中包括SPSS概述、系统运行管理方式、数据统计处理、数据文件的建立与编辑、文件操作与文本文件编辑；（2）统计分析过程，其中包括统计分析概述、基本统计分析、相关分析均值比较与检验、方差分析、回归分析、据类分析与辨别分析、因子分析、非参数检验、生存分析；（3）统计图形生成与编辑，其中包括生成统计图形、编辑统计图形，创建交互式图形、修饰交互图形 2.课程目的和任务 本课程的目的和任务是使学生理解SPSS软件的功能和应用方法，并能开展简单的数据统计与分析工作。
Kano模型的数据统计分析 1、用户需求分类 1．1 Kano模型 可以把基本品质、期望品质、和魅力品质理解为客户对产品的要求：功能要求---性价比/品牌效应---附加值/特殊性。 1．2 用户需求分类 将每项用户需求按照Kano模型进行分类，即分为基本品质、期望品质和惊喜品质。先进行用户意见调查，然后对调查结果进行分类和统计。 1．2．1 市场调查 对每项用户需求，调查表列出正反2个问题。例如，用户需求为“一键通紧
急呼叫”，调查问题为“一键通紧急呼叫能随呼随通，您的感受如何?”以及“一键通紧急呼叫不能随呼随通，您的感受如何?”，每个问题的选项为5个，即满足、必须这样、保持中立、可以忍受和不满足。 注：√表示用户意见 1． 2．2 调查结果分类 通过用户对正反2个问题的回答，分析后可以归纳出用户的意见。例如，对某项用户需求，用户对正向问题的回答为“满足”，对反向问题的回答为“不满足”，则用户认为该项需求为“期望品质”。每项用户需求共5×5—25个可能结果。
基本品质、期望品质和惊喜品质是3种需要的结果。其他3种结果分别为可疑、反向和不关心，这是不需要的，必须排除。 (1)可疑结果（用户的回答自相矛盾）。可疑结果共2个，即用户对正反问题的回答均为“满足”或“不满足”。例如，对于“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答是“满足”；反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户回答还是“满足”。这表明无论一键通紧急呼叫是否能随呼随通，用户都会满足，这显然是自相矛盾的。出现可疑结果有2种可能：一是用户曲解了正反问题，二是用户填写时出现错误。统计时需要去除可疑结果。 (2)反向结果（用户回答与调查表设计者的意见相反）。正向问题表明产品具有某项用户需求，反向问题表明不具备该用户需求，正向问题比反向问题具有更高的用户满意，但用户回答却表明反向问题比正向问题具有更高的客户满意度。例如，对用户需求“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答为“不满足”，反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户的回答为“满足”，这显然与调查表设计者的意见相反。反向结果较多时，表明调查表的设计存在问题，需要改进。
导言：很多朋友一直在问数据化运营到底是什么？为什么那么火热，大家最近也发现突然涌现很多挂着数据分析标题的文章，其实数据化运营并不是指某个点，更不是指一堆数据表格。数据化运营之所以越来越重要，是因为数据是由消费者所产生的，我们通过数据多角度分析才能够更好的理解平台规则，消费者行为，市场变化，竞争对手运营手法寻找运营规则，通过数据才能够得到问题的反馈，比如搜索流量是否增长，直通车ROI是否提升，退款率，商品库存结构等等通过数据反馈优化才能够做好全局精准运营，实现运营效益最大化。 ------------------------------------------------------------------ 接下来给大家分享两个数据化运营运用简例： 一、《一名优秀运营人员完整的店铺数据分析报告》 一、业绩层面 1.跟去年对比增长情况 2.行业大盘增长率情况 【数据源：生意参谋/生意经】 二、店铺核心数据指标（转化率，DSR、客单价，无线/PC，加购收藏情况等） 参考文章：《生意参谋对搜索排名的惊天秘密，竟然没人知道？》 【数据源：生意参谋】 三、店铺流量结构（做趋势图） 1.整体流量分布结构 2.免费/付费比例 3.付费流量的投入情况 【数据源：生意参谋/付费营销后台】 四、产品结构层面
1.销售层级（销售梯队）是否健康 2.产品开发成功率 3.新品上架十五天，运作效果分布图（流量/销量） 4.产品品类开发结构/销售结构 【数据源：生意参谋】 五.活动分析 1.全年活动次数/活动盈亏情况分布（以时间为轴） 2.活动折扣力度及活动流量产出贡献值（力度多大单流量产出最大？） 3.活动报名失败率及失败原因分析总结 【数据源：生意参谋/活动展示页数据】 六、客服分析 1.客服询单转化率（按月做趋势图） 2.客服催付成功率 3.响应速度 【数据源：赤兔名品】 七、退款率情况及退款问题分析 【数据源：ERP】 八、产品中差评问题总结，找出问题共性做出调整 九、库存状况分析 1.去年年底跟今年年底的库存变化（库存总量和库销比） 2.库存分布结构（品类结构/四季产品分布结构）
Excel的统计分析功能 Excel是办公自动化中非常重要的一款软件，很多巨型国际企业和国内行政、企事业单位都用Excel 进行数据管理。它不仅能够方便地进行图形分析和表格处理，其更强大的功能还体现在数据的统计分析研究方面。然而很多缺少数理统计基础知识而对Excel强大统计分析功能不够了解的人却难以更加深入、更高层次地运用Excel。笔者认为，对Excel统计分析功能的不了解正是阻挡普通用户完全掌握Excel的拦路虎，但目前这方面的教学文章却又很少见。下面笔者对Excel的统计分析功能进行简单的介绍，希望能够对Excel进阶者有所帮助。 Microsoft Excel提供了一组数据分析工具，称为“分析工具库”，在建立复杂统计或工程分析时，只需为每一个分析工具提供必要的数据和参数，该工具就会使用适宜的统计或工程函数，在输出表格中显示相应的结果。其中有些工具在生成输出表格时还能同时生成图表。 在使用Excel的“分析工具库”时，如果“工具”菜单中没有“数据分析”命令，则需要安装“分析工具库”。步骤如下：在“工具”菜单中，单击“加载宏”命令，选中“分析工具库”复选框完成安装。如果“加载宏”对话框中没有“分析工具库”，请单击“浏览”按钮，定位到“分析工具库”加载宏文件“Analys32.xll”所在的驱动器和文件夹（通常位于“Microsoft Office\Office\Library\Analysis”文件夹中）（Microsoft OfficeXP：插入光盘，即可） ；如果没有找到该文件，应运行“安装”程序。 安装完“分析工具库”后，要查看可用的分析工具，请单击“工具”菜单中的“数据分析”命令，Excel提供了以下15种分析工具。 1、方差分析(anova) 本工具提供了三种工具，可用来分析方差。具体使用哪一工具则根据因素的个数以及待检验样本总体中所含样本的个数而定。 （1）“Anova：单因素方差分析”分析工具 此分析工具通过简单的方差分析(anova)，对两个以上样本均值进行相等性假设检验（抽样取自具有相同均值的样本空间）。此方法是对双均值检验（如t-检验）的扩充。 （2）“Anova：可重复双因素分析”分析工具 此分析工具是对单因素anova分析的扩展，即每一组数据包含不止一个样本。 （3）“Anova：无重复双因素分析”分析工具 此分析工具通过双因素anova分析（但每组数据只包含一个样本），对两个以上样本均值进行相等性假设检验（抽样取自具有相同均值的样本空间）。此方法是对双均值检验（如t-检验）的扩充。 2、相关系数分析工具 此分析工具及其公式可用于判断两组数据集（可以使用不同的度量单位）之间的关系。总体相关性计算的返回值为两组数据集的协方差除以它们标准偏差的乘积： 可以使用“相关系数”分析工具来确定两个区域中数据的变化是否相关，即，一个集合的较大数据是否与另一个集合的较大数据相对应（正相关）；或者一个集合的较小数据是否与另一个集合的较小数据相对应（负相关）；还是两个集合中的数据互不相关（相关性为零）。 3、协方差分析工具 此分析工具及其公式用于返回各数据点的一对均值偏差之间的乘积的平均值。协方差是测量两组数据相关性的量度。（公式略） 可以使用协方差工具来确定两个区域中数据的变化是否相关，即，一个集合的较大数据是否与另一个
【知乎问答】产品数据统计分析及精细化运营 顺便提及：网站中的每个行为最好都埋点，以便分析 3、在不同的阶段，指标都不一样 网站刚上线，肯定是流量，PV，跳出率;网站运营中期，肯定是新注册，转化率，跳出率，电商网站还会考虑客单价，重复购买率;网站某次市场活动，肯定是新访客比例，跳出率，新访客的注册转化率，目标达到率等。 二、使用什么统计分析工具？ 知乎用户@飞翔独角兽，一只安静的产品旺 选用哪个工具与公司现状和公司需求有很大关系。首先，确定在网站数据分析这里公司技术实力 如何，部署与收集分析数据能力怎样；其次，明确公司想要获得的是纯粹报告还是需要分析；最后，是否只需要了解点击相关数据即可。 不同的实现目标，解决方案的层次会有所不同。显然简单的日志分析器是解决不了问题的，建议采用木桶原则划分工具选择（以下为书摘）： 木桶1 ：Omniture, Webtrends 木桶2 ：ClickTracks,Unica,XiTi,Nedstat 木桶3 ：Google Analytics,百度统计 木桶1特点-大而全，部署和使用有一定难度； 木桶2特点-后验分析的佼佼者，管理离线营销和跨渠道营销效果好； 木桶3特点-自带分析功能，可自定义报表，并能与搜索营销结合。 从每个木桶中至少选择1款工具做网站分析，试运行1-2个月进行阶段性评估，可以从这几个角度尝试评估：易用性，功能性，技术，
响应，[成本]，了解抽样算法，搜索分析，小白上手难度（这影响到该系统在公司内普及的程度），校验数据（数据质量肯定不完美，但可用。看偏离多少，相关人员如何解答这些差异），测试反馈和服务支持，计算总成本。 知乎用户@丁利微信号：（小编注：适用于web） 主要工具如下： 国外：1、GA ; 2、Clicky; 3、W3Counter; 4、Woopra; 5、W3Perl ； 6、Piwik； 7、TraceWatch; 8、Snoop；9、goingup；10、JAWStats；11、Crazyegg； 国内：1、百度统计；2、CNZ Z；3、国双统计; 4、51la；5、量子统计；6、小艾统计；7、科捷 统计；8、好耶iDigger 9、gostats。 外部分析工具：1、Alexa ；2、IUT；3、adplanner；4、quantcast； 知乎用户@宋利鹏，想成为架构师的码农（小编注：适用于App）主要工具如下： 国内：友盟,机锋统计,TalkingData,百度移动统计,CNZ Z移动数据平台，imofan 国外：Flurry,google analytics mobile，Mixpanel 开源：cobub 三、如何通过统计结果做到精细化运营？ 知乎用户@吴雪竹，在路上 精细化运营从以下几方面考虑 1、精细化运营的目标 1）产品是什么类型的APP？是否需要过多的运营？ 比如说你的产品只是个工具，那恐怕谈不上过多的精细化运营，一般做好常规的用户行为分析、再配合用户定性研究，用于指导产品的设计即可；如果是内容型产品，或者功能和内容兼具的产品，那确实需要考虑。 2）设计统计框架
游戏数据运营解决方案背景 行业综述 随着游戏行业市场竞争局面的扩大，玩家对于品质的要求越来越高，游戏项目的生命周期越来越短，直接影响项目的投入产出比，通过数据运营则可以有效的延长项目的生命周期，对各个阶段的业务走向进行精准把控。而随着流量成本的日益上升，如何构建经济、高效的精细化数据运营体系，以更好的支撑业务发展，也变得愈发重要起来。 在这样的背景下，越来越多的游戏企业加入到数据运营行列，也促进
了大数据产业生态链的发展，第三方数据公司TalkingData、Dataeye、友盟、热云数据等就是在这一个时代中快速成长起来的。但同时受限于业务理解，通用平台往往无法满足游戏企业的定制化需求，所以随着业务的发展，最终还是要选择自建数据分析平台——因为技术门槛、资源投入等原因，目前大部分游戏企业只实现了数据统计，少部分企业实现了数据挖掘，在深度学习层面目前趋近空白。业务需求及痛点分析 按照游戏领域的行业细分，不同类型的公司对数据化运营的业务需求各有侧重，构建数据化运营平台的技术手段也表现为不同的方式。按照行业属性，可以将生态中的公司分为游戏研发商、游戏渠道商、游戏研发商三类，根据业务特点他们对于数据运营的需求也各有侧重，从表现形式讲，基础指标集、客户画像、精准投放&效果分析、智能算法等等，不一而足。
而从实现数据运营的技术手段来分析，也分别表现出不同的特征，各阶段使用的技术栈、驱动因素及演进方向，可以简单通过下图来表述：
而在这样的业务背景下，传统来料加工、被动响应的数据处理架构，显然无法匹配数据化运营的分析需求，主要存在的问题： 1、数据来源单一，缺少精准用户画像，运营策划、实施不能”投 其所好”，用户转化率低； 2、平台沉淀、积累了大量的数据，但是通过数据驱动业务创新、 辅助决策方面没有经验，导致数据 业务价值的转化率低；3、开发定制化，项目实施周期长，响应需求速度慢，无法有效支 撑业务的灵活变化； 4、数据的应用场景单调，大多只是止于简单的看指标、报表，对
首先，附上百度业务运营部_数据分析师（产品运营）岗位的招聘详情： 业务运营部_数据分析师（产品运营） 所属部门: 百度工作地点: 北京市招聘人数: 若干公司: 百度职位类别: 产品发布时 间: 2016-04-11 工作职责: -对百度重点行业的行业现状、核心企业、市场动态、发展趋势、互联网营销推广等做深入分析，形成数据研究报告 -解读分析报告，并根据分析结论，与运营一起商讨运营策略 -运用数据分析手段，对百度的客户行业和属性形成自己的分类方式 职责要求: -大三或者研一、研二在校生，数学、计算机或者统计学专业，对行业市场有一定的了解 -理解统计学和数据挖掘算法原理，了解数据仓库思想，会写SQL，熟悉spss、sas,R等数据挖掘软件之一 -熟练使用EXCEL,能够处理大量的数据 -了解决策树、聚类、逻辑回归，关联分析、SVM，贝叶斯等数据挖掘算法 -能够保证每周至少四个工作日的实习时间 重点解析这个岗位中职责要求里的重点技术要求： -理解统计学和数据挖掘算法原理，了解数据仓库思想，会写SQL，熟悉spss、sas,R等数据挖掘软件之一 -熟练使用EXCEL,能够处理大量的数据 -了解决策树、聚类、逻辑回归，关联分析、SVM，贝叶斯等数据挖掘算法 提取其中的关键词：统计学、数据挖掘算法、数据仓库、SQL、SPSS、SAS、R、excel、决策树、聚类、逻辑回归、关联分析、SVM、贝叶斯，然后大致的分类： 一、数据挖掘算法：（百科： https://www.doczj.com/doc/3b73638.html,/link?url=hjhlCpoD_cUBZ7MnBm4_bPlCvZVNmj427nmrIiAt2Cx3h6xrY6JC0HPK iUtMxWaC1tI16GNzH4UQ4-u6MEwrIK） 数据挖掘：是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家
提起数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表。其实，“分析”本身是每个人都具备的能力；比如根据股票的走势决定购买还是抛出，依照每日的时间和以往经验选择行车路线；购买机票、预订酒店时，比对多家的价格后做出最终选择。 这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。 1.数据分析的战略思维 无论是产品、市场、运营还是管理者，你必须反思：数据本质的价值，究竟在哪里？从这些数据中，你和你的团队都可以学习到什么？ 数据分析的目标 对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值，驱动企业业务增长。 数据分析的作用 我们常常讲的企业增长模式中，往往以某个业务平台为核心。这其中，数据和数据分析，是不可或缺的环节。 通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务，重新投入用户的使用，从而形成形成一个完整的业务闭环。这样的完整业务逻辑，可以真正意义上驱动业务的增长。 数据分析进化论 我们常常以商业回报比来定位数据分析的不同阶段，因此我们将其分为四个阶段。 阶段 1：观察数据当前发生了什么？ 首先，基本的数据展示，可以告诉我们发生了什么。例如，公司上周投放了新的搜索引擎 A 的广告，想要
运营必备的15个数据分析方法 提起数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表。其实，“分析”本身是每个人都具备的能力；比如根据股票的走势决定购买还是抛出，依照每日的时间和以往经验选择行车路线；购买机票、预订酒店时，比对多家的价格后做出最终选择。 这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。 1.数据分析的战略思维 无论是产品、市场、运营还是管理者，你必须反思：数据本质的价值，究竟在哪里从这些数据中，你和你的团队都可以学习到什么 数据分析的目标 对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值，驱动企业业务增长。 数据分析的作用 我们常常讲的企业增长模式中，往往以某个业务平台为核心。这其中，数据和数据分析，是不可或缺的环节。 通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务，重新投入用户的使用，从而形成形成一个完整的业务闭环。这样的完整业务逻辑，可以真正意义上驱动业务的增长。 数据分析进化论 我们常常以商业回报比来定位数据分析的不同阶段，因此我们将其分为四个阶段。
阶段 1：观察数据当前发生了什么 首先，基本的数据展示，可以告诉我们发生了什么。例如，公司上周投放了新的搜索引擎 A 的广告，想要比对一周下来，新渠道 A 比现有渠道 B 情况如何，A、B 各自带来了多少流量，转化效果如何又比如，新上线的产品有多少用户喜欢，新注册流中注册的人数有多少。这些都需要通过数据来展示结果，都是基于数据本身提供的“发生了什么”。 阶段 2：理解为什么发生 如果看到了渠道 A 为什么比渠道 B 带来更多的流量，这时候我们就要结合商业来进一步判断这种现象的原因。这时候我们可以进一步通过数据信息进行深度拆分，也许某个关键字带来的流量，也许是该渠道更多的获取了移动端的用户。这种数据深度分析判断，成为了商业分析第二个进阶，也同时能够提供更多商业价值上的体现。 阶段 3：预测未来会发生什么 而当我们理解了渠道 A、B 带来流量的高半年销量不到百万部，苹果要放弃印度市场吗低，就根据以往的知识预测未来会发生什么。在投放渠道 C、D 的时候，猜测渠道 C 比渠道 D 好，当上线新的注册流、新的优化，可以知道哪一个节点比较容易出问题；我们也可以通过数据挖掘的手段，自动预测判断 C 和 D 渠道之间的差异，这就是数据分析的第三个进阶，预测未来会发生的结果。 阶段 4：商业决策 所有工作中最有意义的还是商业决策，通过数据来判断应该做什么。而商业数据分析的目的，就是商业结果。当数据分析的产出可以直接转化为决策，或直接利用数据做出决策，那么这才能直接体现出数据分析的价值。 数据分析的 EOI 框架 EOI 的架构是包括 LinkedIn、Google 在内的很多公司定义分析型项目的目标的基本方式，也是首席增长官在思考商业数据分析项目中一种基本的、必备的手段。 其中，我们先会把公司业务项目分为三类：核心任务，战略任务，风险任务。以谷歌为例，谷歌的核心任务是搜索、SEM、广告，这是已经被证明的商业模型，并已经持续从中获得很多利润。谷歌的战略性任务（在2010 年左右）是安卓平台，为了避免苹果或其他厂商占领，所以要花时间、花精力去做，但商业模式未必
（课后习题）模块一电商数据分析概述 16. 简答题（分值：5分） 电子商务数据分析指标分类请将以下运营类指标按照不同细分类别进行归类，填入表1-2中 参考答案：客户指标：活跃客户数、客户留存率、客户回购率； 推广指标：跳失率、转化率、展现量、点击量、访客数、访客量； 销售指标：销售量、投资回报率、滞销率、动销率、件单价、客单价、订单退货率、销售利润率； 供应链指标：订单响应时长、库存周转率、平均配送成本。 17. 简答题（分值：10分） 电子商务数据分析指标的理解与计算在电子商务运营过程中，当买家在访问过程中产生疑问，会通过通讯工具（如阿里旺旺）与客服交流。如果客服解决了买家的相关问题，有一部分买家就会选择购买商品。在此过程中，客服的响应速度、咨询转化率会影响整个电商平台的销售额。 （1）咨询转化率除了影响电商平台的销售额外，还在哪些方面对电商平台有影响？ 参考答案：（1）咨询转化率主要还会影响店铺DSR评分和品牌口碑。 18. 简答题（分值：10分）
（2）请根据表1-3的数据，完成该网店各时期的旺旺咨询转化率的计算。（注：旺旺咨询转化率是指通过阿里旺旺咨询客服成交的人数与咨询总人数的比值。旺旺咨询率=（旺旺咨询人数÷访客数）×100% 旺旺咨询转化率=（旺旺咨询成交人数÷旺旺咨询总人数）×100% ）； （3）结合以上数据，总结一下访问深度和咨询率、咨询转化率之间的关系？ 参考答案：（2）要计算旺旺咨询转化率，需要先计算旺旺咨询人数，由旺旺咨询率计算公式可知，旺旺咨询人数=旺旺咨询率×访客数，结果依次是221,161,103,169，计算出旺旺咨询人数后，完成旺旺咨询转化率的计算。 旺旺咨询转化率从上至下依次为： 15.84%、13.04%、12.62%、13.03%。 （3）访问深度越深，通常咨询率越高，咨询率越高，通常咨询转化率越高。 （课后习题）模块二基础数据采集 16. 简答题（分值：25分） 下图为某天猫店铺的推广数据，其中包含展现量、花费、点击量、点击率、成交额、投入产出比等数据，试从分析推广效果的角度制作数据采集表。
企业数据运营管理与分析方法论
企业日常运营场景 ●总经理及时得到经营信息，将发现的问题迅速下放，确定会议?标。 ●运营总监进?初步分析，确定问题?向，交由数据?员进?步分析探索。 ●数据分析?员从多维度展开?助分析，定位问题产?的关联因素。 ●运营?员根据分析结果给出运营调整建议，?动?成会议报告。 ●总经理在会议中形成决策，协调相关部?参与执?。 发现问题?分析原因?改善措施?决策执?
企业运营面临的痛点 决策者痛点 ??法及时全?地掌控企业整体运营状况，影响决策效率。 ??法将经营压?迅速向下释放，影响执?效果。 中层管理者痛点 ??法迅速地发现问题和准确地定位 原因，影响管理效能。 ??法精准的组织汇报内容，造成价 值传递效果衰减。 ?线?员痛点 ?需要规范业务流程，提升作业效 率。 ?需要?幅减轻?作量，简化重复 劳动。
解决痛点的关键 是要解决企业使?数据的瓶颈问题
业务发展的瓶颈 数据分析需求得不到及时响应 缺乏 对业务现状的准确把握 缺乏 对业务背后逻辑的洞察 缺乏 对业务未来的可见与预测 报表固定且老化，数据利用率低。市场占有率，用户画像，服务质量，营销ROI….数据关联性差，难以多维度观察。 季节性波动，竞争格局演变，结构性调 整，用户流失… 缺乏全量数据分析和利用，难以全局判断。 周期性规划，战略目标制定，业务增长点 预测，消费结构升级 … 难以量化难以捉摸难以预测
IT中心的瓶颈 IT集权下疲于应对IT放权下数据管理混乱 需求多，响应慢 熬夜加班多，成就感低。数据准确性低，安全性差内部数据壁垒多
数据分析指标白皮书 作者：TalkingData TalkingData本次推出的《数据分析指标白皮书》，旨在规范行业数据指标定义。所有数据指标的定义按照国际规范重新梳理，并对传统游戏运营数据分析方法中的常用指标进行调整，使之更适合移动游戏这一新领域。统一的数据分析指标，有助于运营人员理解、分析用户行为，改进产品，制定运营策略，让数据化运营更有效率。 一、用户获取（Acquistion） 日新登用户数（Daily New Users，DNU）：每日注册并登录游戏的用户数。 解决问题： *渠道贡献的新用户份额情况； *宏观走势，是否需要进行投放； *是否存在渠道作弊行为。 备注： *周新登用户数为本周7天日新登用户数累计之和； *月新登用户数计算同上； *根据需要，可细分为自然增长用户（非推广期）和推广用户（推广期）。 日一次会话用户数（Daily One Session Users，DOSU）：一次会话用户，即新登用户中只有一次会话，且会话时长低于规定阈值。
*推广渠道是否有刷量作弊行为； *渠道推广质量是否合格； *用户导入是否存在障碍点，如：网络状况、加载时间等。 备注： *周一次会话用户数为本周7天日一次会话用户数累计之和； *月一次会话用户数计算同上； *游戏引导设计分析点之一； *DOSU有助于评估新登用户质量，进一步分析则需要定义活跃用户的月一次会话用户数。用户获取成本（Customer Acquisition Cost，CAC）=推广成本/有效新登用户 解决问题： *获取有效新登用户的成本是多少； *如何选择正确的渠道优化投放； *渠道推广成本是多少。 备注： *CAC计算要根据渠道来进行细分。 二、用户活跃（Activation） 日活跃用户数（Daily Active Users，DAU）：每日登录过游戏的用户数
简介 网站分析领域的开创性著作，首度将六西格玛质量管理工具和思想引入网站分析中，将网站分析的复杂过程统一了起来，使分析的思维和方法更科学化和系统化，这是质量管理思想和数据分析技术的伟大结合。与此同时，《网站数据分析：数据驱动的网站管理、优化和运营》将网站分析必备的各项方法和技术，充分融入到了整个体系中，包含大量案例和最佳实践，真正做到了用数据来驱动网站的管理、优化和运营。 《网站数据分析：数据驱动的网站管理、优化和运营》一共分为五个部分：第一部分（第1～2章），简要介绍了网站分析和六西格玛质量管理的主要内容，以及Excel软件的主要功能和进行数据分析所应掌握的基本知识；第二部分（第3章）是六西格玛改进模型的定义阶段，讲解了如何识别和描述问题、理清问题边界、收集客户需求和确定客户需求的关键质量特性等；第三部分（第4～8章）是六西格玛改进模型的测量阶段，讲解了流程测量的起点、网站常用度量指标，以及Excel基本数据处理技巧和数据透视表、SQL查询等高级处理技巧；第四部分（第9～11章）是六西格玛改进模型的分析阶段，介绍了流程分析、逻辑树分析、杜邦分析、劣质成本分析、统计图表分析等多种分析方法，以及如何在数据分析的基础上查找问题的根本原因；第五部分（第12～13章）是六西格玛改进模型的改进和控制阶段，介绍了如何确定改进方案和确保各项改进措施能够得到有效执行。 目录 第1章何谓网站分析 1.1 网站分析不神秘 1.1.1 网站分析的必要性 1.1.2 网站分析的内容 1.1.3 网站分析秘笈 1.2 网站分析的流程 1.2.1 什么是六西格玛质量管理 1.2.2 六西格玛改进模型 1.2.3 六西格玛在网站分析中的应用 1.3 使用Excel进行数据分析 1.3.1 数据记录 1.3.2 数据计算 1.3.3 数据分析 1.3.4 数据图表 1.3.5 协同工作 1.3.6 编程开发 1.4 本章小结 第2章分析师必备的数据知识 2.1 数据类型 2.1.1 数值类型 2.1.2 文本类型 2.1.3 日期和时间类型 2.1.4 公式类型 2.1.5 错误值类型 2.1.6 逻辑值类型
实验一利用Excel数据分析功能求各种统计指标 实验目的：熟练运用excel数据分析功能求各种统计指标 实验内容： 2006年全国各地区财政收入如下表所示，试计算这31个地区财政收入的平均值、中位数、众数、标准差和偏度系数SK。 表1.1 各地区财政收入表（2006） 北京11171514 安徽4280265四川6075850 天津4170479 福建5411707贵州2268157 河北6205340 江西3055214云南3799702 山西5833752 山东13562526西藏145607 内蒙古3433774 河南6791715陕西3624805 辽宁8176718 湖北4760823甘肃1412152 吉林2452045 湖南4779274青海422437 黑龙江3868440 广东21794608宁夏613570 上海15760742 广西3425788新疆2194628 江苏16566820 海南818139 浙江12982044 重庆3177165 实验步骤： 1．如图1.3所示，在工作表的某一列中输入数据。 2．点击“工具—数据分析”，打开“数据分析”对话框，如图1.1所示 图1.1 “数据分析”对话框 3．选择“描述统计”功能，单击“确定”，系统打开描述统计对话框，如1.2所示。
图1.2 描述统计对话框 4．如图1.2所示，选定数据的输入区域；分组方式选择“逐列”；选定一个输出区域；再选定“汇总统计”复选框，系统输出计算结果，如图1.3所示。 图1.3用Excel数据分析功能球各种统计指标
结果分析： 在系统的输出中，“平均”即均值X，反映了全国各地区财政收入的平均水平；“标准 误差”为样本均值的标准差，反映了用平均值代表性的大小，本例中标准误差的值很大，说明平均值的代表性差，各地区的财政收入差异比较大；“众数”即出现次数最多的标志值，由于本例中31个标志值互不相同，故没有众数；“标准差”为总体标准差；“方差”为总体方差；本例中峰度的值大于零，表示分布比正态分布更集中在平均数周围，分布呈尖峰状态；偏度的值大于零，说明分布呈正偏斜，即大部分标志值是大于平均值的。 （注：可编辑下载，若有不当之处，请指正，谢谢!）
运营数据分析指标文档 一. 流量分析 1.1 概览 ①时间范围选择功能：以数据记录时间为筛选条件显示本页下 数据，默认首个时间范围框为当前日期前30 天，第二个时间范 围框为当前日期前一日。点击每一个选择区域弹出日历，用户 可选择年份、月份和日期，日历内日期默认选择为当前日期前 一日，最终结果以两个选择区域内选择的时间的时间差为筛选 标准，不分前后。有按照昨天、最近 7 天和最近 30 天的快速筛选按钮，点击对应按钮以对应时间进行数据筛选。选择范围最长为 365 天。选择范围最长为 365 天。 ②时间统计方式选择：可选择按小时和按单日来作为统计 的维度，如选择小时则可显示每天12:00 到 13:00 （或其他时 间段内）网站浏览量（或访客数）的数据统计。 ③数据统计区域 ( 表格 )：首行显示全网站昨日的浏览量、独立访客数、 新独立访客数、ip、跳出率和平均访问时长，第二行对应显示全网站从统计之 日起至昨日的上述平均数值。 ④折线图：可选指标为pv 、uv、 pv/uv 、vv、平均访问时 长,默认选中 uv, 指标支持单选。横坐标为时间轴，与 1.1 和 1.2 中的时间范畴相关；纵坐标为各项指标对应的数据。鼠标移至 折线图上时会浮窗显示鼠标所处位置垂直线所对应的日期或时 间段，以及选中指标的具体数值,默认选中 uv。
⑤在新页面查看完整数据：点击该按钮跳转至“概览信息详情页。” 1.1.1 概览信息详情页 ①时间范围选择功能：以数据记录时间为筛选条件显示本页下 数据，默认首个时间范围框为当前日期前30 天，第二个时间范 围框为当前日期前一日。点击每一个选择区域弹出日历，用户 可选择年份、月份和日期，日历内日期默认选择为当前日期前 一日，最终结果以两个选择区域内选择的时间的时间差为筛选 标准，不分前后。有按照昨天、最近 7 天和最近 30 天的快速筛选按钮，点击对应按钮以对应时间进行数据筛选。选择范围最 长为 365 天。 ②时间统计方式选择：可选择按小时和按单日来作为统计 的维度，如选择小时则可显示每天12:00 到 13:00 （或其他时 间段内）网站浏览量（或访客数）的数据统计。 ③数据统计区域 ( 表格 )：首行显示全网站昨日的浏览量、独立访客数、 新独立访客数、 ip、跳出率和平均访问时长，第二行对应显示全网站从统计之 日起至昨日的上述平均数值。该表格与时间选择功能无关联。 ④详细数据展现区域：表格形式展现，在上述所选时间范 围和时间维度内，显示对应的pv、uv 、pv/uv 、vv、平均访问