产品经理如何做数据分析？

数据分析是产品经理的基本技能，产品经理通过数据分析得知产品表面状态，进而逻辑推理得出产品所处状态原因，最后通过数据分析对比验证解决策略正确与否。

在产品发展的全部生命周期中，数据分析是基于产品本身优化更新的重要理论依据之一，也是基于产品战略发展重要的需求挖掘手段之一。在产品经理实际工作过程中，数据分析也是产品经理验证前期工作是否正确的重要手段之一。

例如用温度计测量体温，当温度计显示39度时，只能证明该人目前发烧，并不能证明发烧的原因。医生再通过其他如血压，血脂，脉搏等多方面数据指标对比就能判断病人病情，诊断病例，对症下药，当各项数据恢复正常，就说该病人已经康复。此案例只是一个简单的数据分析过程，如果将以上案例病人换成产品，身体指标换成产品指标，就可以看做是一个产品数据分析过程。

通过案例也可以论证出数据分析对产品发展的重要性。进而可以论证出脱离数据分析的产品经理空有理论，没有依据，无异于纸上谈兵。

一.数据分析的意义

数据分析是伴随产品全部生命周期的重要分析行为之一，在产品发展的不同阶段，数据分析的侧重点也有所不同。

产品初期，通过对市场及竞品的数据分析，可以更好的为自身产品开发提供理论依据，从而避免产品没有市场需求或者避免产品踩到竞品踩过的坑。

产品发展期，通过数据分析可以优化产品功能，提升用户体验，使产品更好的符合用户需求，赢得市场。

产品成熟期，通过数据分析可以获取对产品新的想法，扩展产品功能，使产品二次创新，为产品未来发展布局，避免进入产品衰亡期。

二.数据指标类型

提取不同的数据指标进行数据分析，得到的结论也各不相同，所以产品经理在进行数据分析的时候必须先明白数据指标的含义。

常见的关键数据指标（KPI）

网页端数据指标

访问量（Visits）

指一个人来到一个网站浏览一些内容和做了一些操作后离开网站的过程。因此，访问量（Visits）就是一段时间内的会话次数。 ps：关闭浏览器或30分钟内没有任何动作，都将归为访问结束。

访客数（UV）

访客数也称为独立访客数（Unique Visitor，简称UV）就是访问网站的人数。 根据用户的IP、ID等信息判断是否为同一个用户。

浏览量（PV）

浏览量（PV，Page Views），就是浏览某一页面的数量。

页面停留时长

也就是访客一次访问在某个页面上停留的时间，通过这个页面的总停留时长除以这个页面的总访问量得来。

网站停留时长

访客在一次访问的时间长度，通过网站的总停留时长除以访问量得出。

跳出率

一次非常重要的指标，表示访客来到网站后没有任何动作就直接离开的比例，代表着落地页面（访客进入网站的第一个页面）是否对访客有吸引，常用的计算方式是落地页面的访问量除以总访问量。

退出率

退出率衡量从某个页面退出网站的比例，通过单个页面的退出次数除以访问次数。

转化率

根据网站业务设定目标，比如电商网站就设定用户提交订单为目标，转化率是指达到目标的访问量占总访问量的比例，或达成目标的访客数占总访客的比例。

ps：以上数据都可以通过网站监测工具很方便的获取到。

免费的网站排名工具 ：中国网站排名、网络媒体排名（iwebchoice）

免费的网站监测工具 ：Google Analytics、百度统计、CNZZ网站分析

移动端数据指标

按照整个移动应用从用户下载使用到付费，分为以下5个阶段，每个阶段所对应数据指标各不相同。

用户获取

下载量（别忘记应用商店的排名和评分） 、激活率 、新增用户数量 、用户获取成本

用户活跃

日活用户数（DAU）、月活用户数（MAU）等（各行业根据用户在一定周期内使用时长及登录次数作为活跃基准）、平均使用时长 、功能使用率（使用某功能的用户占活跃用户数的比例）

用户留存

次日留存率 、7日留存率 、30日留存率 （参考各行业的值是否属于合格）

用户转化

付费用户比例（付费用户与免费用户区别对待） 、付费用户平均每月营收 、首次付费时间间隔

用户收入

收入金额 、付费人数、投资回报率（ROI）

国外：Flurry、Google Analytics 

国内：友盟、TalkingData 

Crash分析工具：Crashlytics

关键数据指标（KPI）也可以基于用户路径和产品节点两个维度进行划分。

用户路径

指用户为达到某种目的（产品注册、页面浏览、支付等）的单一或多个操作行为数据量，主要体现在数量。比如：下载量、用户注册数，页面浏览量，活跃用户、访客数、页面停留时长等。

产品节点

指用户为达到某一目的，需要对当前产品进行单个或多个操作的行为，主要体现在操作前后的比例，即转换率。例如：激活率，付费转换率，跳出率等

三.产品经理关注的数据指标

启动次数

一段时间内单个或多个用户对产品的启动次数，标明用户对产品的粘性

启动时间及持续时长

单个或多个用户的启动时间及持续时长结合启动次数了解用户使用场景。比如通过天气类APP用户启动时间多在早晨8点左右，那么我们可以在早上7点发送天气信息推送。

事件完成情况

指单个或多个步骤功能的操作数量及比例。比如完成注册人数，注册完成转行率等。

使用出错率

除了bug类的错误以外，还有基于产品页面设计、功能引导、流程难易度等，使用户放弃下一步操作的比例。比如进入注册页面人数与完成注册人数比例，及注册完成率。如果注册完成率低于市场标注，就可以说明注册流程过于繁琐或页面设计不太友好。

用户活跃情况

多个数据指标的比较，比如活跃用户（日活、月活等），用户留存率（次日，月等），付费转换率，新增注册率等多个数据。可以说明用户对产品的喜爱及认可程度，如果各项数据偏低，可以针对产品本省设计或者内容进行更新。

用户属性

从用户的基本属性（如性别、使用地区、下载渠道等）合理优化产品或者优化宣传渠道等。

备注

本文提供的数据指标及产品经理关注的数据类型只是普遍常用的数据指标或类型，在实际工作中产品经理要从数据分析目的出发，提取相应的数据指标。

新的数据指标

净推荐值 （NPS=Net Promoter Score）

愿意将产品推存给其他人使用占用户总数的比例，净推存值越高表明用户对产品喜爱或满意度越高。

净推荐值(NPS)=(推荐人数/总样本数)×100%-(贬损人数/总样本数)×100%

（具体内容看图）

四.数据分析类型

数据分析一般从定性和定量两个维度进行数据分析

定性

对数据分析的目的进行性质归纳，明白我们做哪方面的数据分析，明白数据分析的目的。

比如目前用户注册转换率不高，是因为注册页面设计不美观？还是注册流程太复杂等，就需要对注册流程设计进行定性分析。

再比如，当温度计显示39度时，只能说明病人发烧（与目前用户注册转换率不高相同），属于表象。病人发烧的原因可能是感冒、可能是中暑、也可能是体温调节中枢下丘脑损伤等等（注册页面设计不美观？还是注册流程太复杂等相同）。对发烧（等于注册流程设计）的原因进行研究，就属于定性研究。定性研究属于假设阶段。

定量

对数据分析的目的进行相关数据统计，以数据变化作为依托的论证。即通过数据统计分析对定性的问题进行理论的验证。

如通过大量潜在用户调查问卷，用户访谈等形式得出90%的用户放弃注册是因为注册流程太过复杂。

结合上面的例子方便大家理解，医生通过对病人打喷嚏频次、呕吐频次、脉搏，血压及其他的数据研究（等于产品大量潜在用户调查问卷，用户访谈后的数据研究），得出病人是因为感冒引起的发烧（等于注册流程太过复杂）。此时的研究阶段属于定量验证。

五.数据分析步骤

5.1明确数据分析目标

明白数据分析针对的问题是什么？分析要达到什么样的目的？通过那种方法收集数据？对产品有什么意义？

如：目前产品注册转行率偏低，为达到提升注册转化率的目的，我们要通过潜在用户调查问卷或访谈等方法收集相关数据，通过数据分析明白产品注册转行率偏低的原因，从而找到对应方法，优化产品性能，提升转化率。

5.2数据收集

收集与数据分析目的相关的数据，可以是产品自身数据库、也可以用户访谈、问卷调查等。

5.3对数据预处理

去除毫无意义的数据，假数据。并说明去掉的数据为什么为假数据，留下的为什么为真数据

5.4分析数据

对有价值的数据进行统计描述，有针对性的归纳和总结。

数据方法

AHP层次分析法，漏洞模型法等（由于篇幅太多，本文不做累述）

5.5改进策略

针对分析结果，找到对应的解决方案或者降低负面影响

5.6监控方案

对改进后的方案进行持续监控和反馈，迭代更新。

六.输出报告

报告内容与分析步骤基本相同，可根据实际工作情况酌情增减

七.数据分析注意要点

正确的选择数据来源渠道。产品自己的运营，用户反馈，调查问卷等数据，也可以是竞品公开第三方网站流量统计，公开的数据报表等，还可以是行业的分析报告，热点大数据等。

数据分析一定要先明确分析目标，提针对性的取相关数据，有价值的数据，不能被假数据蒙骗。

分析数据不能只针对数据本身，更需要挖掘数据背后的深层原因。

备注

在产品经理实际工作过程中，产品经理要以“做正确的事”作为目标导向，数据分析只是产品经理如何正确做事的一种使用方法，本人格式也不代表固定格式，只是提供一种参考模式。

作者：职惑产品
链接：https://www.jianshu.com/p/63eb068363f1