在產(chǎn)品運營過程中，數(shù)據(jù)分析具有極其重要的戰(zhàn)略意義，是產(chǎn)品優(yōu)化和產(chǎn)品決策的核心大腦。因此做好數(shù)據(jù)分析，是產(chǎn)品運營中最重要的環(huán)節(jié)之一。

那么如何做好支付的數(shù)據(jù)分析呢?以下梳理出數(shù)據(jù)分析的8步流程，以及常見的7種分析思路。新手在啟動數(shù)據(jù)分析前，***跟主管或數(shù)據(jù)經(jīng)驗較豐富的童鞋確認(rèn)每一步的分析流程。

[[175476]]

一、數(shù)據(jù)分析八流程：

1、為什么分析?

首先，你得知道為什么分析?弄清楚此次數(shù)據(jù)分析的目的。比如，這次短信方式的數(shù)據(jù)分析，為什么要做這個分析。你所有的分析都的圍繞這個為什么來回答。避免不符合目標(biāo)反復(fù)返工，這個過程會很痛苦。

2、分析目標(biāo)是誰?

分析目標(biāo)是誰?要牢記清楚的分析因子，統(tǒng)計維度是訂單，還是用戶，還是金額，還是用戶行為。避免把訂單當(dāng)用戶算，把用戶當(dāng)訂單算(上周運營同學(xué)真實案例)，算出的結(jié)果是差別非常大的。

3、想達(dá)到什么效果?

通過分析各個維度的用戶，訂單，找到真正的問題。例如這次的XX通道的分析，全盤下線，或維持現(xiàn)狀不動，都不符合利益***化原則。通過分析，找到真正的問題根源，發(fā)現(xiàn)用戶精細(xì)化運營已經(jīng)非常必要了。

4、需要哪些數(shù)據(jù)?

支付的數(shù)據(jù)，茫茫大海，數(shù)據(jù)繁多，用“海”來形容一點都不為過。需要哪些源數(shù)據(jù)?付費總額，付費人數(shù)?新老用戶維度?付費次數(shù)?轉(zhuǎn)移人數(shù)?留存率?用戶特征?畫像?先整理好思路，列一個表。避免數(shù)據(jù)部門同學(xué)今天跑一個數(shù)據(jù)，明天又跑一個數(shù)據(jù)，數(shù)據(jù)部門同學(xué)也會比較煩。

5、如何采集?

直接數(shù)據(jù)庫調(diào)取?或者交給程序猿導(dǎo)出? 自己寫SQL?運營同學(xué)不妨都學(xué)一下SQL，自力更生。

6、如何整理?

整理數(shù)據(jù)是門技術(shù)活。不得不承認(rèn)EXCEL是個強(qiáng)大工具，數(shù)據(jù)透視表的熟練使用和技巧，作為支付數(shù)據(jù)分析必不可少，各種函數(shù)和公式也需要略懂一二，避免低效率的數(shù)據(jù)整理。Spss也是一個非常優(yōu)秀的數(shù)據(jù)處理工具，特別在數(shù)據(jù)量比較大，而且當(dāng)字段由特殊字符的時候，比較好用。

7、如何分析?

整理完畢，如何對數(shù)據(jù)進(jìn)行綜合分析，相關(guān)分析?這個是很考驗邏輯思維和推理能力的。同時分析推理過程中，需要對產(chǎn)品了如指掌，對用戶很了解，對渠道很熟悉。看似一個簡單的數(shù)據(jù)分析，其實是各方面能力的體現(xiàn)。首先是技術(shù)層面，對數(shù)據(jù)來源的抽取-轉(zhuǎn)換-載入原理的理解和認(rèn)識;其實是全局觀，對季節(jié)性、公司等層面的業(yè)務(wù)有清晰的了解;***是專業(yè)度，對業(yè)務(wù)的流程、設(shè)計等了如指掌。練就數(shù)據(jù)分析的洪荒之力并非一朝一夕之功，而是在實踐中不斷成長和升華。一個好的數(shù)據(jù)分析應(yīng)該以價值為導(dǎo)向，放眼全局、立足業(yè)務(wù)，用數(shù)據(jù)來驅(qū)動增長。運營同學(xué)比較容易聚在某個點上轉(zhuǎn)圈走不出來。

8、如何展現(xiàn)和輸出?

數(shù)據(jù)可視化也是一個學(xué)問。如何用合適的圖表表現(xiàn)?每一種圖表的寓意是什么?下面列舉下常用的8個圖表：

1. 折線圖：合適用于隨時間而變化的連續(xù)數(shù)據(jù)，例如隨時間收入變化，及增長率變化。
2. (柱型圖：主要用來表示各組數(shù)據(jù)之間的差別。主要有二維柱形圖、三維柱形圖、圓柱圖、圓錐圖和棱錐圖。如支付寶與微信覆蓋率差別。
3. 堆積柱形圖：堆積柱形圖不僅可以顯示同類別中每種數(shù)據(jù)的大小，還可以顯示總量的大小。例如我們需要表示各個支付方式的人數(shù)及總?cè)藬?shù)時。
4. 線-柱圖：這種類型的圖不僅可以顯示出同類別的比較，還可以顯示出趨勢情況。
5. 條形圖：類似于橫向的柱狀圖，和柱狀圖的展示效果相同，主要用于各項類的比較。
6. 餅圖：主要顯示各項占比情況。餅圖一般慎用，除非占比區(qū)別非常明顯。因為肉眼對對餅圖的占比比例分辨并不直觀。而且餅圖的項，一般不要超過6項。6項后建議用柱形圖更為直觀。
7. 復(fù)合餅圖：一般是對某項比例的下一步分析。
8. 母子餅圖：可直觀地分析項目的組成結(jié)構(gòu)與比重。例如上次短信支付能力用戶中，沒有第3方支付能力的用戶，中間有X%比例是沒銀行卡，X%比例是沒微信支付賬號等。

圖表不必太花哨，一個表說一個問題就好。用友好的可視化圖表，節(jié)省閱讀者的時間，也是對閱讀者的尊重。

有一些數(shù)據(jù)，辛辛苦苦做了整理和分析，***發(fā)現(xiàn)對結(jié)論輸出是沒有關(guān)系的，雖然做了很多工作，但不能為了體現(xiàn)工作量而堆砌數(shù)據(jù)。

在展現(xiàn)的過程中，請注明數(shù)據(jù)的來源，時間，指標(biāo)的說明，公式的算法，不僅體現(xiàn)數(shù)據(jù)分析的專業(yè)度，更是對報告閱讀者的尊重。

二、數(shù)據(jù)分析七思路：

1、簡單趨勢

通過實時訪問趨勢了解產(chǎn)品使用情況。如總流水，總用戶，總成功率，總轉(zhuǎn)化率。

2、多維分解

根據(jù)分析需要，從多維度對指標(biāo)進(jìn)行分解。例如新老用戶、支付方式、游戲維度、產(chǎn)品版本維度、推廣渠道、來源、地區(qū)、設(shè)備品牌等等維度。

3、轉(zhuǎn)化漏斗

按照已知的轉(zhuǎn)化路徑，借助漏斗模型分析總體和每一步的轉(zhuǎn)化情況。常見的轉(zhuǎn)化情境有下單率，成功轉(zhuǎn)化率等。

4、用戶分群

在精細(xì)化分析中，常常需要對有某個特定行為的用戶群組進(jìn)行分析和比對;數(shù)據(jù)分析需要將多維度和多指標(biāo)作為分群條件，有針對性地優(yōu)化產(chǎn)品，提升用戶體驗。例如我們這次對短信這類用戶，短信里又有第3方和無第3方支付能力的，需要再進(jìn)行分群的運營。

5、細(xì)查路徑

數(shù)據(jù)分析可以觀察用戶的行為軌跡，探索用戶與產(chǎn)品的交互過程;進(jìn)而從中發(fā)現(xiàn)問題、激發(fā)靈感亦或驗證假設(shè)。例如我們這次對新用戶的運營，也非常有意思。

6、留存分析

留存分析是探索用戶行為與回訪之間的關(guān)聯(lián)。一般我們講的留存率，是指“新增用戶”在一段時間內(nèi)“回訪”的比例。通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產(chǎn)品的增長點。

7、A/B 測試

A/B測試就是同時進(jìn)行多個方案并行測試，但是每個方案僅有一個變量不同;然后以某種規(guī)則(例如用戶體驗、數(shù)據(jù)指標(biāo)等)優(yōu)勝略汰選擇***的方案。數(shù)據(jù)分析需要在這個過程中選擇合理的分組樣本、監(jiān)測數(shù)據(jù)指標(biāo)、事后數(shù)據(jù)分析和不同方案評估。

不單是支付的數(shù)據(jù)分析，其他的產(chǎn)品運營數(shù)據(jù)分析流程和思路也一樣適用，只是支付數(shù)據(jù)相對其他產(chǎn)品而言，維度很多，以及組合的維度也非常多，因此就需要更清晰的思路和大局觀，避免陷入到數(shù)據(jù)海洋中。