人人都是产品经理
> <font color=red>红色字体代表笔记</font>
## [分析活动效果要看什么指标](http://www.woshipm.com/operate/2000828.html)
DAU是核心，是**一级指标**。但执行活动的时候不能只看这个，因为DAU是综合指标，**包含多个子指标，也会被其他因素影响**。所以，**二级指标**是新增用户及次留、DAU次留、单个用户活跃或拉新成本。可以参考这几个，具体看产品的情况。 <font color=red>（++二级指标都是围绕着一级指标的，比如dau包括新增与老用户唤醒或dau留存等，例如可以判断该次活动的主要功效是对哪部分人群起作用++）</font>
在这三个子指标里，对于百度和头条系这样的产品，百万级的新增用户在亿级的DAU里占比太小，对终极指标拉动不大。所以，**DAU次留就是决定成败的**。
成本只是必须要看的限定性指标，一般每个公司会有自己的标准，拉新多少钱、促活多少钱，这个标准通常与渠道的标准一致。 <font color=red>（++如果dau是钱砸出来的就没意义了啊++）</font>
回头再看DAU次留，这个目标在执行的时候是不合理的。比如：昨天DAU是3，张三、李四、王五这三个人来了，如果看DAU次留，就是想办法今天也让张三、李四、王五再光顾。
但昨天之前，还有Tom、Jack呢，这俩人要不要管？如果只看DAU次留，执行的时候就不会关注。
所以在活动执行时，DAU次留这个指标还要继续拆解。转化为单位时间内用户的活跃天数，也就是提升用户的访问频率。用户访问更频繁，DAU就会提升。举例：100人在10天里，最高活跃天数是100人*10天=1000天，但这100人并不是每天都活跃的，所以实际情况很可能是100人在10天里活跃600天。
通过做活动，把这600天，提升到800天甚至1000天，就提升了单位时间的用户活跃天数，间接的提升DAU次留。实际上，我们经常说的促活，就是这个概念。
## [找出影响留存的行为](http://www.woshipm.com/data-analysis/5003873.html)
先通过相关性分析，选出与留存率相关性系数较高的前几个行为，作为关键行为候集；同时还要考虑**发生该行为的用户的渗透率高低、留存率提升幅度的高低，即要保证最终的留存人数处于较高的水平**（留存人数 = 人数X渗透率X留存率 ）。 <font color=red>（++从目标的公式出发++）</font>
## 异常排查（特指骤减的那种）
### 两个思维
#### 1、纵向
>例如：成交单数量下降
制作转化率漏斗： 从当日dau-商品点击-加入购物车-下单-支付；看哪一步出问题
#### 2、横向
> 例如：站内当日GMV下降
##### 1、先从公式入手(乘法：适用于共有因素变化)
GMV=DAU X 转化率 X 人均订单量 X 平均每单金额
>一般相乘的指标第一步才这样，因为便于向业务解释，例如今天的dau下降了10%，又刚好碰上站内数码产品活动大减价，均单金额下降了5%但订单量却没有增加，而其他指标也不变。那么就知道减少的GMV为：
（10%DAUX其余产品转化率X其余产品人均订单量X 其余产品平均每单金额）+（10%DAUX数码产品转化率X数码产品人均订单量X产品平均每单金额X5%）；
>
>而这种情况若是直接横向拆用户或者商品，要定位许久才能定位到，并且不知道怎么计算这个损失值。
##### 2、拆分（加法：适用于部分因素变化）
若dau下降则拆（男女、新老、地域等）
若转化率下降则拆（不同品种商品、有无活动商品、页面渠道等）
人均订单量下降则拆（用户或商品）
每单金额下降则拆（不同品种商品、有无活动商品、页面渠道等）
## [在数据分析中二八法则的应用](http://www.woshipm.com/data-analysis/5253009.html)
1、**研究头部用户**：通过二八法则建立用户分群，将所有用户切割成一个又一个的实验组，对实验组的用户进行单体特征分析，目的只有一个，**同样都是用户，凭什么你们那么优秀**？
2、**研究头部内容**：**20%的头部业务：带头大哥的应有觉悟**。针对业务分析的目的在于找到爆款内容的特征。例如资讯类产品中对阅读量头部文章的分析，一方面是对文章的特征进行分析，另一方面，是对阅读用户的分析。爆款文章或商品背后，代表的是对大多数用户兴趣的满足，充分唤起了用户的行为动机，而在用户分析中，我们需要进一步找到这部分用户日常阅读的头部内容，进行特征的延展分析。
> **启发**：最重要的是那20%的用户与内容
## [如何深挖原因，推动业务](http://www.woshipm.com/data-analysis/4579297.html)
表面原因会让业务进入误区，而且始终用这些结论驱动业务发展，很容易进入一个隐藏的陷阱，那就是追求短期收益而丧失了长期收益。
>比如APP的日活下降，通过表面原因的分析最后发现是由于用户的留存率的下降导致的。
这个结论不能说错，但是很容易误导人。因为这个结论的潜台词是，整个业务是一台运转严密的机器，最终的产出下降了，是中间的一环出现了问题，现在既然留存率出了问题，那么我们把留存率搞上去的话，日活就能回归正常。所以提升留存率就成了之后的业务目标。
而一旦提升留存率这件事成为一个KPI之后，业务同学就会做一些能快速提升留存率的动作，比如签到活动、标题党PUSH之类的运营动作。
这些运营动作确实会给留存率带来短期的提升效果，但是对于整体APP的产品力提升并没有什么帮助，甚至这些动作还会让用户厌烦，长期来看反而会降低留存率。
**所以用户的需求才是整个商业运转的第一性原理。**
回到案例中的问题：.....