思维导图
在工作中，针对“xxxApp或xxx功能模块最近的用户量或者其他相关指标下降了，你会如何进行分析”等问题，最直接的解决方法就是建立完整的指标体系。
通过指标体系，能够很直观的发现问题所在，并且可以针对问题采取相应的措施。
Q1：要构建一套指标体系，整体思路是什么？
-
构建指标体系应该“纵向”和“横向”相结合
1.纵向：梳理出分析问题的整个流程
-
对于电商产品，需要分析出用户从进入网站到最终下单的整个流程
-
对于工具类产品，需要关注用户使用过程中的体验以及用户流失情况
2.横向：有了纵向分析的过程，还需要横向扩展不同的维度
-
基于用户画像的人群分类，根据不同业务背景的时间扩展以及业务线的划分
3.最后将纵向和横向的结果相结合，就得到了一套完整的指标体系
Q2：用户行为的核心节点有哪些？如何有针对性地设计指标？
互联网公司大多针对C端用户进行分析，因此这里主要关注C端用户
-
对于C端用户，核心的三个节点：新增、活跃、留存/流失
-
针对核心节点，可以纵向设计出很多指标，其中最主要的是绝对数量和百分比
-
针对新增用户的指标：新增用户数量、新增用户留存率、新增用户活跃率等
-
针对活跃用户的指标：活跃用户数量、活跃用户中的新增用户数量、活跃用户中的老用户数量等
-
针对老用户的指标：老用户数量、老用户流失、老用户唤醒率等
-
针对流失用户的指标：流失用户数量、流失用户与新增用户比率等
-
-
活跃用户部分需要重点关注，通过对从新增到流失整个流程指标的构建，可以清晰地看出在哪个环节最终活跃用户数增加了或者减少了
-
分析流程
Q3：对于活跃用户，应该如何进行相应的指标设计及路径分析？
对于活跃用户，要研究其活跃行为，从而提高用户体验。
针对不同类型的产品，需要进行相应的细分设计。
1.对电商产品活跃用户的纵向分析
-
对于电商产品，需要关注的是从来访用户到用户最终成功支付的整个流程
-
针对这个流程的每一步都可以统计出相应的用户数量以及上一步的转化率（如来访用户数量、下单/点击转化率等）
-
这些指标就构成了一个完整的纵向指标体系，通过这些指标可以清晰地看出哪个环节存在问题
-
对于电商产品，金额也是要关心的指标。从加购开始，每个环节在用户数量的基础上都需要增加金额指标以及相应的客单价指标
2.短视频
-
对于短视频，需要分为视频的观看者和视频的发布者两个独立的用户群体进行分析。
-
对于视频的观看者，需要考虑的是各种行为数据，相对路径比较短
-
对于视频的发布者，需要关注整个流程，看在某个环节的转化上是否存在问题，造成发布的视频数量减少
实际工作中，需要对部门的业务有所了解，梳理出产品中用户的生命周期以及活跃用户的行为情况。
Q4：有了明确的用户行为路径及相关指标后，如何进一步分析？
-
除了纵向分析，还需要横向分析
-
横向分析：对于同一个指标，基于不同的维度进行相应的扩展（常用的维度：时间维度、用户维度）
Q5：针对时间维度的分析，需要注意的点有哪些？
1.常用的分析方法
-
关注最近一段时间的数据，时间的长短要根据业务的具体特性来确定
-
例：对于高频的App或功能，通常关注最近1~7天的整体数据情况即可，也可以是自然周
-
对于相对低频的App或功能，则需要将时间拉长，关注最近15天、30天、90天甚至更长时间的整体数据，也可以是自然月、季度甚至自然年。
2.常用的对比方法
（1）对比当日与上日、本周与上周、本月与上月的数据
（2）对于一些周期性比较强的产品，则需要先确定产品的周期。
-
例：有些产品会受到周末的影响，此时用本日的数据与上周同一日的数据进行对比比较合理
-
有些产品会受到大型节假日的影响，此时针对节假日数据，需要与上一个大型节假日的数据进行对比
（3）对实时性要求高的产品，需要将数据指标细化到小时级别
3.时间维度分析总结
Q6：列举常用的用户维度拓展方法
1.通用的用户维度拓展方法
-
对于用户所在地：城市、省份、华东/华南等大区
-
对于用户的基本属性：年龄、性别、职业等
-
对于用户使用的设备情况：终端类型、客户端版本、厂商、机型等
-
对于新用户，关注用户来源渠道：自然新增用户、活动新增用户、广告新增用户
-
对于老用户，关注用户的生命周期：有效用户、活跃用户、忠诚用户、沉睡用户、流失用户
2.用户维度拓展方法总结
Q7：xxx最近有所下降，如何进行分析？
整体思路：梳理路径→确定对比的指标→选取对比的时间维度→针对问题环节拓展用户维度
1.梳理与该问题相关的流程，确定纵向指标体系
-
例：支付金额有所下降，需要梳理：曝光→点击→下单→支付这样的完整用户路径，以各个环节的转化率和用户量为核心指标
2.针对核心指标，确定所要对比的时间维度
-
例：基于所要分析的产品确定与前一天或者前一周的数据进行对比，发现问题所在
3.确定问题所在的环节后，针对该环节以用户维度进行拓展
-
例：基本属性、所在地、设备情况、新老用户等，确定引起该问题用户群体，针对这部分用户进行相应的策略调整
参考文献
1.《拿下Offer 数据分析师求职面试指南》徐麟 著
