用《复联3》的豆瓣评分教会你正确使用条形图、饼图、漏斗模型

导读: 每天跟数据打交道,或许你已经习惯了用数据说话。怎样能让人更懂你的数据?图表是展现数据的有效方式,几种最常见的图表你都会用了吗?基于图表和数据的常见分析方法你都掌握了吗?本文以热映中的《复仇者联盟3》的豆瓣评分数据为例教会你玩转图表和分析方法。

01 常见的统计图你用对了吗?

随着计算机软硬件的发展,使用计算机来处理数据并绘制统计图,已经变成人们想当然的选择。我们先回到原点,抛开那些软件给我们提供的、丰富多样的图表选择,只拿出三种最基本的统计图样式,明确他们的特点。

如果这三种最基本的统计图你能用的足够好的话,他们几乎可以覆盖大多数的数据展示的需求,而不需要刻意地绘制更复杂、聚合了更多信息却难以理解的图表。而在思考这三种基本统计图的过程中所使用的思维方式,同样可以拓展到其他地方,比如用来思考其他更复杂的统计图,也包括那些软件提供的模板。

数据分析的关键步骤之一,就是要得出数据之间的关系。而统计图就是帮我们把这些抽象的关系,变成具体可以看到的东西,来传递给我们的听众。换句话说,统计图上的图形,表现的就是数据之间的关系。而做这种最基本的统计图,恰好表现了三种最常用也最基本的逻辑关系。

由此,也可以得出以下这些在使用统计图的过程中比较常见的错误,包括:

  • 用条形图的长度来表现趋势或者占比
  • 用饼图的面积表示数量的大小或比较
  • 用折线图的纵坐标表示数量的大小或比较
  • ……

▲《复仇者联盟3》豆瓣截屏

1. 条形图

首先要说的,就是前面提到的条形图(Bar Chart)和“柱状图”的区别。一般的条形图。与条形图有些相似的一种图,叫作直方图(Histogram Chart)。而“柱状图”的称呼,有时指的是条形图,有时指的又是直方图,很容易混淆。

▲条形图样例

▲直方图样例

条形图表现的是数量关系,是数据之间的比较。条形图中每个条形的长短,表现的是数据的大小。因此,条形图是通过一组条形中每一个条形的长度,来判断各组数据之间的数量关系的。

2. 饼图

饼图表现的是总分关系。也就是说一组数据中,每个数据占总体的比例。图中每个扇形所对应的圆心角的角度越大,那么这个数据在整体中所占的比重也就越大。反之则比重越小。这种占比大小,经常用来反映了某一个分类在整体中的重要程度,或者对整体的影响程度。比如在我们研究用户的年龄分布时,某个年龄段的用户数量占用户总量的比例越大,我们就越会着重地考虑这部分用户的需求。

▲饼图样例

3. 折线图

折线图表现的是序列关系。比较常见的应用是用来描述一组数据的发展变化趋势。折线图是将各个数据点用线段连接起来,来通过线段的斜率反映数据的变化趋势。

▲折线图样例

在使用折线图呈现分析结论的时候,如果在整体上,多个连续的数据点之间表现出相对统一的趋势,比如都在不断的下降,或者不断的上升,那么做趋势分析相对容易一些;而如果找不到类似统一趋势,折线上下反复波动,则应当为反复波动的折线补充一条水平的参考线,使得折线是围绕这条参考线在不断地上下波动。通过这条线,我们也能够预估数据的变化情况。比如,如果折现已经波动到距离参考线比较远的位置,则后边的趋势,转为向上升的趋势概率比较大。

02 常见分析方法和指标详解

1. 访问量与点击量

用户看到与我们的产品相关的内容,并根据设计好的交互功能进行点击、滑动等操作来切换内容,这是用户最基本的行为。在这个过程中,用户能接触到的不仅包括产品本身的页面和功能,还包括各种与产品相关的内容。比如,我们制作的广告图片、撰写的运营文章、拍摄的宣传片,还包括在新兴媒体上发布的微博、推送的公众号PUSH消息、进行的直播等等。

对于以功能为主的产品,除了功能的搭建和完善,最关心的当然就是用户如何借助提供的功能在产品内部“流动”——也就是通过用户访问和操作的行为数据,来分析用户是如何使用各个功能的。而对于其他类型的产品,在操作流程中也免不了伴随着浏览和点击等基本行为,并产生相应的行为数据。比如购买商品的流程、投资的流程等等。因此,“访问”和“点击”这样的用户基本行为,始终是需要重点分析的对象。

2. 转化率与漏斗模型

对用户访问和点击行为的分析,既可以是结合业务含义的,也可以是独立于业务含义的纯粹数量统计。但对于这类基础数据的分析不是我们的重点,当我们从业务发展的角度分析用户行为时,就需要考虑发展目标、业务含义等等更多的信息了。

其中比较重要的一点,就是我们在这些基础的用户行为数据之上,增加了业务目标作为导向,来指导接下来的深入分析。我们会基于业务目标,从用户的行为中选出那些我们最关注的流程节点。并通过用户在这些节点的行为数据,来衡量用户的行为是否符合我们的期望。并且,既然是从业务的角度出发的,那么在这个过程中用到的数据也不仅仅是流量数据这么简单了,还要考虑那些与业务相关的数据,比如交易额。

▲漏斗模型

3. 用户画像与用户分群

用户画像,顾名思义,就是将用户的“样子”直观地呈现出来。这里的“样子”指的就是用户的特点。这些特点就不仅仅是用户行为上的特点了,还包括用户自身的基本信息。比如年龄上的分布、地域上的分布、交易额上的分布、客单价上的分布、喜好的商品品类上的分布等等。

我们还可以加入各种分析维度,来组成对于用户的认知,其中也包括一些与特定业务类型高度相关的维度,比如用户在投资上的投资风格和风险偏好等等。我们能考虑到的维度越完整,也就能从更多的角度了解用户,对用户认识得更完整,特别是一些与业务相关的维度相对更有价值。

4. 产品推荐与精准营销

到了用户画像和用户分群这一步,我们已经对用户群有了更加精准的认识和判断。有了这些数据作为基础,我们下一步的重点,就会再次回到产品和业务上:按照不同的用户特征对用户进行区分,并且根据用户自身特点的不同,将不同的产品推荐给用户。这也就是我们下一步要做的产品推荐和精准营销了。

5. 动态产品

如何为C端用户提供更灵活的产品呢?想要一蹴而就是不行的,不仅仅是项目排期等不起,用户的需求也等不到你完成就要改变了。

灵活性是“养”出来的,就像人的智慧,除了天赋的成分,还有成年累月的学习、思考、交流的积累。但看看现有的项目排期,上面可能已经排满了各种营销活动、各种大小BUG的修复工作,根本无暇顾及“养”的过程。就像小朋友们日夜奔波于各种家庭作业、培训班和补习班之间,无暇休息、更无暇总结和沉淀一样。

6. 广告投放与商业变现

接下来我们就需要回到产品和团队的商业目的上来——通过前面讨论的内容,来帮助团队或者企业实现业务传播和盈利的目标。这也是我们基于过去获取的或者掌控的资源,进行变现的过程。

商业变现的方式有很多。在各种层出不穷的创业商业计划书中,就包含着各种各样的、人们热衷于讨论的所谓“商业模式”。特别是在投资人对于各种创业项目的态度开始逐渐收紧的阶段,能设计出一种可行并行之有效的商业变现方法,能够帮助一个项目更容易博得投资人的青睐。最直接的变现方式,就是向用户收费了。

关于作者:李阳,资深数据产品经理,2015年获得PMI Agile Certified Practitioner认证,2016年获PMCaff产品经理社区“年度受欢迎作者”。现任京东金融数据产品经理,目前专注于业务系统逻辑和数据分析领域。

本文摘编自《产品增长力:数据驱动的产品设计、运营和优化》,经出版方授权发布。

延伸阅读《产品增长力》

转载请联系微信:togo-maruko

原文发布于微信公众号 - 大数据(hzdashuju)

原文发表时间:2018-05-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大咖说

阿里盖坤:用深度学习打造真正的智能化广告系统

文章原创首发于微信公众号「 TGO 鲲鹏会」,原文地址:阿里盖坤:用深度学习打造真正的智能化广告系统

2983
来自专栏携程技术中心

搭建技术分享平台,携程技术中心深度学习Meetup回顾

今天由携程技术中心主办的深度学习Meetup在凌空SOHO举办。作为上海最顶级的深度学习大会,活动吸引了BI、机器学习、大数据等领域的工程师和高校教授们参与,会...

3556
来自专栏人工智能头条

Yann LeCun高端私享会纪实:预测学习才是AI的未来

1773
来自专栏人工智能LeadAI

三大技术基础推动人工智能走向实用

人工智能从幕后走向实用离不开人工智能技术取得的突破和发展。在互联网时代背景下,大数据、新型高性能计算架构以及深度学习帮助人工智能技术实现了从量变到质变的转变。其...

3349
来自专栏数据猿

实现财务自由,这个工作是我们未来几年最好的选择

2203
来自专栏华章科技

一文读懂机器学习、数据科学、人工智能、深度学习和统计学之间的区别

在这篇文章中,数据科学家与分析师 Vincent Granville 明晰了数据科学家所具有的不同角色,以及数据科学与机器学习、深度学习、人工智能、统计学等领域...

1302
来自专栏挖掘大数据

5个典型实例启发:什么是数据可视化

大数据时代,数据是非常重要的,怎样把它的重要之处展示出来成为我们需要掌握的既能,这也就是本文要讲的重点——数据可视化。

20910
来自专栏数据派THU

一文读懂机器学习、数据科学、人工智能、深度学习和统计学之间的区别

来源:机器之心 作者: Vincent Granville 编译: 机器之心 参与:吴攀 、李亚洲 校对:李君 ...

33810
来自专栏小鹏的专栏

开启聊天机器人模式

聊天机器人系统框架图 今天看到了一篇关于聊天机器人的一个不错的资源汇总: https://www.52ml.net/20510.html 进去看看先大概了解了...

2076
来自专栏量子位

谷歌大脑小姐姐亲授:如何应聘成功羡煞旁人的AI工程师岗位

不如听听过来人怎么说。最近,谷歌大脑的小姐姐Catherine Olsson上了一堂名企应聘公开分享,手把手教你应该以怎样的姿势开始AI安全类工程师求职之旅。

1012

扫码关注云+社区

领取腾讯云代金券