作為產(chǎn)品經(jīng)理，你真的了解數(shù)據(jù)分析嗎？

每個產(chǎn)品經(jīng)理都知道數(shù)據(jù)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(shù)據(jù)分析到底是什么？
2. 數(shù)據(jù)分析為什么如此重要？

如果在這之前你不知道答案也沒關(guān)系，因為本文會圍繞以下幾點回答以上兩個問題：

• 數(shù)據(jù)分析到底是什么？
• 數(shù)據(jù)分析的相關(guān)概念
• 如何實施數(shù)據(jù)分析？
• 如何測量和收集數(shù)據(jù)？
• 如何做數(shù)據(jù)分析報告？
• 數(shù)據(jù)分析與產(chǎn)品的關(guān)系

數(shù)據(jù)分析到底是什么？

簡而言之，數(shù)據(jù)分析表征產(chǎn)品狀態(tài)、用戶行為和用戶所點擊的內(nèi)容等等。雖然數(shù)據(jù)表征產(chǎn)品狀態(tài)，但它沒有表明產(chǎn)品所處狀態(tài)的原因。數(shù)據(jù)分析不能只靠單一的度量數(shù)據(jù)，應(yīng)以一系列匯聚的度量數(shù)據(jù)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(shù)據(jù)，只有結(jié)合其他諸如物體位置、速度、組成、環(huán)境溫度等一系列數(shù)據(jù)，我們才能實施分析。假設(shè)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(jié)論——物體處于靜止?fàn)顟B(tài)。

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

數(shù)據(jù)分析的相關(guān)概念

想要從數(shù)據(jù)分析中獲得最大價值，我們需要非常了解數(shù)據(jù)分析的相關(guān)概念。這些概念包括：

• 數(shù)據(jù)點
• 用戶分群
• 漏斗
• 時序分群

數(shù)據(jù)點

數(shù)據(jù)點，即數(shù)據(jù)的單獨點。數(shù)據(jù)點度量產(chǎn)品某個特定項目，包括度量數(shù)據(jù)和度量時間。準(zhǔn)確的數(shù)據(jù)點是我們繪制產(chǎn)品發(fā)展趨勢圖表的前提。

用戶分群

用戶分群的依據(jù)是用戶共同特征和產(chǎn)品使用模式。

用戶分群的依據(jù)包括但不限于：

• 技術(shù)方面（瀏覽器，操作系統(tǒng)，設(shè)備等）
• 行為方面（點擊，訪問，回訪等）
• 人口統(tǒng)計學(xué)方面（性別，年齡，國家等）

在對用戶進(jìn)行自定義分群時，我們需要依據(jù)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(guān)數(shù)據(jù)，這樣以性別作為分群依據(jù)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(shù)據(jù)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(xì)分特征之后，我們發(fā)現(xiàn)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(jìn)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(shù)據(jù)分析重點集中在主要目標(biāo)用戶群體。例如，我們的主要目標(biāo)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(chǎn)品以適應(yīng)他們的需求，而不是針對全國用戶進(jìn)行產(chǎn)品優(yōu)化。

漏斗模型

漏斗模型主要用于流量監(jiān)控、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運營與數(shù)據(jù)分析工作。為了達(dá)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(xiàn)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(jìn)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(jìn)行分群，那么新進(jìn)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(jìn)行比較時，我們可以衡量某個營銷活動或者產(chǎn)品某個功能更新后對用戶行為產(chǎn)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(dāng)我們看到這個數(shù)據(jù)時我們可以探索是什么導(dǎo)致了用戶留存的改變。

如何實施數(shù)據(jù)分析？

產(chǎn)品經(jīng)理會接觸到海量的數(shù)據(jù)，那么我們應(yīng)該如何實施數(shù)據(jù)分析？我們需要制定如下計劃：

• 定義產(chǎn)品愿景
• 定義滿足產(chǎn)品愿景的KPI
• 定義允許我們達(dá)到KPI的度量指標(biāo)
• （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(guān)概念。

產(chǎn)品愿景

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

KPI

KPI衡量產(chǎn)品表現(xiàn)。拉新，留存，活躍，轉(zhuǎn)化等這些都屬于KPI的范疇。我們還可以用KPI制定產(chǎn)品發(fā)展目標(biāo)，譬如將用戶注冊量提高20%或者將購買轉(zhuǎn)化率提高30%。KPI要適合產(chǎn)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(biāo)

度量指標(biāo)是達(dá)成KPI的手段。度量指標(biāo)一般有轉(zhuǎn)化率，購買率等等。通過計算兩個或多個數(shù)據(jù)點，我們可以得到度量指標(biāo)數(shù)據(jù)。同時，度量指標(biāo)的變化趨勢也是產(chǎn)品改進(jìn)的依據(jù)。

漏斗

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

獲得數(shù)據(jù)點

獲得可測量的數(shù)據(jù)點對達(dá)成KPI, 計算度量指標(biāo)數(shù)據(jù)，制作漏斗意義重大。

計劃并非一成不變，我們需要根據(jù)產(chǎn)品愿景、KPI等適時更新計劃。

如何采集和統(tǒng)計數(shù)據(jù)？

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

內(nèi)部分析系統(tǒng)可以根據(jù)度量指標(biāo)進(jìn)行定制開發(fā)。缺點是我們需要耗費資源單獨建立和維護(hù)。

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(xiàn)且不會浪費建立和維護(hù)所需要的資源。Cobub Razor是國內(nèi)一款專業(yè)的APP數(shù)據(jù)統(tǒng)計分析工具，支持私有化部署，數(shù)據(jù)既靈活又安全，是個不錯的選擇。

如何做數(shù)據(jù)分析報告？

通常我們通過制作比較圖表和趨勢圖表來做數(shù)據(jù)分析報告。

比較圖表體現(xiàn)某個度量指標(biāo)在兩個時間點之間的變化，比如某個度量指標(biāo)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(biāo)是否有較大的波動。

趨勢圖表體現(xiàn)某個度量指標(biāo)在一段時間內(nèi)的變化，例如某個度量指標(biāo)在過去一個月內(nèi)的變化。它顯示度量指標(biāo)的變化方向，指明產(chǎn)品表現(xiàn)——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(jìn)產(chǎn)品。

數(shù)據(jù)分析與產(chǎn)品的關(guān)系

我們依據(jù)數(shù)據(jù)分析結(jié)果改進(jìn)產(chǎn)品。如果沒有數(shù)據(jù)分析，我們?nèi)菀酌つ扛淖儺a(chǎn)品，拍腦袋決策；如果沒有數(shù)據(jù)分析，我們也不能知道產(chǎn)品改變之后所產(chǎn)生的效果。在產(chǎn)品發(fā)展的過程中，我們需要不斷地進(jìn)行數(shù)據(jù)分析，以保證產(chǎn)品按照我們的期望發(fā)展。