数据分析日新月异。
大多数变化起因于从PC端计算向移动端计算的过渡。移动端对数据分析而言仍然是个新领域。变化太快，所有人都在寻找更新、更好、更快的解决方案。
四年来，我们一直在分析数据，从未间断。在帮助企业进行数据分析的时候，我们发现了四个经验教训，希望能和大家分享共勉。这些经验教训事关大局，但有时会在追新求快的过程中被忽视。它们至关重要，如果你想成功地发挥数据的全部潜力，就必须将这四个经验教训牢记心中。
1. 你的工具现在不一样了
人们想当然地以为，他们用来进行日常网站分析的工具应该也适用于移动端。但并非如此。网站和移动端不是体验产品的两个途径，它们是完全不同的媒介，有各自的结构、组织、动机和指标：
·身份识别：移动应用没有Cookies。用户在首次下载和注册时，会生成一个唯一ID，这就是用户的身份识别码。
· 离线使用： 用户并不总是在线使用移动应用，因此不能单纯地依靠在线追踪。
·手势 操作： 追踪一次点击很简单，一次点击只是一次点击。但用户与移动应用的互动方式可谓五花八门，包括单击、长按、滑动、摇晃和其他很多手势操作。
·群组分析：用户使用移动应用的时间显然是从安装开始，到不再活跃使用为止，因此你可以对某些群体的行为方式和他们对变化的反应进行深入分析。
· 赚钱方式： 通常来说，网站通过广告赚钱，因此他们的分析服务于那个目标。移动应用往往不是这样，而是试图通过额外的安装，直接从终端用户手中赚钱。
经验教训：重视移动端用户在移动端体验产品的方式完全不同，因此你用来分析这些用户的工具必须进行调整。移动分析并非可有可无，对打造一款出色的移动产品至关重要。
移动分析是最强大的工具之一，不容忽视。比起普通的分析工具，移动分析将让你对用户行为有一个全新的了解，而你了解到的东西将帮助你改善用户满意度，提高用户留存率，打造出更具粘性、更加强大的产品。你的公司将因此变得更加壮大。
2. 数据可获取性现在变得更加重要
移动优先的约会应用Tinder开始走红后，他们以前有效的分析平台不堪重负，本应该只用几分钟就搞定的查询请求却花了几个小时。这是不可接受的，尤其是考虑到我们希望我们作出的几乎每个决定都有数据做支撑。
以前，所有的数据请求都通过机构内部的一个中心节点进行处理，如果产品经理需要有关用户行为或者转化漏斗的信息，他们会向数据科学部门提出请求，然后得到回复。
现在，移动设备更小的屏幕、更精简的菜单和更具多样性的互动方式产生了大量的日常用户信息。每家公司都渴望获得数据。
要是没有办法使数据对所有人可用，机构的决策机制将陷入瘫痪。
经验教训：打破陈规确保你的工具服务于整个机构的数据需求。Instacart公司的法里德·莫萨瓦特（Fareed Mosavat）说：“如果你自称是数据驱动，但每件事情都必须由一位分析师经手，那么你就不是真正的数据驱动。”
随着你的公司开始扩大规模，这会变得越来越重要。数据请求量的猛增将大大减缓公司的决策速度。因此，你必须采用一种打破陈规的分析解决方案。
如果只是你和你的联合创始人，自制的工具可能就足够了，但其他人仔细考虑了数据可获取性的问题。你需要专注于发展你的公司，而不是寻找尽可能好的分析解决方案。
3. 请不要搞砸用户体验
几年前，初创公司的“增长黑客”对Facebook和Zynga等公司的巨大成功痴迷不已，他们开始利用技术手段来实现自己应用的增长。
但实现增长的技术手段会口耳相传，一家公司做出了一个好东西，于是一传十，十传百，其他人开始模仿。但他们做起来总要差那么一点。同样的招数不能用两次。
因此，有些应用为了短期指标而过度优化，最后变得几乎一无是处。那些社交分享按钮、黑暗模式、全屏接管和烦人的通知推送可能会在短期内提高你的用户转化率，但从长远来看，它们几乎总是会让你付出代价。
Facebook等公司得以实现增长并非是因为它们发现了某些低层次的转化率指标需要加以解决。如果它们在发展初期采取了现在某些应用的做法，基本上如今就会跟MySpace同样下场了。
以前和现在继续靠数据致胜的公司总是把用户体验放在首位。每次更新，哪怕对用户的负面影响很小，也需要仔细地权衡利弊。从长远来看，留住用户的正是始终保持良好体验的做法。
经验教训：倾听用户的声音大多数程序员在编写软件的时候，也编写了单元测试。这些代码块向程序输入数据，模仿实际用户的行为。通过监督运行结果，开发人员可以知道他们的应用是否达到预期效果。
你在进行试验的时候，不要只是做出更新，然后抱以最大的希望。要学会改变思维方式。如果更新幅度很大，先让团队成员试用。如果没有什么问题，再让数量有限的一群用户试用。
不要为了更新而更新： 分析使用者的反应，然后评估你是否想更大规模地推出这个更新。
4. 分析用户行为，不要盲目行动
在数据分析方面，最大的转变是从原始和高级数据过渡到更加全面的行为分析。
四年前，想要理解应用的使用情况，你基本上有三个选择：
·分析个人用户如何浏览和使用应用的原始数据。
·分析高级数据可视化仪表板，其中包含转化漏斗和留存率图表。
·聘请一支出色的数据科学家团队，收集、处理和分析各个群体如何使用你的应用，以及他们为什么这样使用。
前两点很有用，但还不够。第三点太花钱。但现在的一些工具比四年前的工具更加便宜、更易于使用，使那种“如何和为什么”的分析成为可能。
基本原则是分组。不要着眼于个别用户或者整个用户群，而要分析用户群组的行为模式。找到你认为会提高你的应用长期留存率的行为模式，然后进行更加深入的分析。
重点不在于把某个按钮做成绿色，使用户转化率提高微不足道的0.04%。关键是要找到用户体验中的拐点，使用户一次次地回头使用。
经验教训：保持简洁有无数种方法来分析应用产生的数据。眼光不要狭隘，不要认为成功的最好办法是为了你觉得重要的某些随机转化变量而进行优化。
不管是以前、现在还是未来，重要的只有一件事：用户体验。你的分析必须服务于用户体验，而不是反过来。找到使你的应用脱颖而出的用户行为，然后在这些行为上加大投入。
为了某些变量而进行优化，你将在短期内受益，但从长远来说将毁掉你的公司。为了用户体验而进行优化，虽然需要更长的时间才能看到效果，但方向是正确的。
结论向移动端的转移已经在很大程度上改变了数据分析。它大幅增加了可追踪事件的数量，改变了我们分析那些事件的方式，使用户体验变得前所未有地重要。
移动分析的新奇性已经使很多人就移动分析应该如何去做提出了各自的想法和框架，学习新的策略不是一件坏事。但在寻找解决办法的过程中，要始终把大局放在心中：
·让你的团队拥有合适的工具
·让你的团队可以获取数据
·不要损害用户体验
·分析人们如何使用你的应用
围绕着这四点组织你的试验和分析，你将为长期的成功做好准备，眼光不要只是局限于眼前的好东西。
本文转自d1net（转载）
