技术发展经历信息化、数字化、自动化、智能化的过程，实际也就是对信息处理的程度由无到有，由浅到深，回到数据分析这个事情来说也一样的道理，想要做数据分析，首先得对数据进行收集，其次是观察数据，再者是分析数据，然后是应用数据，最后是验证修正。

数据收集

通常针对数据收集，小公司未避免资源消耗可采用第三方的数据收集平台（可用免费或者独立部署），如PC端可以用百度、Google等，APP可以用使用友盟、诸葛、百度移动统计等。这些统计平台设置埋点都相对简单，只需要将平台的SDK或js脚本直接放入代码中，如特殊埋点需求可根据第三方说明文档进行（如按钮点击及转化率等，需要配置点击事件埋点并设置前后逻辑关系）。

除使用第三方工具外，还有个非常重要的数据埋点，就是在设计任何产品模块时候，考虑产品最终目的及运营目标指数，如设计一个优惠券活动，用户使用优惠券数量、优惠总金额、财务支出总额、复购率、转化率等都需要独立埋点，第三方统计工具一般是无法对这类数据处理的，所以产品上线前PM或运营就应该考虑。（而外话题：如第三方能实现的统计尽量不要自己开发，第三方统计工具可能数据不够精准，但数据趋势还是一致的。除公司发展到一定规模，否则很耗费人力且效果可能不如预期，这是前车之鉴）

数据观察

产品上线发版后，就可以通过第三方平台的控制台进行各种维度是数据观察，我们拿PC端百度统计平台来看。首页能看到流量概览，针对百度关键搜索也能进行统计。

如您的网站进行了其它渠道的推广，那可以看到浏览来源统计数据，用户入口的页面（针对分享出去的页面有效的统计分析），新老客户占比，最受访问的页面统计。

除以上概览，还有流量分析（趋势分析、设备终端分析）、来源分析（搜索引擎、关键字、外部链接）、访问分析（受访页面、入口页面、域名、热力图、事件分析）、转化分析（转化概况、转化路径）、访客分析（地域分布、系统环境、新老访客、访客属性）、优化分析（针对提升流量提供建设改进意见，有参考价值）。

APP端的就不累述，有需要了解的可以注册账号进去看看，针对部分特殊内部应用数据就根据需要提给开发人员进行界面化设计或导出数据表。

两大观察维度，一是以绩效考核（KPI）出发，二是以业务场景出发。KPI角度看即在产品上线前会制定年度、季度、月度等时间节点目标，如社交产品模块上线后，第二季度可以给整个产品提升5%的DAU，又如今年APP产品的注册新用户数20w，都是产品KPI考核的明确指数。业务场景角度看就如数据收集提到的要点，具体看运营场景。

五大纵深角度，一是看量级：即数据的多寡；二是看趋势，数据的升降走势，也是判断业务指标重要参考；三是异常，数据突然的升、降节点，定位并发现机会或问题；四是看结构，了解数据的组成、组成比例、优先级等；五是看细分，通过细分维度的数据及结合产品具体形态，理解数据背后的具体含义，如查看DAU中安卓和IOS操作系统的占比，分析用户的特征或偏好，若使用华为手机系统多，则可能商务人士用户多，若使用小米、OPPO手机，则可能发烧友用户多。

数据分析

渠道拆分

针对用户来源有很多流量入口，如微博、微信、、APP等，针对每个流量渠道，获取的新用户数都可能不一样，这个时候就需要针对每个渠道进行分析，将总的用户数量按照渠道进行统计汇总，针对top前几的渠道重点布局。

用户拆分

明确最佳推广渠道后，还可以根据地理位置、用户画像等维度在进行拆分，明确不同渠道不同群体获客数量，有重点的针对用户群体提供不同流量策略。

行为分析

指用户通过使用产品时候，会通过很多的操作及跳转，才最终完成某个交易或完成某个任务，电商交易流程案例：首页->搜索想要产品->加入购物车->付款购买，假设这是一条交易关注的链路，也就是我们通常理解用户可能通过这样的一个路径完成购买交易动作，但实际用户可能有多种路径变更后才完成，如1：首页->分类推进->详情页面->直接购买，如2：首页->拍照识别->加入购物车->查看同类推荐->继续加入购物车->对比删除部分商品->第二天购物车直接支付购买等等，这样就产生了多个不同路径，针对不同路径的用户转化数据进行统计，得出最优购买路径并持续优化。

漏斗分析

通常产品体验及转换率分析是通过漏斗模型进行，漏斗模型通常指一级页面->二级页面->三级页面->...，页面与页面间用户转化的数据指标，可以通过每个页面的PV或UV进行统计，如一级页面PV=1000，二级页面PV=800，三级页面PV=500，那转化率统计为800/1000=80%,500/800=63%，将此方法应用到上面那个“行为分析”路径上，就更加明细每个路径节点的转化率。

对比分析

按以上的分析继续往下，针对每个路径得知转化率后，可能需要针对转化率低的节点

进行优化设计，优化设计可能会在原有方案上直接进行修改A方案或新增B、C两个方案，那如果直接修改之前的页面，那就需要对历史数据及新方案上线后的数据做前后对比分析，如采用B、C两个方案，可针对不同群体同时上线，进行前后数据对比分析，B、C方案同比对比分析，就能知道最后那个方案效果最佳（也有可能两个方案都不理想）。

软件定义硬件，算法优化软件，数据驱动迭代。