數據分析用戶需要什么數據

這里首先需要說明的是標題中的“用戶”指的是數據的用戶，或者數據的需求方，這些用戶往往不是網站或企業面向的外部用戶，數據的消費者通常是公司內部各個部門和領域的人員。

為什么會提出這個問題，其實我們經常會遇到這樣的情況：公司的高層抱怨從報表里面看不到有用的東西，是不是可以對報表做下整理（于是下面就忙開了），但是該怎么整理或者他們到底需要的是什么數據（好吧，高層的需求一般是不會明說的，我們要試著自己去揣摩）；同時各個部門也在不斷地提各類數據需求，往往他們的需求就比較明確，有時可能會細得嚇人，需要每個用戶的每次關鍵操作（考驗服務器的時間到了）。數據部門就是處在這樣一個對數據的需求存在著如何多樣化的環境里面，所以考驗數據人員的時間到了，我們能滿足所有的需求嗎？

目標和KPI

好了，首先來解答一下我們揣摩“圣意”后的結果，老板或者高層需要什么數據？其實很簡單，他們只想知道公司的總體狀況如何，所以我們只需要提供匯總的目標和KPI數據，不需要太多，2-3張報表，10個左右的指標足夠展現出公司的全局了，但其實首先要做的是對公司的目標和KPI有一個明確的認識和定義。

　　主要關注人員：決策層

雖然目標和KPI的主要關注人群鎖定在公司的決策層，但其實公司的每位員工都應該關心公司的目標實現情況及KPI指標的表現，因為目標和KPI是客觀評價公司狀況和效益的最有效途徑。但往往各個部門關心目標的KPI的方式會有差異，于是數據需要去滿足各個部門不同的關注目標的KPI的方式，就有了下面的細分。

細分與功能點

公司的決策層可能會希望看到上面這些目標和KPIs的匯總數據，但如果我們給所有用戶都提供這類匯總數據，那么可能其他用戶就只能遠遠地望著這些數據，什么都做不了。所以我們需要給不同的用戶不同類別不同層面的數據，因為我們要做的就是讓每個數據消費者都能根據數據Take Actions，而其中很重要的一塊就是數據的細分。

我們可以從多個角度對網站分析的報表和指標進行細分，每個公司根據自己運營類型的差異選擇適合自己的細分模塊，當然這里說的最常見的幾個細分模塊：內容、用戶和來源，也就是Google Analytics的分塊方式。

內容細分

　　主要關注人員：產品運營

盡管互聯網的形式在不斷地多樣化，但無論如何互聯網還是主要以信息服務提供商的角色存在，歸根到底還是內容，所以對于網站而言內容是它的核心競爭力所在，對于網站分析同樣如此，所以首當其沖的就是內容的細分。之前有篇文章——網站頁面度量與細分，對網站的內容的一些度量指標和幾個細分方式作了介紹，無論以哪些指標或者以何種細分方式來評價內容，最終我們的目的都是區分優質和劣質的內容，掌控產品的運營狀況，從而保持或者改進網站內容。

內容細分的分析結果無疑可以給產品運營或者網站運營提供有價值的參考依據，明確了哪些是需要把握的核心內容，哪些內容需要改進。同時借助一些特殊的指標還可以指引細節上的改進，比如一個Pageviews很高但Avg. Time on Page較短、Exit Rate很高的頁面顯然在內容上沒有足夠的吸引力，但標題或簡介信息足夠吸引眼球，那么改進的方向就可以確定為提高內容的描述方式；如果你的網站提供電子商務服務，那么每個或每類產品細分的銷售額（目標）及轉化率（KPI）將讓你能夠更好地有針對性地進行產品和運營方式的選擇。

用戶細分

　　主要關注人員：用戶體驗、銷售

我們一般通過用戶的使用環境（網絡、設備、系統和客戶端等）、人口統計學信息（性別、年齡、地域等）、用戶行為類型（使用的趨勢、忠誠度、創造的價值等）這幾類數據和指標對用戶進行細分。在現在“用戶中心論”盛行的潮流下，是不是把用戶放在內容后面有點不妥？網站的一切就是為了滿足用戶的需求，包括所有的內容的提供，但其實在數據分析上用戶分析并沒有內容分析來得普遍，特別是還要對用戶進行細分，道理很簡單，內容或者產品是可以自己把握的，而用戶不行，所以尤其是基于用戶行為分析的數據，說得很多但真正做好的或者應用于實踐的其實并不多。

但有一塊必須要有用戶分析數據的支持，那就是用戶體驗的設計和優化。對于用戶體驗設計而言，其目標是能夠滿足所有用戶的使用習慣，所以比較和優化各類用戶在不同的使用環境和使用習慣中的數據能夠對用戶體驗的改善起到很大的作用；而如果你的網站產品需要進行銷售，那么用戶行為分析對于個性化的產品銷售和推薦能夠起到很好的效果，它剛好與用戶體驗的目標相反，這類細分分析主要是為了滿足每類甚至每個用戶需求上的偏好。

來源細分

　　主要關注人員：市場推廣

其實對于網站分析人員而言，渠道來源的數據分析肯定不會陌生，許多網站都會重點分析這塊的效果，包括SEO和SEM等都已經發展成為了非常專業的領域。網站分析工具里面一般都會區分直接進入、搜索引擎、外部網站及促銷途徑這幾項來源，其實我們可以使用一些有效的途徑將這些渠道分得更細，包括社會化媒介、合作網站、廣告直郵等，通過這些來源細分去觀察各渠道帶來的流量的質量（在目標和KPI指標上的表現），我們就可以看清楚各推廣渠道的優劣，從而為有效的推廣行動提供參考。

其實還有一塊——線下渠道，我們往往會認為線下的電視、報紙等上面的促銷或廣告的效果很難用數據進行監控，但其實只要我們去尋求一些辦法，這些也是可以實現的，比如離線通是監控線下電話營銷渠道的很好的工具。通過對線下渠道的監控分析，是我們更了解線下推廣的效果以及其對線上推廣所帶來的關聯和影響，最終指導推廣人員更有效地布置和實施整套完整的推廣計劃。

功能點分析

　　主要關注人員：技術、用戶體驗

如果你的網站不單是簡單的幾個頁面，而是一個龐大復雜的系統，其中提供了豐富的功能和應用，那么我們還需要做一類分析，就是各功能點的分析。之前在“讓用戶更容易地找到需要的信息”專題中分析過幾類網站中常見的功能：站內搜索、導航設計和內容推薦，這些功能點我們都可以使用特殊的方法獲取數據、設置特殊的指標去分析他們的實現效果。

技術和用戶體驗團隊都需要關注這些功能的實現效果和優化空間，數據是評價這些功能最有效的途徑，因為這些功能都影響著用戶的體驗和滿意度，一個真正優秀的網站需要把握好每個功能的每個細節的實現。

分析模型

上面提到的相關人員幾乎涵蓋了每個公司的各個領域，但其實還缺少一塊重要的組成部分，就是我們自己——數據分析人員。其實對于數據分析人員來說，他們需要把握所有的數據，從全局的目標和KPI到各類細分指標，以及各類功能點的數據。但這些還遠遠不夠，數據分析師必須發揮他們的所長，設計并構建起各類分析模型，這些模型不僅可以對公司的關鍵業務和運營狀態做出客觀的評價，起到總結的效果外，更可以發現一些潛在的商業需求點，為公司的發展提供可能的方向和決策依據，起到預測的作用。

分析模型主要分為兩類，一類是定量分析模型，這個在我的博客中已經介紹過一些，包括關鍵路徑分析的漏斗模型、基于用戶行為分析的用戶評價模型，當然也包括數據挖掘領域的用戶興趣發現、內容模式匹配，以及基于其上的個性化推薦模型，這些都在一定程度上實現了預測的效果。

另一類是定性分析模型，包括目標市場的調研、以用戶為中心的研究以及競爭優勢的分析。當然現在可能在用戶調研和用戶體驗方面做得相對多些，通過網上問卷、可用性實驗、實景訪問調研，結合一些可視化的點擊熱圖、鼠標移動監控等工具來評估用戶在使用網站是的整體感受和滿意度，這種更加接近用戶的分析方法將逐步為網站和產品的優化帶來許多新的思考。

自定義Dashboard

其實大部分的網站分析工具和BI報表工具中都會提供自定義Dashboard的功能，以便用戶可以將自己關注的指標、報表和圖表集成地顯示在同一個Dashboard上面，方便日常的觀察和分析。本來這是一個很Cool的功能，因為只要稍微用點心，可以把自己的“儀表盤”做得很漂亮，但現實中這個功能沒有想象中實現得那么好，或者用戶沒有去自定義Dashboard的習慣（當然存在數據的組織和關聯上的限制以及報表工具易用性方面的問題），但作為數據的提供方，我們在定制好公用的Dashboard的同時，有必要時還要幫助某些特定需求群體定制自定義的Dashboard。

優秀的自定義Dashboard不僅能夠合理地組織數據，同時更加可視化地展現數據，讓數據的觀察的分析不需要這么累，是的，也許用戶會愛上這些數據。同時自定義的Dashboard其實還可以有效的控制數據權限，在Dashboard里面將合適的指標和報表開放給用戶，從而屏蔽掉一些敏感的數據，數據的保密性對數據部門而言也是一塊重要的工作。

不知道讀完整篇文章會不會覺得有點空，沒有實質的內容或實踐性的分析方法，但其實這篇文章花了我很長的時間進行總結和思考，梳理整個數據提供方案的可行的思路，希望能給出一個系統全面的數據組織和提供方案，用數據為線索貫穿企業的各個角落，真正能夠建立起數據驅動（Data Driven）的企業文化，讓數據不單只是單純的展現這么簡單，能夠滿足各類人員的不同需要，并最終依靠數據提高企業在各個領域執行的效率和效果。