如何用數據驅動產品決策？

12-31

1.數據分析的工具是什麼？公司自己開發的工具還是第三方工具。就我了解，產品導向的第三方工具主要是mixpanel和諸葛IO ，通過用戶屬性和應用內事件分析的交叉細分，找到影響新增、活躍、留存和轉化的特定的點。
2.特指產品功能設計和流程改進等方面的決策，而非運營決策
3.用數據驅動產品決策的整個過程是怎麼樣的？

背景

數據分析的工具很多，例如從角色和部門維度來劃分，CEO、產品經理、運營總監需要數據分析的結果是不一樣的，從行業維度來看，電商、O2O、社交不同行業對於數據分析的需求也是不一樣的，所以你需要先明確自己的核心需求是什麼，找到合適的數據分析平台。

回到「數據驅動產品決策」這個點，你自然要找到的是產品分析平台，產品的核心在於用戶行為，所以一定是要基於用戶行為的分析平台。對於「百度統計」、「友盟統計」這些平台是流量統計平台，不是基於用戶行為的，基本上根據需要分析的維度（環境，設備），然後計數，生成高度匯總的數據報表，並且在持久化過程中只會留下數字，不是以用戶為中心進行計算的。而「Mixpanel」和「諸葛io」是基於用戶行為驅動的分析平台，所有的分析都是以用戶為導向的，存儲的是用戶的歷史行為路徑，所以你能根據用戶的用戶信息和行為條件細分篩選用戶群，然後分析和統計。

自己做，需要先解決收集採集數據的問題，然後解決數據處理清洗的問題，再解決數據索引和倉庫設計的問題，那麼你先要招人，移動開發工程師，服務端工程師，ETL工程師，BI工程師，後端工程師，前端工程師，這個顯然已經是很長的周期並且極難的時間了，接下來你要買伺服器，開始梳理需求，設計架構和模型，然後開始開發，大概2到4個月的時間，在現在，如果不是大公司，幾乎4個月不專註於自己的業務，就會在市場競爭上拖累很多了。

數據驅動產品決策的整個過程不是一個過程，而是一個循環，如下圖：

對比現在的大多數產品決策過程，靠猜測和直覺，迭代產品，然後上線後只關注最後的DAU或者留存數字，對於數字更不會去衡量。產品是個黑盒子。

而利用基於用戶行為的產品分析工具，至少兩方面可以打破這個黑盒子

1. 衡量
對於新增，DAU，留存這些指標，以及數字，可以進行深入的觀察和衡量

——新增

例如以諸葛io自己的分析為例，我們和新用戶相關的核心功能有：查看DEMO，註冊，創建應用，查看文檔，接入數據，數據概覽。

所以我可以衡量

— 新增用戶當天觸發各個核心模塊的比例轉化率怎麼樣。

— 新增用戶在完成查看DEMO，註冊，創建應用，數據概覽的過程轉化率怎麼樣。

— 新增用戶，後續數據概覽模塊的留存怎麼樣

......

所以對於市場運營推廣獲取的新用戶，我可以通過上述的轉化率和核心功能的留存率進行衡量。

事實上我們的分析還要深入到，例如註冊流程優化，查看DEMO銷售線索的提升等等。

——DAU/PV

還是以諸葛io為例，我們和活躍用戶相關的核心功能有：數據概覽，數據報表，漏斗，自定義留存，通知推送等模塊

我們可以衡量

—活躍用戶這些核心功能的使用情況和佔比，可以了解各個模塊對用戶的價值

—活躍用戶在這些核心模塊的留存

—活躍用戶在各個核心模塊裡面使用的流程轉化率，例如「漏斗功能」——創建漏斗的成功率

如果一個核心功能使用不好，我們會找到背後的原因。

——留存

傳統的留存指的是持續觀察用戶有沒有打開應用，我們觀察的是用戶有沒有持續去使用一些核心功能。也就是自定義留存。

例如在諸葛io自己的分析中，我們會選擇「接入數據的用戶」，觀察他們有沒有持續「查看數據概覽」/「漏斗轉化」等等

（內部數據我就不截圖了）

所以滴滴打車就可以用諸葛io觀察「搶了紅包」的用戶有沒有持續去打車。

2. 洞察

行為路徑洞察

洞察在於設計產品時，期望用戶會有一些核心功能的轉化路徑，過去基本上都是pageview，頁面訪問的統計，現在我們會粒度細化到功能上，可以看到用戶的功能路徑轉化，和期望的是不是一樣，也可以看到用戶從哪裡流失最多。例如：

單個用戶洞察

觀察單個用戶的行為記錄，確認其是否使用理解諸葛io的核心功能，並用到了諸葛io的核心價值

比較簡要的想到一些點，有時間我會完善這篇文章，出一個更加完整的分析案例。

謝謝邀請

從題主的問題標題和問題描述來看，我覺得可以分為道和術兩個部分。

在道的層面,公司自己開發數據平台和使用第三方的平台,其本質並無區別，其核心是準確獲取用戶的數據指標實現從多個層面對用戶或用戶群的切分,實現快速、實時、有效的用戶數據監控。

在缺乏數據的時代,最難的是有效收集起用戶信息,為產品決策決策作出指導,對於用戶任何行為的數據信息都成為企業的巨大價值,但在大數據時代,信息的收集和處理不再成為企業的瓶頸,於是有效的整理用戶數據就成為重要的工作,如何抽取,整理用戶數據,指導產品決策、

在大數據時代，我覺得最難的是設計合理的指標體系，從APP的DAU,PV,留存率，點擊率，消費時長等數據，都是產品分析中較為重要的指標。但同時，當產品數據發生較大波動，或者需要合理對技術指標進行拆解，從多個版本，多個維度分析用戶數據，因此，快速對用戶數據進行拆分是非常重要的，而至於是自己開發，或者採用第三方的系統倒反而成為次要問題了。

回到術的層面，我認為沒有最好的方案，要看產品具體的需求，這和產品發展周期和企業大小規模是相關的。當企業較小，產品屬於初期時，甚至不需要一個完善的數據決策系統，只需要簡單地將產品最核心的指標以及能夠跟蹤到少數用戶的方案做起來就好，因此，這時候，如果有現成的系統可以幫助企業快速實現分析過程，反而是較好的，讓企業或部分能力較為充分的用在產品發展上面。

但是當企業較大，或者產品發展較為完善，涉及產品指標或者產品邏輯較多的情況，若是第三方工具無法有效支撐產品數據梳理和指標分析時，則最好根據需求進行自行開發，雖然成本較高，但是更溫和需求，統計需求更改迭代更快，更靈活。

歡迎大家來訪問數據產品經理的博客 http://dpm-yuanqian.cn

數據分析工具比較寬泛，還可以從不同維度分：1、工具軟體，例如spss；2、數據服務，例如GA、諸葛IO；3、內部數據系統，4、專項分析系統，例如基於大數據文本分析等的產品優化系統，從不同維度講都有相應的數據分析工具。第三方工具或自己開發並不足以劃分數據工具，具體的單位還是要根據具體的需求來安排，一般的原則是1、保障數據安全；2、成本最優；3、滿足中期需求；

特定產品功能設計，在前期產品需求調研的時候，可能採用問卷調查、市場數據分析、專項分析報告來做相應決策；在產品設計的時候還會確定產品相關指標，比如點擊數在後期產品優化的時候，就會根據這些數據來做優化和產品改進。

決策過程，我想起了消費的決策模型（不是漏斗，而是螺旋的），有興趣可以關注下哦。

適用於硬體。

簡單來說，首先確保數據的權威性。然後用做兩方面。一方面根據分析得出的市場趨勢，指導研發，提新需求，適應市場潮流。另一方面往下，指導營銷推廣方向，找到自己的優勢和盲點，最後還是要將優劣勢和產品本身性能聯繫起來，然後從源頭的研發去解決問題。這是本身產品一方。另一方面，通過數據分析能夠找到主要競爭對手（如果你的數據能涵蓋整個市場）

就工具而言，最常用的是excel數據透視表