如何对数据进行分析和运用？如何利用数据分析问题( 三 ) _数据分析

从历史数据来看，该业务可能对性别更敏感，对省市地区的敏感度较低。所以加上性别因素，省市暂时不考虑（不考虑省市就知道省了多少人了）。生活）。
好了，根据上面的组合，可以列出用户层次结构如下：

文章插图
这只是一个硬用户分层。考虑问题时，应添加业务状态机。什么是状态机？也就是你的用户目前正在经历哪些业务行为或关键功能，你认为与这个实验相关的内容应该包括在内。如果你是先行者，你必须考虑所有的变数，然后构建只有几个仓库才能经受住后续多维组合分析的折腾。
这个分析实验我就不多说了。我只会讲两个最重要的业务状态机，一个是有没有订阅，一个是有没有浏览行为。有的同学可能已经猜到我接下来要做什么了。是的，表格已提交。：

文章插图
有人说有必要这么麻烦吗？不幸的是，产品经理的价值就在这里。如果前期没有问题，那么后期开发应该怎么做呢？skr~~ 这是只有4种状态组合后的用户分层列表，40种情况，每种情况都应该对应后续行为进行访问分析，因为每组人都可以在后续做任意动作-up，所以这个分析是多维到多维的。把它列出清楚之后，你就可以知道你真正要分析的数据是什么。什么，记住不要怕麻烦，怕不够小心。
不用担心，如果要完成分析工作，还有进程状态。当用户进入小程序时，有5种行为，加上上面的4种（浏览行为、刷新行为、其他功能行为、退出行为），多了一个滚动行为：

文章插图
而且这和上面的用户状态不同，因为是一个进程，所以五个进程的顺序可以任意颠倒，比如先刷新再滚动不浏览，或者先滚动再浏览再刷新。并且每个行为都可以细分为状态。滚动行为可以分为3种，一般滚动行为，滚动到最后一次浏览，不滚动。想清楚之后，接下来要做什么，对，画个表格，很明显会很大：

文章插图
我没有改变过程，只是用初始状态作为指示。如果真的进行了无差别分析，所有的状态都会经过严格的可行性分析后输出。以这个业务为例，极限状态是有可能的。不过不难看出有些是可以合并的，比如dz-72，不管怎么兑换都是一样的。该表用于数据可视化工具，是一个桑基图。这个产品：

文章插图
我们这么努力是为了什么？用户激励，没错，上面的安排就叫过程激励。当我们分析时，我们可以从结果动机开始。我们需要将类似的结果激励过程放在一个组中。以上面的例子为例，结果动机是有效退出或无效退出。. 比如数字dz1-3可能是正常的用户行为，dz4-6可能是没有读过有趣文章的用户（怎么办？优化算法！），dz7-9好像和我们的测试有关，如果这些用户都是刷新行为（dz1-3）重入、阅读、在线时长（KPI）能提高多少？这是精化分析。不同的序列有不同的动机，比如先来up 刚刚刷新，这似乎是我们优化后的预期情况？与哪个原组相比？优化后可以提升多少KPI指标？他们都可以估计吗？
这样的比较和比较会产生严谨可控的结果，用来指导你的决策。最初的对照组1和2也能产生结果，但你始终处于小学生的水平，不能成为初中生或高中生。
请记住，这些工作是在锻炼产品经理的另一个核心能力，用户动机判断，包括心理层面和产品层面，只有了解用户才能做好。所以回去看看，你以为第一张流程图还叫流程图吗？你说的需求也叫需求吗（我想分析一下默认刷新和手动刷新的关系，就埋没手动刷新的次数）？不是想打架吗？