许久都没冒泡了。。。这次写一个我想了很久才搞明白的问题
国内相关文章并不多，涉及的工具、概念也算比较新，所以在这里写一下，希望帮到有同样困惑的人
一般小团队存在的问题
- 不知道能用数据干什么
- 没有足够的资源写 SQL（专人、时间或者方法）；想用工具，但不知道有什么合适的数据工具可以用
目前，我发现了一套解决方案，能基本满足小团队早期的数据需求，以下以我自己的网站为例进行介绍
一、产品与需求背景
地址：http://learnbyreading.herokuapp.com/
我这个网站是个爬虫站，定期自动爬取 Amazon 的书籍数据，并做简单的统计分析，呈现出近期的好书，方便我找书看
那么，对这个产品，我有哪些数据上的需求、问题呢？
- 我要分析爬到书籍的数据：比如书总体的评分分布是怎样的？哪个类别下哪些书评价好、评价差？最近更新了哪些书？
- 我想知道有多少人在用这个网站，这个网站能为别人带来多大价值
二、解决方案
(1) Metabase
用 Metabase 连接网站的数据库，就可以直接做分析，上图是我做出来的 dashboard, 包括了当前书的数量、评分的分布等等
具体使用也很简单，用的 query builder 就行
(2) Google Analytics
这个大部分人都很熟，在网站/App 里嵌套好就行，可看网站的访问量、流量来源、地区分布等等
不过仅仅这样的话，也不需要什么解决方案了
因为。。。。。其实还有新的数据分析的需求
(3) Mixpanel
随着对数据分析学习的深入，我知道了可以做更多的分析来分析产品的好坏
比如说，我这个产品的目的，是帮助用户们找到更多的好书
所以核心的指标，其实是“用户点开了书”
用户访问的书越多，说明帮他们找到潜在感兴趣的书也越多。如果满屏都是不感兴趣的书，用户是不会点的，也说明我的产品没有达到目的。另外，网站还能显示书评的详细内容，我也想知道有多少用户查看了
这个时候，就要用到埋点（tracking）了
开发好后（i.e. 把大象放到冰箱之后），就能看到用户访问了某本书，是否查看了 review 的事件，这个是通过 Mixpanel 做到的
也能看到每天各个事件的统计量，我也能知道用户查看的书最多是什么，使用哪类跳转最多
此外，网站一个核心的指标，就是查看页面 -> 查看书籍的转化率，用漏斗分析可以做
可以看到转化率还是挺低的
不过，如果你对 GA 熟悉，会知道 GA 也是能埋点的，那为什么要用 Mixpanel, 而不用 GA 呢？
因为 GA 对于分析的支持并不够，像上述的漏斗、事件分析，GA 做起来是很困难的，而 Mixpanel 简单操作就行了，类似的还有多重事件定义、用户人群的分析。也就是说
- Google Analytics: 开箱即用，打开就能看到各种数据，比如每天的访问量、渠道流量来源、留存量。主要用于对外的流量分析
- Mixpanel: 做了埋点才能有数据，没有默认的数据看板可以看，需要自己配置、分析。主要用于对产品自身的分析
需要注意的是，Mixpanel 目前的 UX 比较差，功能有很多，但没讲明白到底干嘛的。简单来说，包含了 2 大块
- 查询分析：即目前的 Insight/Segment 功能，用于直接查询、分析各类 event 的属性、趋势
- 分析方法论：即目前的 Funnel/Retention/Signal/Predict/People 等功能，分别对应是的常用的分析方便，比如漏斗分析，留存分析，关联、预测行为，用户分类等等
(4) Segment
除了 GA，Mixpanel, 可能你还要用到其他的外部工具（比如 Amplitude），这时就有个头疼的问题了，因为这些代码都很相似，但是都需要反复开发、调试
这时，就可以用到 Segment
Segment 对埋点类工具做了抽象，也就是说，只开发 Segment 的代码一次，然后再通过配置就能开启 GA, Mixpanel 以及其他的工具，适配的工作交给 Segment 来做就行了
我这里就是 Google Analytics + Mixpanel + Amplitude 同时开启了的，方便对比产品功能
更重要的是两点
- 开启了类似产品的大地图，可以考虑更多的工具，而不被某一款限制住
- 可以通过 Segment 把采集数据发给自己的数仓，把数据保存下来，以便后续使用
可以简单的把 Segment 理解成 Stripe for Analytics. 类似于电商做支付的时候需要对接很多平台，而 Stripe 把这些都做好了，我们调用就行
至于能用的其他的工具有哪些？可以看 Segment 自己的介绍
https://segment.com/academy/intro/navigating-the-sea-of-customer-data-tools/
三、总结
3.1 需求抽象
上面主要说的是工具的用法，但其实这套解决方案的重点，并不在于这些具体的工具
回过头来，会发现每个工具都对应了特定的问题
- Metabase: 用于分析数据库内的数据
- Google Analytics: 用于分析外部流量来源，开箱即用，主要对外
- Mixpanel: 用于分析产品自身状况，需要设计好埋点的方案，主要对内
- Segment: 用于简化埋点类工具的开发，开发一次，然后做配置就行
实际上，每个问题对应的解决方案，也不是唯一的，也都有其他的选择
- Metabase 类似的，还有 Superset, Redash
- GA 类似的，是 CNZZ/友盟
- Mixpanel 类似的，是 Amplitude 与神策
根据工具熟悉程度、二次开发难度、定价等情况，每个团队完全可以有不同的方案
但这个时候，你已经明白“具体的数据分析需求有哪些，可以怎样解决，用什么工具解决了”，而不是刚开始比较混沌的状态
这类组合方案的不足在于数据不在一处，需要在多个地方看数据，但就其节省的开发成本而言，我觉得是值得接受的
3.2 接下来？
(1) 可学习的
这里介绍的解决方案，背后实际是业界 best practice 的集合，而这些其实都是需要学习的，并不是拿到了工具就“会用”。比如，
对外，怎么用 Google Analytics? GA 的功能其实挺丰富的，但目前我还没看到比较好的教程
对内，是 Product Analytics 的范畴，比如这里对 Metabase 和 Mixpanel 的使用，比如我从产品本身，推出对"用户查看书籍"的关注，以及转化率的分析
这又涉及到了 2 点
- 分析方法：怎样分析产品，这个我以前写过了，在 https://www.douban.com/note/635605361/ 我觉得依然算是不错的入门介绍
- 实现方法：比如埋点的方案怎么设定，这里推荐 Segment 的教程，https://segment.com/academy/intro/ 大概花半天就能学到不少东西
(2) 可做的
上述这些内容，都是传统层面的分析，那有没有更 fancy 的做法呢？
比如，Ruby China 的用户，可不可以做特征分析，判断总共有哪几类人（e.g. 努力发帖，努力回帖，只看不回的，只点赞的），比例各是多少，行为特征是怎样的？以及对新用户，预测他将来会成为哪类用户，甚至鼓励他成为内容贡献者？
这就涉及到 machine learning、聚类了，在产品有了足够的数据积累之后，就能进一步做这些东西
