數據分析日新月異。

大多數變化起因于從PC端計算向移動端計算的過渡。移動端對數據分析而言仍然是個新領域。變化太快，所有人都在尋找更新、更好、更快的解決方案。

四年來，我們一直在分析數據，從未間斷。在幫助企業(yè)進行數據分析的時候，我們發(fā)現了四個經驗教訓，希望能和大家分享共勉。這些經驗教訓事關大局，但有時會在追新求快的過程中被忽視。它們至關重要，如果你想成功地發(fā)揮數據的全部潛力，就必須將這四個經驗教訓牢記心中。

1. 你的工具現在不一樣了

人們想當然地以為，他們用來進行日常網站分析的工具應該也適用于移動端。但并非如此。網站和移動端不是體驗產品的兩個途徑，它們是完全不同的媒介，有各自的結構、組織、動機和指標：

·身份識別：移動應用沒有Cookies。用戶在首次下載和注冊時，會生成一個唯一ID，這就是用戶的身份識別碼。

· 離線使用： 用戶并不總是在線使用移動應用，因此不能單純地依靠在線追蹤。

·手勢 操作： 追蹤一次點擊很簡單，一次點擊只是一次點擊。但用戶與移動應用的互動方式可謂五花八門，包括單擊、長按、滑動、搖晃和其他很多手勢操作。

·群組分析：用戶使用移動應用的時間顯然是從安裝開始，到不再活躍使用為止，因此你可以對某些群體的行為方式和他們對變化的反應進行深入分析。

· 賺錢方式： 通常來說，網站通過廣告賺錢，因此他們的分析服務于那個目標。移動應用往往不是這樣，而是試圖通過額外的安裝，直接從終端用戶手中賺錢。

用戶在移動端體驗產品的方式完全不同，因此你用來分析這些用戶的工具必須進行調整。移動分析并非可有可無，對打造一款出色的移動產品至關重要。

移動分析是最強大的工具之一，不容忽視。比起普通的分析工具，移動分析將讓你對用戶行為有一個全新的了解，而你了解到的東西將幫助你改善用戶滿意度，提高用戶留存率，打造出更具粘性、更加強大的產品。你的公司將因此變得更加壯大。

2. 數據可獲取性現在變得更加重要

移動優(yōu)先的約會應用Tinder開始走紅后，他們以前有效的分析平臺不堪重負，本應該只用幾分鐘就搞定的查詢請求卻花了幾個小時。這是不可接受的，尤其是考慮到我們希望我們作出的幾乎每個決定都有數據做支撐。

以前，所有的數據請求都通過機構內部的一個中心節(jié)點進行處理，如果產品經理需要有關用戶行為或者轉化漏斗的信息，他們會向數據科學部門提出請求，然后得到回復。

現在，移動設備更小的屏幕、更精簡的菜單和更具多樣性的互動方式產生了大量的日常用戶信息。每家公司都渴望獲得數據。

要是沒有辦法使數據對所有人可用，機構的決策機制將陷入癱瘓。

確保你的工具服務于整個機構的數據需求。Instacart公司的法里德·莫薩瓦特（Fareed Mosavat）說：“如果你自稱是數據驅動，但每件事情都必須由一位分析師經手，那么你就不是真正的數據驅動。”

隨著你的公司開始擴大規(guī)模，這會變得越來越重要。數據請求量的猛增將大大減緩公司的決策速度。因此，你必須采用一種打破陳規(guī)的分析解決方案。

如果只是你和你的聯(lián)合創(chuàng)始人，自制的工具可能就足夠了，但其他人仔細考慮了數據可獲取性的問題。你需要專注于發(fā)展你的公司，而不是尋找盡可能好的分析解決方案。

3. 請不要搞砸用戶體驗

幾年前，初創(chuàng)公司的“增長黑客”對Facebook和Zynga等公司的巨大成功癡迷不已，他們開始利用技術手段來實現自己應用的增長。

但實現增長的技術手段會口耳相傳，一家公司做出了一個好東西，于是一傳十，十傳百，其他人開始模仿。但他們做起來總要差那么一點。同樣的招數不能用兩次。

因此，有些應用為了短期指標而過度優(yōu)化，最后變得幾乎一無是處。那些社交分享按鈕、黑暗模式、全屏接管和煩人的通知推送可能會在短期內提高你的用戶轉化率，但從長遠來看，它們幾乎總是會讓你付出代價。

Facebook等公司得以實現增長并非是因為它們發(fā)現了某些低層次的轉化率指標需要加以解決。如果它們在發(fā)展初期采取了現在某些應用的做法，基本上如今就會跟MySpace同樣下場了。

以前和現在繼續(xù)靠數據致勝的公司總是把用戶體驗放在首位。每次更新，哪怕對用戶的負面影響很小，也需要仔細地權衡利弊。從長遠來看，留住用戶的正是始終保持良好體驗的做法。

大多數程序員在編寫軟件的時候，也編寫了單元測試。這些代碼塊向程序輸入數據，模仿實際用戶的行為。通過監(jiān)督運行結果，開發(fā)人員可以知道他們的應用是否達到預期效果。

你在進行試驗的時候，不要只是做出更新，然后抱以最大的希望。要學會改變思維方式。如果更新幅度很大，先讓團隊成員試用。如果沒有什么問題，再讓數量有限的一群用戶試用。

不要為了更新而更新： 分析使用者的反應，然后評估你是否想更大規(guī)模地推出這個更新。

4. 分析用戶行為，不要盲目行動

在數據分析方面，最大的轉變是從原始和高級數據過渡到更加全面的行為分析。

四年前，想要理解應用的使用情況，你基本上有三個選擇：

·分析個人用戶如何瀏覽和使用應用的原始數據。

·分析高級數據可視化儀表板，其中包含轉化漏斗和留存率圖表。

·聘請一支出色的數據科學家團隊，收集、處理和分析各個群體如何使用你的應用，以及他們?yōu)槭裁催@樣使用。

前兩點很有用，但還不夠。第三點太花錢。但現在的一些工具比四年前的工具更加便宜、更易于使用，使那種“如何和為什么”的分析成為可能。

基本原則是分組。不要著眼于個別用戶或者整個用戶群，而要分析用戶群組的行為模式。找到你認為會提高你的應用長期留存率的行為模式，然后進行更加深入的分析。

重點不在于把某個按鈕做成綠色，使用戶轉化率提高微不足道的0.04%。關鍵是要找到用戶體驗中的拐點，使用戶一次次地回頭使用。

有無數種方法來分析應用產生的數據。眼光不要狹隘，不要認為成功的最好辦法是為了你覺得重要的某些隨機轉化變量而進行優(yōu)化。

不管是以前、現在還是未來，重要的只有一件事：用戶體驗。你的分析必須服務于用戶體驗，而不是反過來。找到使你的應用脫穎而出的用戶行為，然后在這些行為上加大投入。

為了某些變量而進行優(yōu)化，你將在短期內受益，但從長遠來說將毀掉你的公司。為了用戶體驗而進行優(yōu)化，雖然需要更長的時間才能看到效果，但方向是正確的。

向移動端的轉移已經在很大程度上改變了數據分析。它大幅增加了可追蹤事件的數量，改變了我們分析那些事件的方式，使用戶體驗變得前所未有地重要。

移動分析的新奇性已經使很多人就移動分析應該如何去做提出了各自的想法和框架，學習新的策略不是一件壞事。但在尋找解決辦法的過程中，要始終把大局放在心中：

·讓你的團隊擁有合適的工具

·讓你的團隊可以獲取數據

·不要損害用戶體驗

·分析人們如何使用你的應用

圍繞著這四點組織你的試驗和分析，你將為長期的成功做好準備，眼光不要只是局限于眼前的好東西。

原文:4Lessons Learned From 4 Years Of Non-Stop Data Analysis來源:http://www.business2community.com/big-data/4-lessons-learned-4-years-non-stop-data-analysis-01562180#pVbgDAvOiQ0Yzvxg.97

注：數據分析網遵循行業(yè)規(guī)范，任何轉載的稿件都會明確標注作者和來源，若標注有誤，請聯(lián)系主編郵箱：afenxi@afenxi.com