1.综合
1.留存分析
留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考查进行初始行为后的用户中，有多少人会进行后续行为。这是衡量产品对用户价值高低的重要指标。
留存分析可以帮助回答以下问题：
一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单。
某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？
想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？
2.用户粘性
3.北极星指标：
北极星指标（North Start Metric），又称唯一关键指标（One Martric That Matter，OMTM）。它本质上只是一个指标，但其意义远超其他指标。北极星指标之所以用北极星来命名，因为它确立后就如同北极星般指引全公司上上下下向着这一个方向迈进。
4.新增用户留存率
新增用户数里面登录用户的比例
第1日留存率（即“次留”）：（当天新增的用户中，新增日之后的第1天还登录的用户数）/第一天新增总用户数；
5.Cohort Analysis组群分析
通过用户分组的方式去分别研究他们的留存率变化情况
常见的维度有日期，用户渠道，用户行为划分
一个好的公司：
①留存数据终会在某个月份之后停留在一个固定的留存率上
②纵向的留存数据应该是越来越好的。因为若公司和团队应该不断的根据历史情况改进产品和体验等
6.指标阈值的确定
指标阈值的确定是业务中最常遇到的问题，确定指标阈值主要可以考虑人为划定、统计分类、模型自动选择三种方法。
对于一些有明确目的或者是凭借过往经验可直接判断的阈值标准，就可以人为划定。这种方法的优势在于简单便捷成本低。
而对于有一定业务知识但是历史经验不足的情况，可以在人为划定的基础上加入统计学原理，用统计分类的思想进行指标阈值确定。这种情况下需要掌握数据的整体情况，了解数据指标的基本分布，根据数据分位数、3-sigma原则、统计指标的拒绝域等进行划分。这种方法既包含了对业务指标有多了解，又用到了统计分析的科学方法，具备科学性和稳定性
2.报表
-
整理海量数据的第一要务：
构建合适的指标体系或者模型
-
然后是;
数据监控（报表，数据看板）（制定相应的监控规则）——输出分析报告——指导业务发展
-
指标体系分为：
纵向：从流程上去分析业务，如电商产品，用户从进入网站到下单的各个行为
横向：业务线的划分，基于用户画像的人群分类
4.C端用户（消费者）行为核心节点：
①新增用户，②活跃用户，③留存/流失
新——留/失
留——活/老
5.活跃用户进一步处理（除了关注金额指标还有客单价（每个客人平均购买量））
访问——点击——加购——下单——支付
6.时间维度分析注意的点：
①不同频率的app或者功能时间长短不同，低频分析有一个月的，高频分析一周的
②周期性强的注意特定日期，有些产品会受周末的影响，有的会受节假日影响，那就比较这周日与上周日，
7.用户维度拓展方法;
①基于地区：省，市等
②基于用户属性：年龄，性别，职业
③用户来源渠道：自然新增，活动新增，广告新增
④设备情况：
8.xx业务最近有下降，怎么分析？
①梳理流程，确定纵向指标体系，以各个环节的转化率和用户量为核心指标
②针对指标，确定对比的时间维度，如与前一天或者前一周的数据
③确定问题环节后再拓展用户维度，找出引起问题的用户群体，并对他们进行策略调整。
9.对于报表要考虑哪些问题？
①对于报表本身，要能明显，直观地展现出数据的变化，比如增加周同比，月同比变化百分比，没有对比的数据是没有生命的，同时最好标识出异常数据。
②其次，对于不同的报表阅读者，要呈现不同的指标
对于领导层：要以最直观的方式展现最核心的数据，他每天要看很多业务线和部门的数据
业务层：因为它是针对具体业务的，所以数据要全面和多维度，而且最好是实时数据
客户：针对性地提供数据，排除敏感数据和次要信息
③报表输出方式：数据看板平台或者邮件发送。
10.数据分析报告分为
①常规报表：如周报，月报，让产品人员，运营人员对近期数据形成统一认识
②分析报告：如针对新功能上线地分析，运营活动的效果分析
11.如何提高分析报告的质量:
①作报告前就要确定基本的框架，确定核心指标，
先拆解分析维度，各个商品的销售情况，各类人群的销售情况，然后确定核心指标
点击率（点击/曝光数），支付转化率（支付/点击数），点击单价（支付金额/点击人数）客单价等
②结论提前，不要罗列过多数字，注重对比，如“此次活东点击单价42.51，比之前活动40，提高了多少个百分点，
③合理地使用图表，使数据更直观。
3.AB测试
1.简述AB测试
目的;评估项目/模型的效果，或者为了优化的目的
方法：设置两个或多个版本，让一组用户使用A版本，一组使用B版本，要遵循单一变量原则，除版本外，其它变量都尽量相同（时间，组内客户情况），最后再收集测试数据，对结果进行显著性检验，（当样本量少于30时，用t检验效果较好；但是一般样本量较大，用Z检验；均值对比的假设检验方法主要有Z检验和T检验）
2.过程
实验分组——进行试验——分析结果
3.如何进行分组（单个试验和多个试验并行的情况）
以用户的唯一标识（ID号）或者其它指标等为分组依据，最简单的方法是以尾数单双分为两组，
为了提高随机性，可以采用固定的哈希函数进行分组。
如果有多个试验并行的情况，可以采用分层的方法，每个试验看作一层，第二层试验的A组由第一层试验A,B组各随机地抽取50%来组成。这样可以保证分组的正交性，保证随机性。
4.用户画像
1.用户画像
核心关键词;用户标签，用标签去描述用户的个人情况，消费习惯，爱好等特点
作用：①实现精准营销;不同特点的用户采取不同的召回策略（macth）（与排序一同讲）
②帮助产品设计：产品经理可以根据用户画像去了解需求，保证新产品的开发和这些需求更配
用户画像是动态地，不断修正的
2.标签分类：
- 用户属性类标签：性别、年龄、地域
- 用户行为类标签：近30日访问次数、近30日客单价等
- 消费类标签：收入状况、购买力水平、已购商品