线上教育数据分析知识总结

在线教育产品与其他互联网产品在数据分析方面并无太大差距，最大的区别在于记录学生的学习过程与学习结果上要花的功夫更多，对于课程改进以及结果反馈都有更重要的意义。

1. 数据分析设计思路

1.1 明确数据分析的作用和目的

作用：真实反应产品所处的状态提出理性的数据参考，比如产品的趋势，并针对产品所处的状态提出针对性的改进意见，是产品改进的依据之一，而不是全部。

目的：一个是为产品/课程改进提供参考数据，另外一个重要目的就是为运营提供数据支持。

1.2 针对以上两个目的，从2w和H方面多提一些问题

1.2.1 What

（1）目前产品所处的阶段？

（2）用户是谁？

（3）在产品上做了哪些操作和流程？

（4）设定指标的维度有哪些？

（5）核心业务流程是什么？

（6）关键业务指标是什么？

（7）产品目前急需解决的问题是什么？

（8）哪些问题是可以从数据分析得到支持？

1.2.2 Why

（1）为什么要确定这些重要指标？

（2）这些指标一定要通过数据分析的方式来支持么？

（3）为什么产品会出现这样的问题，是否适合用数据分析的方式来解决？

（4）针对不同的业务部门，如何满足对业务的需求？

1.2.3.How

（1）数据分析能从哪个方面解决这样的问题？

（2）如何收集才能真实反应产品现状？

（3）如何做才能保证数据的真实性和实效性？

1.3 确定产品收集指标，收集方式，确定数据分析的频率，日报，周报，月报等形式，在执行之中逐渐修正自己的做法。

数据收集的维度包括：

用户使用核心业务流程的维度，找到关键考核指标

注册和购买环节通常为运营提供参考依据，而学习阶段及学习结果为产品提供产品改进参考。

接下在是一些在网上搜集到的有关在线教育的一些参考指标：

• 通用指标：每月活跃用户数、每月新增 App 用户数、各渠道销售额增长总览、本月销售目标完成率、各课程月销售额、各课程销售热度、用户粘度转化率、各课程支付观看率。
• 课程付费指标：课程销售量、课程购买用户数、课程销售总额、各课程销售页预览量、各课程销量、课程付费转化率、试听引导成单率、各课程退课订单总金额。
• 课程反馈指标：学习任务完成情况、课程学习完成程度、各教师受欢迎程度、各课程人均学习时长、课程学习频次分布、各等级学员学习时长分布、退课率。

2. 如何获取数据

前两点都不是很懂，先行记下来以后接触到实际的业务再来理解。

2.1 自己搭建数据获取渠道。

前端埋点：全埋点、可视化埋点、代码埋点，利用前端页面埋点进行统计，比如按钮点击数，下拉菜单数等

产品后台：通过后台管理系统，浏览、检索、购买数据库代码埋点、导入工具

业务数据：包括物流、进货、客服等数据，导入工具表进行搭建

2.2 通过页面嵌入代码进行统计

2.3 爬虫数据抓取

针对不容易获取的数据，比如某些评论，可利用爬虫抓取数据。具体方法略。

实际操作原则：

（1）数据收集尽量全面。通常情况下，数据不会分布在一个渠道内，需要来自多方，所以需要做数据汇聚和汇总；

（2）数据收集需要做到准确。首先判断数据是否准确；

（3）对照产品生命周期，形成合理的阶段性报告，重点是与业务部门业务相结合，提出实际有参考意义的指标。

3. 日常数据分析过程

收集数据—–分析/发现问题—–问题分类/分级—–解决方案及验证

分析和发现问题最关键：碰到了异常数据，比如销售下跌 10%

首先不要急着分析如何如何，先好好的想想看 ——

（1）这是不是一个问题

所有人都默认了10%下跌是个问题了。然而实际上我没有说是哪一天啊？万一是周末效应导致的正常波动呢。

（2）这是多大的问题

如果正常同期波动9%，昨天是10%，那算是多大个事呢？这样看起来，同比环比派反而是最接近真相的，因为有可能在做同比环比的时候会发现：哦，原来这个波动幅度其实不那么大。但是这需要他们看足够长的时间。另两类就不说了，直接秒杀。

（3）他们没有先排除系统异常

如果这个波动够大，那么是否可能是数据本身出了问题呢？这个要第一时间确认，排除错误，拿着正确的数据才能做分析。数据出错，分析毛线？

（4）他们没有先排除政策影响

如果这个波动够大，那么是否可能是主动调整？是否有相关外部政策，内部活动公布？这些要先自己了解清楚再做分析。一般短期内剧烈波动更有可能和特殊情况有关，先问清楚这个，再考虑怎么分析具体指标。排除掉这些之后你再来看看什么业务上的问题出问题了：比如讲师有问题或者是促销不给力了之类的。

End.

作者：不敢亮真名

来源：知乎