Python数据分析师自学（04:流量分析与竞品分析）

Python数据分析师自学

大家好！在大数据时代，数据分析师成为了不可或缺的热门行业，数据的处理分析能力也成为计算机人才的全面能力要求，所以，小远想与大家一起学习进步掌握洞察数据的能力，希望喜欢和选择这个行业的我们都可以潜下心来专心学习！

2. 流量分析

分析角度：

• 背景

• 渠道分析

• 转化波动逻辑性分析

• 流量波动逻辑性分析

2.1 背景

这里指所有的流量，包括用户从哪来，经过什么过程，产生什么价值等等

2.2 渠道分析

常见渠道：内部渠道（免费），外部渠道（社交媒体，APP广告）

指标：看用户的次日，七日，30日留存，后期看ROI（投资回报率）

• 结构分析：按照渠道环节一层一层拆解

• 趋势分析：看每个渠道的变化趋势（留存和量级）

• 对比分析：不同渠道间的趋势对比

• 作弊分析：包含用户行为分析和机器学习

分析渠道的质量和量级，力求渠道的变现能力提高。

2.3 转化波动逻辑性分析

• 功能渗透率=功能用户数/大盘用户数

• 功能的功能留存率：第一天使用该功能同时第二天也使用该功能的用户数/第一天使用该功能的用户数

• 功能大盘留存率：第一天使用该功能同时第二天是大盘用户的用户数/第一天使用该功能的用户数

2.4 流量波动逻辑性分析

老用户和新用户留存

分析A，B，C三个原因，分析其对留存波动的影响大小。

2.5 路径分析

路径分析定义

路径分析：随着各类APP的功能模块，坑位越来越多，用户的行为越来越分散化，比如很多App不止有一个核心功能，可能有若干个核心功能要在用户的所有 *** 作行为中发现产品设计之初可能不知道，但是非常有意思的用户前后行为。

• 漏斗分析：先假设在用数据验证

• 路径分析：先有在验证假设

• 日志分析：用户的详细行为信息

3. 竞品分析

分析角度：

• 为什么做竞品分析

• 竞品分析的步骤

• 爱奇艺与优酷的竞品分析

1. 为什么竞品分析

• 竞品的选择：根据竞品分析的目的

• 分析什么方面：分析背景有针对性切入

2. 竞品分析的步骤

• 评估可行性

• 评估竞品的功能，玩法和数据优点。揣摩竞品的策略计划。

• 挑选1～2两家竞品

• 给出初步分析结论

3. 案例背景

• 查看公司内部数据

• 两公司的产品对比

• 购买动力，传播效力

希望一起学习的小伙伴可以点赞互关哦～