从入门到精通:如何用图表做好数据分析?
随着精益化运营的概念不断深入人心,数据分析已经成为了互联网人的必修课。相比于高深的概率统计、算法模型,简单、直观的图表工具得到了更为广泛的应用。那么图表都有哪些类型?不同类型的图表又该怎么用?来,让我们深入浅出,看图说话。
初阶 -维度和指标
初阶的图表简单易懂,能满足简单的数据分析需求,具体包括趋势、频数、比重、表格等类型。图表数据分析的前提就是将自己需要呈现的指标,以一定的维度拆分,在坐标系中以可视化的方式呈现出来。
01 – 「趋势图」
趋势分析是最基础的图表分析,包括线图、柱状图、堆积图等多种形式。
线图可以观察一个或者多个数据指标连续变化的趋势,也可以根据需要与之前的周期进行同比分析。柱状图可以观察某一事件的变化趋势;如果将整体拆分可以做成堆积图,同时观察到部分所占比重及变化趋势。
产品经理和运营人员通过趋势图分析流量的实时走向,如每日PV、UV、DAU等基本数量指标以及停留时长、平均访问页面数等质量指标,可以及时把握产品的变化趋势。一旦趋势周期对比发生异常(异常高和异常低),我们需要及时介入排查原因、解决问题。
02 – 「频数图
根据业务需求对指标按照一定维度拆分,对比不同组别的频数,便于分清轻重缓急。
条形图清晰展示了用户在不同类别上的频数,并且按照数量从大到小排序。上图展示的是某产品用户使用浏览器的频数分布,在资源有限的情况下产品可以先适配Chrome和IE浏览器以提升绝大部分用户体验。
上面的双向条形图展示了某B端产品的客户平均停留时长极端情况(非常高和非常低),企业1-5非常活跃,可以让运营人员促进客户增购、续约,而企业6-10活跃度非常低,即将流失,需要运营人员立刻介入干预。
03 – 「比重图」
比重分析主要是用来了解不同部分占总体的比例。横向比较,扇形图、环形图可以满足这类需求;纵向比较,百分比堆积图可以显示不同部分所占比例的趋势变化。
上方的「环形图」显示了某节点访问用户来源渠道比例,而下方的「百分比堆积图」则动态显示了不同渠道比例的变化趋势,市场或者运营人员可以据此动态优化我们的资源投放。
04 – 「表格」
表格信息密集,可以同时分析多维度、多指标数据,适合对数据敏感的人群使用。虽然表格能看到具体的数值,但是不能直观看到趋势、比重。
通过表格不难发现,移动端访问用户占了非常大的比例,但是跳出率非常高。这样的表格数据启示我们有必要优化移动端产品,提升整体访问深度。
05 – 「其他表格」
下面介绍的是气泡图,气泡图用来展示一个事件与多个维度之间的关系,如分析B端产品客户成单周期与客户活跃度、登录账号数量之间的关系。
除了上述常见的图表,还有散点图、箱线图、股价图、雷达图等图表,在此不一一赘述。
进阶 -用户行为洞察
正如前面所言,初阶图表能满足简单的业务需求。但要想深入洞察用户行为,还需要紧密结合业务实践,用更加专业的图表辅助数据分析。在这里,我和大家分享三个实用的工具:漏斗图、留存图和热(力)图。
01 – 「漏斗图」
漏斗图主要用于转化过程,例如注册流程、商品购买流程,分析用户在不同阶段的转化或者流失情况。
产品运营应该关注重点转化路径的转化率,对于转化率非常低的环节、或者转化率突然下降的情况,都需要及时排查原因。
02 – 「留存图」
留存是指用户首次访问你的网站,多少天后又重新回访的情况。利用留存曲线可以对留存进行深入分析。
某问答社区通过留存曲线发现,EDM获取的新用户(红色)留存度和活跃度远远高于一般新用户(绿色),这启示社区运营者:EDM可能成为社区的下一个增长点。
03 – 「热图」
热图,又称热力图,显示的是用户在你产品页面上的点击、停留偏好。借助热图产品经理可以优化产品页面布局,运营可以优化内容,确实是一个好工具。
热图
高阶 -用数据驱动增长
随着数据可视化技术的不断发展,图表的类型越来越丰富,我们不可能在一篇文章中将其穷尽。但是图表数据分析的本质不会变,其最终目还是要辅助人们的决策。
01 – 「搭建属于自己的数据看板」
人们的工作在不断细分,需要分析和决策的内容也不太一样。同样都是市场部门的同事,负责内容营销的与负责SEM的需要关注的数据差异很大,而这就需要搭建属于自己的数据看板。
例如SEM主管根据工作需要搭建数据看板,将广告投放(表格)、访客来源(百分比堆积图)、访问用户量(线图)、登录用户量(柱状图)和注册转化率(漏斗)等重要数据集中在一个看板中。数据看板能帮助我们以合适的方式展示数据,集中精力做好业务决策。
02 – 「在实践中践行MVP」
用图表做好数据分析并非易事,它绝非一朝一日之功,但也并不是无规律可循。
首先是对业务的理解,能洞察数字背后的商业意义。其次是灵活选择维度拆分指标,在图表坐标系中以合适的形式进行可视化展示。最后一定要从图表数据分析中发现问题,并指导业务决策。在这样不断反复的过程中,不断优化我们的图表数据分析过程,用数据来驱动业务增长。
本文作者:GrowingIO
来源:51CTO