作為產品經理，你真的了解數據分析嗎？

每個產品經理都知道數據分析很重要，但你能清晰的給出以下這兩個問題的答案嗎？

1. 數據分析到底是什么？
2. 數據分析為什么如此重要？

如果在這之前你不知道答案也沒關系，因為本文會圍繞以下幾點回答以上兩個問題：

• 數據分析到底是什么？
• 數據分析的相關概念
• 如何實施數據分析？
• 如何測量和收集數據？
• 如何做數據分析報告？
• 數據分析與產品的關系

數據分析到底是什么？

簡而言之，數據分析表征產品狀態(tài)、用戶行為和用戶所點擊的內容等等。雖然數據表征產品狀態(tài)，但它沒有表明產品所處狀態(tài)的原因。數據分析不能只靠單一的度量數據，應以一系列匯聚的度量數據為前提。

例如，如果我們要分析某個物體狀態(tài)，我們就不能只用物體溫度這個單一度量數據，只有結合其他諸如物體位置、速度、組成、環(huán)境溫度等一系列數據，我們才能實施分析。假設速度是0，物體位置離地面1米，周圍溫度與物體一樣，我們可以分析得出結論——物體處于靜止狀態(tài)。

同理，我們在分析產品狀態(tài)和用戶行為時，匯聚的度量數據越多，對我們越有利。

數據分析的相關概念

想要從數據分析中獲得最大價值，我們需要非常了解數據分析的相關概念。這些概念包括：

• 數據點
• 用戶分群
• 漏斗
• 時序分群

數據點

數據點，即數據的單獨點。數據點度量產品某個特定項目，包括度量數據和度量時間。準確的數據點是我們繪制產品發(fā)展趨勢圖表的前提。

用戶分群

用戶分群的依據是用戶共同特征和產品使用模式。

用戶分群的依據包括但不限于：

• 技術方面（瀏覽器，操作系統(tǒng)，設備等）
• 行為方面（點擊，訪問，回訪等）
• 人口統(tǒng)計學方面（性別，年齡，國家等）

在對用戶進行自定義分群時，我們需要依據可以度量的特征。例如，用戶性別就是可以度量的特征。只要我們在用戶個人資料里添加性別這一項，我們就可以采集到相關數據，這樣以性別作為分群依據就不難。

我們可以通過用戶分群了解用戶潛在的行為模式。數據平均值會掩蓋這些潛在行為模式。例如，雖然頁面平均訪問量是2，但是在添加了初次訪問vs回訪這個細分特征之后，我們發(fā)現初次訪問者的平均頁面瀏覽量是1.2，而回訪者的平均頁面瀏覽量是3.4。如果不進行用戶分群，初訪者和回訪者頁面瀏覽量的差異就會被頁面瀏覽量的平均值所掩蓋。

通過用戶分群，我們可以把數據分析重點集中在主要目標用戶群體。例如，我們的主要目標用戶分布在華東地區(qū)，只要區(qū)分華東各省市用戶群體并重點分析這些地域的用戶行為，就可以優(yōu)化產品以適應他們的需求，而不是針對全國用戶進行產品優(yōu)化。

漏斗模型

漏斗模型主要用于流量監(jiān)控、產品目標轉化等日常數據運營與數據分析工作。為了達到目的，用戶會執(zhí)行一系列操作。例如，在電商平臺上，用戶為了實現購買的目的，會執(zhí)行以下操作：
時序分群

時序分群與用戶分群類似，區(qū)別是時序分群的目的是比較分析用戶行為隨著時間的變化。時序分群有利于我們衡量用戶長期價值。

時序分群之后可以進行不同的比較，例如，我們可以比較一周前的注冊用戶和一個月前的注冊用戶，也可以比較某個特定日期的注冊用戶。如果我們沒有針對一周前和一個月前的用戶進行分群，那么新進來的用戶會干擾我們分析這兩個時間段的用戶行為。對某個特定時間段的用戶進行比較時，我們可以衡量某個營銷活動或者產品某個功能更新后對用戶行為產生的影響。
上圖是一個基于用戶注冊時間的留存圖。與其他用戶群相比，十月八日這一天的用戶留存顯著增加。當我們看到這個數據時我們可以探索是什么導致了用戶留存的改變。

如何實施數據分析？

產品經理會接觸到海量的數據，那么我們應該如何實施數據分析？我們需要制定如下計劃：

• 定義產品愿景
• 定義滿足產品愿景的KPI
• 定義允許我們達到KPI的度量指標
• （通過用戶行為日志）定義影響度量的漏斗

為了更好地制定計劃，我們需要了解計劃里的相關概念。

產品愿景

產品愿景指產品用途和目標用戶，簡而言之，“產品為用戶解決了什么問題？”沒有產品愿景，我們接下來的所有行動都是浪費時間。

KPI

KPI衡量產品表現。拉新，留存，活躍，轉化等這些都屬于KPI的范疇。我們還可以用KPI制定產品發(fā)展目標，譬如將用戶注冊量提高20%或者將購買轉化率提高30%。KPI要適合產品所處階段，如果我們剛開始創(chuàng)業(yè)，那么主要KPI就是用戶注冊量，而不是用戶活躍度。

度量指標

度量指標是達成KPI的手段。度量指標一般有轉化率，購買率等等。通過計算兩個或多個數據點，我們可以得到度量指標數據。同時，度量指標的變化趨勢也是產品改進的依據。

漏斗

重要的漏斗會以某種方式改變度量指標。在確立產品使用流程/用戶行為日志后，我們依據度量指標和用戶行為制定相關漏斗模型。以注冊率為度量指標和以轉化率為度量指標所制作的漏斗模型不可能相同。

獲得數據點

獲得可測量的數據點對達成KPI, 計算度量指標數據，制作漏斗意義重大。

計劃并非一成不變，我們需要根據產品愿景、KPI等適時更新計劃。

如何采集和統(tǒng)計數據？

方法有兩種：建立內部分析系統(tǒng)，或者依賴第三方的分析系統(tǒng)。

內部分析系統(tǒng)可以根據度量指標進行定制開發(fā)。缺點是我們需要耗費資源單獨建立和維護。

外部分析系統(tǒng)，譬如Google Analytics, Mixpanel等都是不錯的選擇。第三方的分析系統(tǒng)易于實現且不會浪費建立和維護所需要的資源。Cobub Razor是國內一款專業(yè)的APP數據統(tǒng)計分析工具，支持私有化部署，數據既靈活又安全，是個不錯的選擇。

如何做數據分析報告？

通常我們通過制作比較圖表和趨勢圖表來做數據分析報告。

比較圖表體現某個度量指標在兩個時間點之間的變化，比如某個度量指標在上個星期和這個星期之間的變化。它讓我們看到兩個時間點之間度量指標是否有較大的波動。

趨勢圖表體現某個度量指標在一段時間內的變化，例如某個度量指標在過去一個月內的變化。它顯示度量指標的變化方向，指明產品表現——變好、變差還是保持不變？

報告定位出問題，然后通過嘗試回答“為什么XX會發(fā)生？”“為什么YY會改變？”這些問題，我們可以優(yōu)化和改進產品。

數據分析與產品的關系

我們依據數據分析結果改進產品。如果沒有數據分析，我們容易盲目改變產品，拍腦袋決策；如果沒有數據分析，我們也不能知道產品改變之后所產生的效果。在產品發(fā)展的過程中，我們需要不斷地進行數據分析，以保證產品按照我們的期望發(fā)展。