其實無論我們在做任何增長專案或者剛開始接觸一家公司的時候，都要從全域性來了解公司的資料情況，無論這家公司已經建立了自己的資料模型，還是一片空白的初創公司，或者擁有資料但埋點還不健全等等，我們都可以通過一些技術手段或者其它方式，針對以下四個方面來獲取一些簡單的分析。
1.獲客渠道分析
首先，要了解這個公司主要的獲客渠道有哪些，這樣才可能知道公司目前最有價值的乙個增長點在**，最有價值的功能在**。目前對於每日一淘來講，主要獲客渠道是分享回流，由於社交電商本身的角色屬性，分享回流佔了獲客渠道中乙個很大的比例，其次才是自主購物。
2.使用者屬性分析
即使用者的基本屬性分析，包括他的性別、年齡、收穫位址等等。這些屬性資訊反映出使用者人群的大致形象，為之後的產品設計、產品營銷奠定基礎。對於每日一淘來講，我們使用者中有 80% 是女性，且基本上年齡都在 35 歲以上，分布在三四線城市，以寶媽們為主。
3.使用者活躍度分析
我們需要發現活躍使用者到底是集中於哪一部分的使用者屬性或者獲客渠道，使用者活躍度分析可以與獲客渠道分析、使用者屬性分析相結合，分析出如「主流使用者活躍度」等相關指標。對於每日一淘來講，我們 30% 的高頻複購使用者（指每個月複購 3 次以上的使用者）都集中來自我們的會員使用者，這也是每日一淘要大力發展會員制的原因。
4.歷史趨勢的分析
通常情況下，我們在分析乙個公司的時候，會先看一下其歷史趨勢的變化。歷史趨勢的變化大致可以分為三點來看：
第一，看歷史的走向，就是指這個公司到底是往好的方向發展，還是往下降的趨勢跌落。第二，看異常點，所謂的異常點就是在一段時間週期內，它是否存在乙個異常的波動。如果有，我們就要去分析這個導致異常波動出現的原因，如果是異常的增長，我們要分析到底是採取了哪些抓手帶來了增長，之後要繼續挖掘這個好用的抓手；如果發現是異常的跌落，我們就要思考到底是**出現了問題，接下來就要解決這個問題。第三，看拐點，拐點就是在資料發生大變化之前乙個轉折點。一旦有了大的拐點，就證明產品結構，或者是公司的業務結構發生了乙個重大變化，就要引起我們的重視。
在資料方面，努力對使用者進行精細化運營，針對使用者分層，總體來說可以分兩大部分：
第一，使用者的一些基礎屬性，這方面在上述部分中已經有所講述，包括渠道**、使用者的喜好、年齡、性別、城市等，根據裝置型號、城市、職業等辨識出使用者的消費水平。對於我們來說，這屬於使用者的基礎屬性，它會直接告訴我們，我們的使用者是誰。
第二，使用者的一些行為屬性，一般表示為使用者在我們的**上做了什麼。針對使用者行為屬性的分析，可分為以下幾種方法。
第一種——漏斗分析，通過基礎的漏斗分析，分析使用者從啟用、註冊到最後的轉化路徑，對使用者從商品詳情頁瀏覽，到加入購物車，以及最後的提交支付階段的轉化情況，然後，通過不同漏斗之間層級的轉化，定位到底哪些漏斗環節的轉化率出現問題。
在目前情況下，每日一淘的使用者分層主要考慮訪問頻次、購買頻次兩個因素。我們把訪問頻次、購買頻次都分為高中低三檔，在兩個月高階到「高檔」，我們稱之為忠實使用者，隨後是優質使用者、普通使用者還有低頻使用者。最近三個月沒有發生訪問的，我們就可以認為是流失使用者，並對其進行觸達，如果觸達無效則暫時放棄，先保住忠實使用者、優質使用者、普通使用者和低頻使用者，盡最大努力對其進行啟用。
揭秘網遊背後的資料分析
1.1人人皆自戀 心理學中有一種關於 人皆自戀 的說法，大意是指人們需要一定的承載物來獲得滿足感，從而滿足內心的自我愉悅 自戀 當人們無法在日常工作 學習中排位 前列 時，內心的 自戀 感就很難得到滿足，但網遊卻為大家提供了乙個虛擬環境，用來填補 自戀感 的空白。1.2如何滿足自戀 1.3核心邏輯 ...
資料分析（一）
資料分析應用於各個領域，作為乙個python的程式設計師，又怎麼能不知道資料分析呢。學好資料分析才能學好機器學習，進而才能學習人工智慧，我們一起來了解下資料分析吧。一.啟動程式 執行命令 jupyter notebook 通過control c終止jupyter程式 幾個基本操作 1.雙擊d 刪除當...
資料分析 資料分析的誤區
在資料分析的過程中，我們難免會走一些彎路，但有些彎路是可以避免的，下面我將介紹幾個資料分析過程中常見的誤區 我們一定都聽說過二戰中的乙個經典示例 軍方為了提高戰鬥機飛行員的生還率，打算在飛機上增加裝甲的厚度，但不能在所有部位加厚，這樣會喪失戰機的靈活性，於是軍方請了統計學家來研究，這些專家在一開始就...