在做資料分析之前，對移動產品人員來說，首先要了解在移動網際網路領域，我們需要關注那些資料呢？討論發現，不同的產品關注的資料資料分為：基本資料、跟產品類別無關的資料和跟產品類別相關的資料。
基礎資料：下載量、啟用量、新增使用者量、活躍使用者；
社交：使用者分佈、使用者留存（次日、3日、7日、月、次月、3月）；
電商：淘寶指數、網站流量、內容轉換率；
地圖導航類：使用者每日開啟次數、地域分佈；
內容類：內容轉化率（內容下載量/內容瀏覽量）、留存量；
工具類：功能點選量、應用商城排名；
其他：競品資料（下載、啟用等）。
二、如何對相關資料進行分析？
在進行資料發掘之前首先可以對產品做相應的資料建模，然後經過上線跟蹤、分析，對比原來的模型，是否有遵循原來的模型。如果是模型不合理，則需要對資料模型進行矯正。如果出入較大則需要對資料進行分析，或者根據分析出來的資料 在產品上做內部測試或者灰度測試然後對比，如果原來的模型問題不大，再挖細節，分析其他資料找原因，結合資料模型，如果有問題了以後，針對問題追蹤資料，進行分析。
對於啟動，留存這些資料。主要是看異常，發現異常以後再去找尋原因和問題；
平時某個很正常的資料突然變化，我們也會追蹤；
線上使用者，進行每日跟蹤，是否呈曲線自然生長，或者出現異常；
活躍使用者，對使用者的使用頻次以及有效行為進行跟蹤及分析。
資料分析主要通過資料工具進行分析。資料分析主要為兩種：
第三方資料分析工具。如諸葛io，可以快速的接入，節省成本，比較適合創業型公司及剛上線產品，但是無法對關鍵資料在突發異樣時進行跟蹤；
自己開發資料分析工具，可以對每個資料進行實時跟蹤，並且快速做出產品的調整，需要足夠的開發人員及成本，比較適合大型公司或者成熟型產品。
三、需要對那些關鍵指標進行挖掘？挖掘後有何意義？
在對關鍵指標進行發掘，不同的產品，有著不同的關鍵指標。比如在內容型應用中，周留存影響關於使用者對功能的使用，月留存，關係使用者對內容關注，次月留存，關係使用者的體系；
社交：主要關注使用者分佈、使用者留存、活躍使用者、功能使用頻次以及有效行為等社交行為資料分析，通過資料分析及發掘來了解使用者的社交特徵，最總瞭解使用者到的社交屬性優化產品的社交傳播；
電商：主要淘寶指數、網站流量、收藏、購買等資料，瞭解使用者的電商消費特徵；
地圖導航等工具類應用:瞭解功能的使用時間、區域、地段等資料，從而瞭解相關對相關產品的功能使用，以及路況資訊；
內容類：關注內容轉化率（內容下載量/內容瀏覽量），實時瞭解使用者對內容偏好、關注，瞭解使用者對生活文化特徵，透析使用者的社會文化屬性。
評論(1)