從理論到方法論，一步步教你如何入門精益數(shù)據(jù)分析。

一、認識數(shù)據(jù)——產(chǎn)品經(jīng)理與數(shù)據(jù)分析

1.1 數(shù)據(jù)的客觀性

數(shù)據(jù)是量化事物的手段，投射到不同的人身上又會導致解讀的結論偏差，因此我能需要“求證”地分析第三方網(wǎng)站提供的調(diào)研數(shù)據(jù)（網(wǎng)站改版案例）。

大量的數(shù)據(jù)如何為我們所用呢。大概包含以下幾點：明確問題本質(zhì)；了解產(chǎn)品業(yè)務；大量深入的產(chǎn)品實踐。

1.2 培養(yǎng)面對數(shù)據(jù)的“智慧”

好的產(chǎn)品經(jīng)理需要學會控制自己的思維，感性的發(fā)散，理性的聚焦需要同時具備?；臼强糠磸偷木毩暫痛罅康臄?shù)據(jù)閱歷練成的吧。

產(chǎn)品經(jīng)理開始有意識的學習數(shù)據(jù)分析的時候應該從以下兩點開始：

（1）學習如何提出數(shù)據(jù)統(tǒng)計需求

提出數(shù)據(jù)需求的過程，是一個“界定產(chǎn)品目的和目標，根據(jù)目標提出假設、預判產(chǎn)品效果”的過程，要求對功能目標、功能預期效果有完整且清晰的掌握。

一個完整的數(shù)據(jù)需求包含功能設計方案、功能目的和目標、功能上線后需要跟蹤的數(shù)據(jù)指標及指標精確定義。

網(wǎng)站注冊流程需求案例：

（2）學習如何解讀數(shù)據(jù)

對數(shù)據(jù)保持敏感，并能通過邏輯推理，進一步提出好的追問和假設，然后再通過數(shù)據(jù)或者其他手段來驗證。

分清楚因果關系和相關關系，提出好的追問假設，在不同的維度拆分數(shù)據(jù)。

電商網(wǎng)站案例：

1.3 數(shù)據(jù)分析當中的“誤區(qū)”

1. 忽略沉默用戶；
2. 用戶迫切需要的需求≠產(chǎn)品核心需求；
3. 過分依賴數(shù)據(jù)會限制產(chǎn)品經(jīng)理的靈感；
4. 錯判因果關系和相關關系；
5. 警惕表達數(shù)據(jù)的技巧（控制折線圖縱坐標范圍混淆結論）；
6. 不要妄談大數(shù)據(jù)（大數(shù)據(jù)特征——要用全部數(shù)據(jù)、注重相關關系、全新的計算方法）。

二、獲取數(shù)據(jù)——產(chǎn)品分析指標和工具

2.1 網(wǎng)站數(shù)據(jù)指標

1. 網(wǎng)站排名工具：Alexa、中國網(wǎng)站排名、網(wǎng)絡媒體排名
2. 網(wǎng)站監(jiān)測工具：Google Analytics、百度統(tǒng)計、CNZZ
3. 關鍵網(wǎng)站分析指標：訪問量、訪客數(shù)、瀏覽量、跳出率、頁面停留時長、網(wǎng)站停留時長、退出率、轉化率
4. 訪問量：Session
5. 訪客數(shù)：Unique Visitor，依據(jù)用戶的設備、瀏覽器分配Cookie
6. 瀏覽量：PageViews
7. 頁面停留時長：該頁面的總停留時長除以該頁面的訪問量
8. 網(wǎng)站停留時長：指訪問一次會話的時間長度，等于網(wǎng)站所有訪問量的總停留時長除以訪問量
9. 跳出率：網(wǎng)站的重要指標。等于只訪問了落地頁面的訪問量除以總訪問量。
10. 退出率：等于從一個頁面的退出次數(shù)除以訪問次數(shù)
11. 轉化率：達成某種目標的訪客數(shù)占總訪客數(shù)(訪客數(shù)換成訪問量也是同樣成立的)

2.2 移動應用類數(shù)據(jù)指標

移動應用主要指標

從獲取用戶到獲得收入基本會經(jīng)歷以下幾個過程：用戶獲取、用戶活躍與參與、用戶留存、用戶轉化、獲取收入。下面依次介紹各個階段的主要指標：

1. 用戶獲取階段：下載量(商店評分和排名)、安裝激活量、激活率、新增用戶數(shù)(一般就是新增設備數(shù))、用戶獲取成本
2. 用戶活躍與參與階段：日活躍用戶數(shù)、月活躍用戶數(shù)(可表示用戶規(guī)模)、活躍系數(shù)(日活除以月活)、平均使用時長、功能使用率
3. 用戶留存階段：次日留存率、7日留存率、30日留存率
4. 用戶轉化階段：付費用戶比例、首次付費時間、用戶平均每月營收(月收入除以月活躍用戶數(shù))、付費用戶平均每月營收(月收入除以月付費用戶數(shù))
5. 獲取收入階段：收入金額，付費人數(shù)

使用數(shù)據(jù)指標評價版本迭代效果的方法

1. 留存率對比
2. 核心功能使用率
3. 使用率和繼續(xù)使用率(代表功能的受歡迎程度)
4. 對核心功能的促進效果(核心貢獻的概念——舉例：使用過功能A的聽歌人數(shù)比例減去未使用過功能A的聽歌人數(shù)比例)

移動應用分析工具

1. 國內(nèi)分析工具：友盟、TalkingData
2. 國外分析工具：Flurry，Google Analytics
3. Crash分析工具：Crashlytics

2.3 電商類數(shù)據(jù)指標

電商類關鍵指標

1. 銷售額、購買客戶數(shù)、客單價、購買轉化率、UV、詳情頁UV、重點商品缺貨率、妥投及時率
2. 銷售額：網(wǎng)站的收入(UV*轉化率*客單價)
3. 購買客戶數(shù)：新老客戶
4. 客單價：銷售額除以購買客戶數(shù)
5. 購買轉化率：購買客戶數(shù)除以訪客數(shù)(UV)
6. 詳情頁UV(IPV_UV)

分析數(shù)據(jù)指標方法

1. 流量增長因素：PC/WAP端(不同媒體)，APP端(iOS&Android)
2. 客單價增長因素：客單價等于人均購買件數(shù)*件單價
3. 件單價(熱銷商品價格變動)
4. 人均購買件數(shù)(組合裝/單件裝比例、推薦效果)
5. 轉化率因素：轉化漏斗

電商網(wǎng)站的詳情頁來源一般分為：

• 直接落地到詳情頁
• 從首頁進入詳情頁
• 從頻道進入詳情頁
• 從分類頁進入詳情頁面
• 從品牌頁進入詳情頁
• 通過關聯(lián)銷售進入詳情頁面

2.4 ?UGC類數(shù)據(jù)指標

UGC產(chǎn)品參與度指標

1. 訪客數(shù)、登陸訪客數(shù)及占比、沉默用戶數(shù)及占比、平均停留時長、產(chǎn)出內(nèi)容訪客及占比(Lofter案例)
2. 訪客數(shù)：Web端訪客數(shù)+移動端訪客數(shù)
3. 登陸訪客數(shù)及占比：登陸的訪客數(shù)占總訪客的比例
4. 沉默用戶數(shù)及占比：超過7天未產(chǎn)生內(nèi)容的賬號數(shù)占總賬號數(shù)的比例
5. 平均停留時長：總停留時長除以訪客數(shù)

優(yōu)質(zhì)內(nèi)容評分

1. 熱度=分享次數(shù)+推薦次數(shù)+點贊次數(shù)
2. 互聯(lián)網(wǎng)產(chǎn)品指標思路
3. 訪客數(shù)和特征、獲取渠道及渠道質(zhì)量、訪客參與深度、轉化率和轉化漏斗是否流暢
4. 訪客數(shù)和特征：訪問時間段、訪問地域、設備、網(wǎng)絡

獲取渠道及渠道質(zhì)量：

• 基本思路：帶來多少新訪客、瀏覽深度如何、留存率和轉化率
• Web端：新訪客占比(代表渠道拓展用戶的能力)、跳出率、瀏覽頁面數(shù)以及轉化率
• 移動端：新設備占比、次日留存以及轉化率

訪客參與深度：跳出率、瀏覽頁面數(shù)、轉化率

轉化率和轉化漏斗是否流暢：

轉化漏斗

獲取指標的方式

分析日志、分析工具獲取(自定義時間、自定義轉化漏斗)

三、分析數(shù)據(jù)——產(chǎn)品數(shù)據(jù)分析框架

3.1 基本分析方法

1. 對比分析：橫向對比，縱向對比(保證對比指標之外其他因素盡可能保持一致，比如通常在做新舊版本分析的時候會盡量選擇兩個版本發(fā)布初期的新用戶)
2. 趨勢分析：整體趨勢、周期變化、極值點
3. 象限分析案例：渠道評估和優(yōu)化(質(zhì)量–數(shù)量)

象限分析

交叉分析法：

案例：多維度的數(shù)據(jù)分析（ios和安卓下載數(shù)分析）

交叉分析

3.2 數(shù)據(jù)分析框架——AARRR模型

數(shù)據(jù)分析框架的作用

• 保證結果的準確性、可靠性、針對性
• 常見的分析框架(宏觀，適用于管理和運營)

（1）PEST分析框架：

Political(政治)，Economic(經(jīng)濟)、Social(社會)、Technological(科技)，用于企業(yè)所處宏觀環(huán)境的分析。

（2）5W2H分析框架：

What+Why+When+Where+Who+How+How Much,常用于決策和執(zhí)行性的活動措施

（3）SWOT分析：

Strengths(內(nèi)部優(yōu)勢)， Weaknesses(內(nèi)部劣勢) Opportunities(外部機會) Threats(外部威脅)

運用這種方法，可以對研究對象所處的情景進行全面、系統(tǒng)、準確的研究，從而根據(jù)研究結果制定相應的發(fā)展戰(zhàn)略、計劃以及對策等。

（4）SMART原則36大數(shù)據(jù)（http://www.36dsj.com/）

Specific(具體的)， Measurable(可衡量的)，Attainable(可達到的)，Relevant(相關的)，Time-Bound(有明確結束期限的)，常用于目標管理。

（5）4P理論36大數(shù)據(jù)（http://www.36dsj.com/）

Product(產(chǎn)品)，Price(價格)，Place(渠道)，促銷(Promotion)，用于制定營銷策略。

（6）AARRR分析框架

Acquisition(獲取)Activation(激活) Retention(留存) Revenue(收入) Refer(推薦)

AARRR模型

AARRR分析思路

AARRR模型應用

提升AARRR各環(huán)節(jié)指標的對應操作(渠道分析案例)

渠道分析案例

渠道分析案例

3.3 數(shù)據(jù)分析框架——邏輯分層拆解與漏斗分析

邏輯分層拆解

• 邏輯拆解【相關指標和核心指標存在邏輯關聯(lián)】
• 分層拆解【同一層指標不相關】

邏輯分層拆解

漏斗分析法

關鍵路徑的轉化率、轉化率對比分析、Google Analytics行為流

3.4 數(shù)據(jù)會說謊

1. 改變坐標軸：添加趨勢線及其公式
2. 樣本量的誤差：決定樣本量大小的因素(總體大小、總體內(nèi)部差異程度)
3. 平均數(shù)的數(shù)據(jù)謊言：當數(shù)據(jù)呈現(xiàn)正態(tài)分布，平均數(shù)才能近似代表整體的情況
4. 辛普森悖論：數(shù)據(jù)集中的變量被分組，其相關性被降低或不存在相關性(注意不用混淆變量分組數(shù)據(jù))

四、利用數(shù)據(jù)——數(shù)據(jù)驅動產(chǎn)品

4.1 數(shù)據(jù)應用的場景

需求分析階段：36大數(shù)據(jù)（http://www.36dsj.com/）

對用戶層面的需求，通過數(shù)據(jù)去偽存真。對公司層面的需求，通過數(shù)據(jù)驗證并提供證據(jù)(網(wǎng)易考拉海購退出率案例)

產(chǎn)品設計階段：

設計前——發(fā)現(xiàn)問題，設計中——輔助決策，判斷思路(A/B test)，設計后——驗證方案(對比核心指標)

4.2 數(shù)據(jù)驅動產(chǎn)品的方法

通過數(shù)據(jù)發(fā)現(xiàn)問題：

對導出率、跳出率、滿意度、各端用戶占比進行對比分析

確定改版數(shù)據(jù)指標：

綜合用戶需求和數(shù)據(jù)反映問題擬定核心指標

產(chǎn)品設計：

品牌調(diào)性(用戶調(diào)研)、首頁架構和陳列樣式、展現(xiàn)形式

上線后的數(shù)據(jù)驗證：

對之前的數(shù)據(jù)核心指標進行對比認證，并發(fā)現(xiàn)新問題

4.3 如何培養(yǎng)數(shù)據(jù)分析能力

心法層面：

好奇心、求知欲、觀察生活

基礎層面：

核心基礎概念、基本統(tǒng)計原理

實戰(zhàn)層面：

數(shù)據(jù)驅動產(chǎn)品閉環(huán)，熟悉業(yè)務，時刻關注數(shù)據(jù)、保持敏感

作者：Summer先生_

來源：http://www.36dsj.com/archives/66889

本文來源于人人都是產(chǎn)品經(jīng)理合作媒體@36大數(shù)據(jù)，作者@Summer先生_