本文会给大家讲解：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？在这篇文章中我们结合互联网产品和运营的业务需求，由浅入深地给大家解答这些问题。
Part 1 | 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。
1. 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。
图 1 - GrowingIO 周期对比线图：
图 2 - GrowingIO （堆积）柱状图：
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。
2. 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。
图 3 - GrowingIO 条形图：
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。
图 4 - GrowingIO 双向条形图：
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。
3. 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。
图 5 - GrowingIO 访问用户来源环形图：
图 6 - GrowingIO 百分比堆积图：
环形图（图 5）显示了某节点访问用户来源渠道比例，百分比堆积图（图 6）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。
4. 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。
图 7 - GrowingIO 表格提供三十多个维度供指标拆解：
通过表格（图7）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。
5. 其他图表
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。
图 8 - GrowingIO 「客户温度 - 健康度」气泡图：
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。
Part 2 | 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。
1. 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。
图 9 - GrowingIO 漏斗图：
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。
2. 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。
图 10 - GrowingIO 留存曲线:
某问答社区通过留存曲线（图 10）发现，通过搜索引擎来源的新用户（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：搜索引擎可能成为社区的下一个增长点。
3. 热（力）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。
图 11 - GrowingIO 热图：
Part 3 | 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。
1. 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。
图 12 - GrowingIO 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。
2. 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 增长团队，集工程、产品、市场、分析多重角色于一身，负责拉新和用户活跃，用数据驱动业务增长。
1、概念漏斗图在Google Analytics的报告里代表“目标和渠道”，在Web Trends里叫做“场景分析”，在Omniture的SiteCatalyst里被称为“产品转换漏斗”。虽然漏斗图称呼不一样，但它都是用来衡量网站中业务流程表现，并适用于电商等各个行业。漏斗图可以非常直观地看出网站业务流程中的问题所在，从而加以完善。
2、适用场景
漏斗图适用于业务流程比较规范、周期长、环节多的流程分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。最常见的分析场景有：
1）电商网站：通过转化率比较能充分展示用户从进入网站到实现购买的最终转化率。
2）营销推广：反映搜索营销的各个环节的转化，从展现、点击、访问、咨询，直到生成订单过程中的客户数量及流失。
3）CRM：客户销售漏斗图用来展示各阶段客户各个阶段转化比较。
3、工具
能做漏斗图的数据工具有很多，我用过的有Excel、BDP个人版、Echart（需要写点代码）。
4、有何意义
1）快速发现问题，及时调整运营策略
漏斗图是对业务流程最直观的一种表现形式，通过漏斗图可以很快发现流程中存在的问题，通过相应的方式进行优化，漏斗图又可以很直观的告诉我们流程的优化效果。
2）直观展示两端数据，了解目标数据
漏斗图最直观展示网站分析中的两个重要端点：流量导入端——产生收益端，有多少访客访问了网站，有多少人给网站带来了收益。当我们通过各种推广和营销方式把用户拉到网站后，如何尽可能让更多访客产生收益才是最重要，而漏斗图的作用就是描绘网站中后一端的数据情况。
3）提高业务的转化率（营销推广）
漏斗图直观暴露问题后，可以在不增加现有营销投入的情况下，通过优化业务流程来提高访客购买率，进而提高访客的价值，并且这种提高的效果是非常明显的。
4）提高访客的价值，提高最终的转化率（一般是购买率）
在现有访客数量不变的情况下，提高单个访客的价值，进而提高网站的总收益。
其实3）和4）都是通过漏斗图发现问题优化后的延伸意义了，最重要的是通过漏斗图，能够发现问题，并通过优化提高某些环节的转化率，起到最终提高整体效益的作用。
新媒体数据分析方法主要有：
第一：漏斗图分析法
漏斗图其实就是一个倒立的金字塔，相信这么说大家一定很清楚了它的形状了，那么漏斗图分析到底是怎么个方法呢？其实很简单，就是把你总结好的相关数据填入进去就可以直观的看出数据每一步转化的情况了。
第二：雷达图分析法
做新媒体运营的人都应该知道这个方法吧，毕竟百家号百家指数、大鱼号数据分析用的都是雷达图分析法，所以雷达图分析法通常用于指数分析，也就是自媒体平台对账号权重的一种评判。
第三：回归分析法
这种方法就比较繁琐了，它是指通过研究事务发展变化因果关系来预测未来即将发展趋势，也就是说这种方法是用来研究变量间相互关系，也常被称为因果法。
扩展资料：
新媒体进行数据分析的原因：
1、通过数据分析可以知晓各渠道的一个推送效果：将相同的内容投放于不同渠道，可以通过数据分析出个平台的推荐量和阅读量，以此判断你的目标群体集中地。将不同的内容投放于相同的渠道，可以了解目标用户的内容偏好，以便更集中的输出和优化内容，提高用户粘性。
2、我们可以通过数据分析，及时调整优化内容：通过数据对比，可以发现相关问题所在，比如：标题没取好、图片没吸引力、内容不够优质、目标用户不在此平台活跃等，然后根据数据反馈的问题，及时做调整，避免掉粉。
3、通过数据分析可以为下一篇内容做出参考，从而使内容越来越优质：数据能客观反映当前内容的推广效果和状态好坏，给上级或公司提供可参考的决策、战略依据，从而找到最佳路径。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）