一个数据分析报告的框架
· 项目背景：
- 为了收集到学生对于老师和课节准确的评价，更好地了解老师的教学效果，学生对于老师教学的满意度，从而更好地评估老师的教学质量，更好地服务学生和家长，让学生家长对我们满意。产品部门联合教务教研部门，讨论出学生评价的内容和维度，以及制定出上线后运营部门的跟踪策略和安排。
- 为了建立一个完善的师生评价体系，建立老师和学生的完整个人档案，将用户的每一次反馈，都记录下来。
· 项目进度： 已完结
· 名词解释：关键性指标定义是什么，为什么这么定义
· 课节总量：当天课节状态为“结束”的课节总数
· 出现评价页面的课节数：课节总量中的课节，下课后出现了评价弹窗的课节数
· 评价数量：课节总量中提交了评价的课节数
· 评价提交率：提交数量/课节总量
· 心情不好占比：学生反馈中，心情不好的评价/所有的评价数
· 没听懂占比：学生反馈中，没听懂的评价/所有的评价数
· 不喜欢老师占比：试听课学生反馈中，不喜欢老师的评价/所有试听课的评价数
· 数据获取方法：如何取样，怎么获取到的数据，会有哪些问题
· 数据概览：重要指标的趋势，变化情况，重要拐点成因解释
· 数据拆分：根据需要拆分不同的维度，作为细节补充
第一个分式表示：下课后出现评价页面的课节数中，有多少节是学生看到后就点击提交了的，可以理解为 学生提交评价的意愿，这个数据统计下来是95%，可以看出学生对于提交评价是不排斥的，但凡看到了评价页面，基本都会提交评价。
这个数据，需要产品在页面设计上下功夫。
用户完成的任务量要轻，页面内容数量不能多，不能让用户看到页面就头疼，不想评价。
页面内容要易懂，不需要用户反复思考，反复纠结抉择，而是看到问题就知道答案。
页面设计要简单直观，用户做出的行为操作，要有直观的反馈，比如用表情来直观表达用户的选择。
第二个分式表示：当天结束的课程中，下了课成功弹出评价弹窗的课节数，可以理解为 学生按照预想的下课流程操作到评价页面的概率，这个数据统计下来是75%，也就是说，有25% 的课节，下了课时没有出现评价弹窗的。
那么，影响评价弹窗出现的因素有哪些呢？
是否所有的用户都升级到了出现评价弹窗的版本？没有升级的用户所上的课，占比有多少？
评价弹窗的页面加载，是否都加载成功，有多少占比的课节数，是评价弹窗没有加载成功的？
学生是否按照产品预想的路径操作到评价界面，也就是说，显示是否下了课就按手机Home键离开了App？
以上问题的验证数据如下：
目前Android用户已全部升级，iOS的用户中约有2%的用户，尚未升级到要求版本,。鉴于iOS版本的安装包占比约为62%，可以算出目前尚未升级的用户有1.2%。这些用户在统计时间段里，所上课节的占比约为5%。
对于评价页面加载失败的占比，目前尚无数据可以获取，因为当初开发的时候，没有安排页面加载成功率、页面停留时长等数据的统计埋点。但根据100.com的其他web页面的加载数据，大致可以粗糙估计，评价页面的加载失败率在1%左右。
对于学生是否按照产品预设的步骤进行操作，目前尚无数据支撑。但可从第二个分式的最终数据反推出，这部分的学生下课不按照套路出牌的课节数占比为19%。若想教育和培养这部分学生的下课操作习惯，可以从两个角度入手：
a) 下课时，明确告知用户，下课成功后会出现本节课的评价弹窗，请用户评价。给用户一个心理预期，提前告知用户接下来会出现的页面。当然如果有用户本来就不愿意提交评价，那么提前告知他接下来有评价需要提交，没有任何益处。鉴于我们目前暂时没有学生的积分运营体系，对于学生提交评价的行为，没有激励和奖励策略，所以有用户不愿意提交，也只能随他去了。
b) 本次下课，学生直接按Home键离开了App，我们无法挽留，只能在下一次用户打开App的时候，给他再次弹窗，提示用户提交评价。而这其中，则需要制定一个评价弹窗的出现策略：什么时候弹，多久弹一次，什么时候就不弹了？鉴于人脑的记忆力都有一个时效性，为了评价内容的真实准确有效，我们设定：某节课下课后24小时内，只要用户尚未提交评价，则每次用户打开App，都弹出评价页面，请求评价，直到24小时后打开不再弹出。但是这其中，又需要考虑一个因素，那就是学生打开我们的App的频率有多高？某节课下课后，24小时内再次打开App的占比有多大？不同时期，学生排课的间隔时间不一样，比如假期，学生基本每天都会有课，那么，24小时内打开App的概率会升高很多，那么评价页面的出现概率也就随之上升很多。如果是平时， 2/3的学生7天上1节，1/3的学生7天上2节。也就是说，2/3的学生中，如果这节课下课没有走到评价那一步，24小时内又没有打开App，看到评价弹窗的话，那么他也许始终都没见过评价弹窗呢。那么这部分的课节数占比多少呢？2/3学生数1节课+1/3学生数2节课=4/3*学生数 节课，每周只上一节课的那2/3的学生说上的课节数，占一半的课节数。
如果扩大时间范围，出现评价页面的课节数占比会上升，但是数据的真实性会降低。但优先级上，真实性要高于提交率，所以不可以为了提高提交率而降低真实性。
· 结论汇总：总的来说，在评价数据真实准确的前提下，目前的评价提交率为76%，是符合预期的，也是正常的，基本没有多少上升空间了。
· 后续改进：
- 开发过程中，有的数据没有及时埋点，导致后续在分析数据的时候，发现数据获取不到。
根本问题在于：在做需求方案的时候，没有明确的数据目标，比如提升什么，降低什么；其次，针对数据目标，拆解数据指标，分析影响因素有哪些，这些因素分别需要哪些数据支撑，这些数据是否现有？没有的话，需要在开发过程中提给开发埋点需求。
- 运营：
教务部门，针对每一节课后学生评价中的负面选项，对用户专门回访，鼓励用户积极反馈真实上课情况，详细了解学生这节课的学习情况。如果本节课没有听懂，教务班主任会及时向老师反馈，根据学生或家长的要求，与老师沟通，要求老师合理安排课程内容。
教研部门，对于家长口头反馈给班主任的或者是学生在课后评价的不满意课节，安排专人观看录播视频，从5个维度考核老师的教学质量。
· 附件：详细数据
