数据分析是以解决问题开始。数据分析注重的是结果转化，理论和只是最终服务于方案和最终结果
如何有效的获取数据，如何有效的经营用户

业务理解：具备同理心<人同此心，心同此理>--去理解人们所想和所需
角度：宏观和微观
    宏观
        产品存在的环境和外部因素的理解--强调环境的理解
        行业数据表现
    微观
        产品机制和内容的理解，强调对自身的理解
        使用者--设计者<数据策划>--运营者

方面：产品体验分析，产品运用策略
    用户理解。
    渠道平台特征
    运营理解--为产品和用户提供增效服务，将用户作为运营中心，市场作为运营方向
    运营策略和方法，运营刺激，以及运营总结分析
    新手教程，注册模块
    内容：文字情感，推送与弹窗 触摸设置
    感觉：流畅性
    用户培养--培养用户消费习惯
    核心用户规模
能力要求：产品体验的敏感性和专业性

方法--数据分析-营销-社会学-心理学-互联网-经济-广告

使用集中趋势或者离散程度的指标
    基本数据--度量数据
        本月金额
        本月人数
        本月金额占比
        本月人数占比
        较上月占比增幅         
    集中趋势：
        人均购买金额
        月人均ARPU值---总收入/总人数  但是存在二八效应
    统计描述指标
        比：静态指标，用来描述现象各个组成部分所占的比重或者分布
          同比--环比
            同比：消除数据周期性或者季节性变动带来的影响
            环比：体现数据连续性变化的趋势
            定基比
            渠道对比
            时间序列
        率：动态指标，表示一定人群中现象发生的频率或者强度
            异众比率
        幅度

    A/B test
    贝叶斯理论--

分布
    正态分布 Gaussian Distribution 高斯分布
    偏态分布
        Gamma Distribution          伽马分布
        Exponential Distribution    指数分布
        Power Law                   幂律分布
    二项分布-Bernoulli Distribution
    泊松分布-Poisson Distribution
图
    散点图 折线图 密度曲线图 箱体图 柱状图
    时序图--线条图、路径图
    小提琴图

    关联分析
    分类
    聚类
    回归
    异常检测

断代分析--CoHorton Analysis--对特定的渠道，时间段的用户数据进行分析，而不是针对全部用户

                获取用户的质量---留存率
                产品体验--留存率和次日留存率
                用户规模---活跃用户
                            新增用户
                            流失用户
                收益能力--ARPU分析
                            付费潜力挖掘
                营销效果---留存用户分析
                             ROI分析
                消费习惯--默认购买的金额

                付费用户--概率，在一定的条件下的概率
    分析体系和指标，使用指标，是了解指标背后所折射的问题和影响因素。
    了解指标背后用户行为

技术能力
    常用的分析工具：    Excel 、SQL、R、Python、Spark
    数据报告撰写和分析
    解决方案和评估报告
数据收集技术
    客户端
        埋点
        第三方SDK
    服务端--
        通过日志和数据库
数据存储技术

数据分析技术

分析报表
    现状，表现-问题，趋势
        表现--新增
              转化
    市场，产品，运营
    什么时候，什么业务，怎样的趋势，增长速度，平均水平
    制作技巧和原则
    了解阅读者的需要，从一个非分析师的角度看数据--场景使用价值
        做出何种改变
        需要的成本，提升的价值
        其他策略--场景

分析业务--建立指标体系
模型：投入和回报是一个完整的商业逻辑
PRAPA模型
AARRR模型：重心从成本转向价值
  Acquisition：获取用户
    CPM：Cost Per Thousand Impression    千次成本
    CPC： Cost Per Click             点击成本
    CPA： Cost Per Action                行动成本
    日新增用户
  Activation 活跃
    活跃度--用户质量--渠道质量
            产品本身
            DAU--Daily Active users 日活跃用户---<用户规模，产品生命周期分析等>
            WAU--Weekly Active User 周活跃用户---周期性用户规模
            MAU--Month Active User  月活跃用户---评估推广效果，总体游戏用户规模
  Retention
    用户黏性--用户留存--- 留存率<日留存率，周留存率和月留存率>
        留存率--作用：衡量有效用户，衡量运营表现，挖掘用户特征
            次日留存率 Day 1Retention Ratio  产品初期的体验效果和满意度
            三日留存率
            七日留存率
            留存率
                留存矩阵
                    比较渠道留存优劣
                    考虑流量的因素
                    考虑实际情况--对门户网站的酌情考虑
                留存率的衰减
                    设计--优化新手体验，强化用户个性化体验
                    运营--每日登陆奖励，退出界面提醒 消息推送 短信提醒
                留存作弊

        流失率
            日流失率Day 1Churn Ratio
            周流失率
        使用次数和时长
            新用户关心留存率<体验>
                环境：获取用户的方式、渠道和方法
                用户：用户的兴趣 效果和质量
                产品：产品的质量和人群受众定位
            老用户关心流失率
  Revenue:收入
    衡量收益
        转化率
        付费率
            PR--Payment Ratio 付费率
        用户价值--大客户小客户
            APA--Active Payment Account 活跃付费用户数
                活跃付费用户数==月活跃用户*月付费率
                充值
                消费
                    新付费用户
                    老付费用户
            ARPU--Average Revenue Per User 平均每用户收入
                分群了解每个群体的真实收益贡献能力
            LTV----life time value 生命周期总价值
                LTV=LT*ARPU。
                根据talkingdata的方法，
                LT=R1+R2+…+RN，（R1表示第一天的留存率，R2表示第二天的留存率，RN表示第N天的留存率）
                ARPU=充值金额/活跃玩家数=ARRPU*付费率。
            用户付费能力和梯度变化
  Refer：自传播

 从技术：单变量分析，双变量分析
 从业务：用户分析----留存分析---收入分析--渠道分析---内容分析
  渠道：-
    分类--- 分包追踪类-----安卓常见
            短链接追踪类---iOS常见
        官方市场
        手机助手
        手机厂商商店
        运营商商店
        第三方市场
        渠道本身和资源用户存在潜在的稳定关系
        渠道数据分析体系
        数据监控体系--根据自己的商业逻辑，业务模型
        了解渠道前，先了解自己，渠道本身对产品来讲值存在合适以及不合适。
        什么能做，什么不能做？目前不能，还是一段时间内不能
        数量 质量 和收入
        哪些先做，哪些后做
    内容分析
        AnyWhere  Anywhen  Anyone
    场景分析
        回炉型转化
        常规型转化
        优质型转化
        问题型转化
    长尾效应与二八法则
    活动运营分析
        数值反馈数据
        需求反馈数据

页游和端游

手游
很少听到如何通过数据分析真正的提高产品的价值，以及如何通过数据分析改善或者优化产品的案例说明。缺少具体的方案
寻找用户需求，挖掘问题所在，优化产品
狭义的数据分析
        渠道管理与运营
        流量粉刺
        运营
        部分产品设计分析
        活动
用户体验
核心素质：业务解决方案 
生命周期
        获取用户------用户获取---用户来源更加分散
        了解介质------移动设备特性--碎片化，差异化，信息输入方式，网络条件
        经营用户------用户的运营和维持
权限与合作：开发 设计 运营 维护
基础数据分析
        指标体系--业务导向和监测作用
数据-信息化
数据获取流程--数据埋点
总结需要长期使用的分析模块，并将其模块化。在新得方向时，不需要额外的开发成本
        留存分析
        充值分析
        消费分析
两种数据分析--
    其中一种，分析结果体现不了价值，最终还是要和业务结合，真正的体现价值的是如何运用结果
个人定位和能力要求--成长和职业发展： 
        数据分析能力 和业务理解能力
        数据分析的方法论--解决问题，方法和工具的概述
        数据敏感性
黑色一分钟
    安装--卸载-更新   -兼容性    
    电量--设备过热
    CPU使用率 内存泄露
    流量
    连接超时 网络劫持
    启动延迟
    卡顿-闪退--崩溃
体验--用户只是去感受-听到的，看到的以及触摸到的。这就是体验
冲动型付费用户

    相关行业
            游戏分析行业
            电商行业
    维度：
            时间维度  地域维度 渠道维度 用户群维度 
            设备，系统，网络 分辨率等，不同设备下的用户表现
            游戏行为，付费行为
            计算周期
    竞争对手分析
        入手--对手名称--对手用户 
        进入--对手官网--招聘信息--分析平台
        差异--比较分析--行业--波特分析
        免费游戏不遵循正态分布，而是幂指数分布--幂律分布
    付费用户更倾向于使用哪种手机？大客户呢
    社交关系是否会影响用户的流失以及活跃度？
    决策树对首次付费用户进行研究？1代表首次付费后又二次付费，0代表没有二次付费。确定模型，然后对首次付费中还会二次付费的用户重点运营和维护
    充值金额，充值次数，充值间隔--购买金额，购买次数，购买间隔。通过这三类指标区分用户

游戏数据分析的艺术