隨著人口和流量紅利的下降，互聯(lián)網(wǎng)行業(yè)必然會朝著精益化運營的方向發(fā)展。數(shù)據(jù)分析在很多互聯(lián)網(wǎng)人的工作中越發(fā)顯得重要，而對于產(chǎn)品經(jīng)理來說，更是如此。本文將為產(chǎn)品經(jīng)理介紹數(shù)據(jù)分析的基本思路，并基于此，衍生出 2 個常見方法和 7 個應(yīng)用手段，希望在數(shù)據(jù)分析的實際應(yīng)用中能給大家?guī)韼椭?/p>

一、數(shù)據(jù)分析的基本思路

數(shù)據(jù)分析應(yīng)該以業(yè)務(wù)場景為起始思考點，以業(yè)務(wù)決策作為終點。

基本思路為 5 步，首先要挖掘業(yè)務(wù)含義、制定分析計劃、從分析計劃中拆分出需要的數(shù)據(jù)、再根據(jù)數(shù)據(jù)分析的手段提煉業(yè)務(wù)洞察，最終產(chǎn)出商業(yè)決策。

接下來，我們用一個案例來具體說明這5步思路：

某國內(nèi) P2P 借貸類網(wǎng)站，市場部在百度和 hao123 上都有持續(xù)的廣告投放，吸引網(wǎng)頁端流量；最近內(nèi)部同事建議嘗試投放 Google 的 SEM；另外，也需要評估是否加入金山網(wǎng)絡(luò)聯(lián)盟進(jìn)行深度廣告投放。在這種多渠道的投放場景下，產(chǎn)品經(jīng)理該如何進(jìn)行深度決策？

1. 挖掘業(yè)務(wù)含義

首先要了解市場部想優(yōu)化什么，并以此為核心的 KPI 去衡量。

渠道效果的評估，最重要的是業(yè)務(wù)轉(zhuǎn)化：對P2P類網(wǎng)站來說，是否『發(fā)起借貸』遠(yuǎn)遠(yuǎn)比『用戶數(shù)量』重要。

所以無論是 Google 還是金山渠道，都要根據(jù)用戶群體的不同，優(yōu)化相應(yīng)用戶的落地頁，提升轉(zhuǎn)化。

2. 制定分析計劃

以『發(fā)起借貸』為核心轉(zhuǎn)化點，分配一定的預(yù)算進(jìn)行流量測試，觀察對比注冊數(shù)量及 ROI 效果，可以持續(xù)觀察這部分用戶的后續(xù)價值。

3. 拆分查詢數(shù)據(jù)

根據(jù)各個渠道追蹤流量、落地頁停留時間、落地頁跳出率、網(wǎng)站訪問深度以及訂單類型數(shù)據(jù)，進(jìn)行用戶分群。

4. 提煉業(yè)務(wù)洞察

在不同渠道進(jìn)行投放時，要根據(jù) KPI 的變化，推測業(yè)務(wù)含義。比如谷歌渠道的效果不好，可能因為谷歌大部分的流量在海外，可能會造成轉(zhuǎn)化率低。而金山網(wǎng)絡(luò)聯(lián)盟有很多展示位置，要持續(xù)監(jiān)測不同位置的效果，做出最后判斷。

5. 產(chǎn)出商業(yè)決策

最后根據(jù)數(shù)據(jù)洞察，指導(dǎo)渠道的投放決策制。比如停止谷歌渠道的投放，繼續(xù)跟進(jìn)金山網(wǎng)絡(luò)聯(lián)盟進(jìn)行評估，而落地頁要根據(jù)數(shù)據(jù)指標(biāo)持續(xù)地進(jìn)行優(yōu)化。

二、常見的數(shù)據(jù)分析方法

1、內(nèi)外因素分解法

內(nèi)外因素分解法是把問題拆成四部分，包括內(nèi)部因素、外部因素、可控和不可控，然后再一步步解決每一個問題。

案例：

社交招聘類網(wǎng)站，一般分為求職者端和企業(yè)端，向企業(yè)端收費方式之一是購買職位的廣告位。業(yè)務(wù)端人員發(fā)現(xiàn)『發(fā)布職位』數(shù)量在過去的6個月里有緩慢下降的趨勢。對于這類某一數(shù)據(jù)下降的問題，從產(chǎn)品經(jīng)理的角度來說，可以如何拆解？

根據(jù)內(nèi)外因素分解法，『內(nèi)部可控因素』：產(chǎn)品近期上線更新、市場投放渠道變化、產(chǎn)品粘性、新老用戶留存問題、核心目標(biāo)的轉(zhuǎn)化。

• 『外部可控因素』：市場競爭對手近期行為、用戶使用習(xí)慣的變化、招聘需求隨時間的變化；
• 『內(nèi)部不可控因素』：產(chǎn)品策略（移動端/PC端）、公司整體戰(zhàn)略、公司客戶群定位（比如只做醫(yī)療行業(yè)招聘）；
• 『外部不可控因素』：互聯(lián)網(wǎng)招聘行業(yè)趨勢、整體經(jīng)濟(jì)形勢、季節(jié)性變化；

2、DOSS

DOSS 是從一個具體問題拆分到整體影響，從單一的解決方案找到一個規(guī)模化解決方案的方式。

案例：某在線教育平臺，提供免費課程視頻，同時售賣付費會員，為付費會員提供更多高階課程內(nèi)容。如果我想將一套計算機(jī)技術(shù)的付費課程，推送給一群持續(xù)在看C++免費課程的用戶，產(chǎn)品經(jīng)理應(yīng)該如何輔助分析？

按DOSS的思路分解如下：

• 『具體問題』：預(yù)測是否有可能幫助某一群組客戶購買課程。
• 『整體』：首先根據(jù)這類人群的免費課程的使用情況進(jìn)行數(shù)據(jù)分析，之后進(jìn)行延伸，比如對整體的影響，除了計算機(jī)類，對其他類型的課程都進(jìn)行關(guān)注。
• 『單一回答』：針對該群用戶進(jìn)行建模，監(jiān)控該模型對于最終轉(zhuǎn)化的影響。
• 『規(guī)?；唬褐笸瞥鲆?guī)?；慕鉀Q方案，對符合某種行為軌跡和特征的行為進(jìn)行建模，將課程推薦模型加入到產(chǎn)品設(shè)計中。

三、數(shù)據(jù)分析的應(yīng)用手段

根據(jù)基本分析思路，常見的有7種數(shù)據(jù)分析的手段。

1、畫像分群

畫像分群是聚合符合某中特定行為的用戶，進(jìn)行特定的優(yōu)化和分析。

比如在考慮注冊轉(zhuǎn)化率的時候，需要區(qū)分移動端和 Web 端，以及美國用戶和中國用戶等不同場景。這樣可以在渠道策略和運營策略上，有針對性地進(jìn)行優(yōu)化。

2、趨勢維度

建立趨勢圖表可以迅速了解市場， 用戶或產(chǎn)品特征的基本表現(xiàn)，便于進(jìn)行迅速迭代；還可以把指標(biāo)根據(jù)不同維度進(jìn)行切分，定位優(yōu)化點，有助于決策的實時性；

3、漏斗洞察

通過漏斗分析可以從先到后的順序還原某一用戶的路徑，分析每一個轉(zhuǎn)化節(jié)點的轉(zhuǎn)化數(shù)據(jù)。

所有互聯(lián)網(wǎng)產(chǎn)品、數(shù)據(jù)分析都離不開漏斗，無論是注冊轉(zhuǎn)化漏斗，還是電商下單的漏斗，需要關(guān)注的有兩點。第一是關(guān)注哪一步流失最多，第二是關(guān)注流失的人都有哪些行為。

關(guān)注注冊流程的每一個步驟，可以有效定位高損耗節(jié)點。

4、行為軌跡

行為軌跡是進(jìn)行全量用戶行為的還原。只看 PV、UV 這類數(shù)據(jù)，無法全面理解用戶如何使用你的產(chǎn)品。了解用戶的行為軌跡，有助于運營團(tuán)隊關(guān)注具體的用戶體驗，發(fā)現(xiàn)具體問題，根據(jù)用戶使用習(xí)慣設(shè)計產(chǎn)品，投放內(nèi)容。

5、留存分析

留存是了解行為或行為組與回訪之間的關(guān)聯(lián)，留存老用戶的成本要遠(yuǎn)遠(yuǎn)低于獲取新用戶，所以分析中的留存是非常重要的指標(biāo)之一。

除了需要關(guān)注整體用戶的留存情況之外，市場團(tuán)隊可以關(guān)注各個渠道獲取用戶的留存度，或各類內(nèi)容吸引來的注冊用戶回訪率，產(chǎn)品團(tuán)隊關(guān)注每一個新功能對于用戶的回訪的影響等。

6、A/B測試

A/B測試是對比不同產(chǎn)品設(shè)計／算法對結(jié)果的影響。

產(chǎn)品在上線過程中經(jīng)常會使用A/B測試來測試產(chǎn)品效果，市場可以通過A/B測試來完成不同創(chuàng)意的測試。

要進(jìn)行A/B測試有兩個必備因素：

1. 有足夠的時間進(jìn)行測試；
2. 數(shù)據(jù)量和數(shù)據(jù)密度較高。

因為當(dāng)產(chǎn)品流量不夠大的時候，做A/B測試得到統(tǒng)計結(jié)果是很難的。而像 LinkedIn 這樣體量的公司，每天可以同時進(jìn)行上千個A/B測試。所以A/B測試往往公司數(shù)據(jù)規(guī)模較大時使用會更加精準(zhǔn)，更快得到統(tǒng)計的結(jié)果。

7、優(yōu)化建模

當(dāng)一個商業(yè)目標(biāo)與多種行為、畫像等信息有關(guān)聯(lián)性時，我們通常會使用數(shù)據(jù)挖掘的手段進(jìn)行建模，預(yù)測該商業(yè)結(jié)果的產(chǎn)生。

例如：作為一家 SaaS 企業(yè)，當(dāng)我們需要預(yù)測判斷客戶的付費意愿時，可以通過用戶的行為數(shù)據(jù)，公司信息，用戶畫像等數(shù)據(jù)建立付費溫度模型。用更科學(xué)的方式進(jìn)行一些組合和權(quán)重，得知用戶滿足哪些行為之后，付費的可能性會更高。

以上這幾種數(shù)據(jù)分析的方法論，僅僅掌握單純的理論是不行的。

產(chǎn)品經(jīng)理們需要將這些方法論應(yīng)用到日常的數(shù)據(jù)分析工作中，融會貫通。同時學(xué)會使用優(yōu)秀的數(shù)據(jù)分析工具，可以事半功倍，更好的利用數(shù)據(jù)，實現(xiàn)整體增長。

本文節(jié)選自GrowingIO?《產(chǎn)品經(jīng)理數(shù)據(jù)分析手冊 | 能力升級必備》

作者：陳明，GrowingIO 聯(lián)合創(chuàng)始人&運營副總裁。畢業(yè)于斯坦福大學(xué)，先后就職于eBay、LinkedIn數(shù)據(jù)分析部門，有豐富的商務(wù)分析經(jīng)驗。

本文由 @陳明原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。