產品運營的數據分析是怎樣的？需要用到什麼工具？

01-28

互聯網運營的數據分析是最務實的，那些工具能怎樣優化轉化率，那些能真正帶來業務和效率提升，這最重要。

這裡我打算從網站數據分析的實用角度講個故事。

故事的主角是一名全棧產品經理，之前做過前端。

--------------------故事從這裡開始------------------

我是Luke_阿飛，

現在是一枚屠夫，

哦，不，一名全棧 PM ，

這是我和我的數據分析9把刀的故事，

……

聽說大洋彼岸有時把我的這個職位叫,

增長黑客，

但我更喜歡叫自己全棧PM。

……

一年前端，後來轉產品，

再之後加入現在的公司負責產品增長，

這是我的履歷。

……

不懂前端的產品經理不是好的增長運營，

我是「產品+增長+運營」的混合體

▽

說說我和我的公司做的事，

我們做一款企業級工具，

提供 SaaS 和私有化部署，

也就是說，

產品增長的工作是這樣的：

▽

「流量—&>訪客—&>線索」（my job）

—&>客戶（sales）

……

再做一步分解

▽

流量—&>內容渠道

訪客—&>官網博客

線索—&>需求轉化

▽

那麼我的工作，

就是讓各種形式的內容，

從多種渠道帶來流量，

在官網形成轉化，

成為銷售線索，

▽

這是我的9把刀

……

Tools：About Content

Google Analytics（百度統計）

百度指數（Google Trends）

BuzzSumo

▽

Google Analytics（GA）

它是使用最廣泛的統計工具

能得到PV、UV、流量來源和訪客細分

我用它對官網和博客做用戶概覽式分析，

當然，還對內容進行渠道追蹤，

這些數據，會是我決策和投入的依據，

我是數據控

……

替代品：百度統計（也會用）

……

用百度指數和 BuzzSumo 則是分析，(BuzzSumo: Find the Most Shared Content and Key Influencers)

哪些內容大家更感興趣

不至於做內容靠盲打

我是技巧派

……

Tools：About Landing Page

AppAdhoc

Similar Web

Seoptimer Lipperhey

Ptmind

▽

AppAdhoc( 吆喝科技-App數據分析，網站數據統計工具，AB測試雲服務平台)

它是國內A/B Testing功能支持最全的工具

官網、博客還有活動做的H5，

都會用它來做A/B測試

在這個流量是金的時代

用A/B測試工具的ROI還是蠻高的

我已經盡量保持客觀了，

但人都是情緒動物，

作為AppAdhoc的種子用戶，

兩年了，

對它有感情

「魔鬼出在細節里，我是A/B測試控」

……

Similar Web（SimilarWeb.com - Competitive Intelligence Tool）

一家以色列公司做的工具

非常好用且性感的網站和關鍵詞對比分析工具

用它輔助 SEO

也用它來了解競爭對手

……

Seoptimer Lipperhey 用來優化網站的 SEO

Lipperhey makes your website rank higher

Website Review and free SEO audit tool

單一工具未免不夠準確

所以兩個工具一起上啊

……

還有，熱圖工具我用 Ptengine for Web - 極簡的網站分析與熱圖

它是我們中國的公司

但已經在日本做到了第一

……

Tools：About Customers

美洽

金數據

▽

美洽會用在官網上的訪客諮詢需求，

這樣可以每天及時的處理詢價、產品介紹的一些問題，

很輕也很好用

……

我們表格和問卷會用金數據-免費好用的表單和數據收集整理分析工具，

它的功能很全面，

而且完美的是，

支持添加 Google Analytics 追蹤代碼

……

這就是我常用的數據分析工具樹，

如果有哪些工具你不是很熟悉，

就自己搜索解決呀。

我賭上一名全棧 PM 的聲譽，

這些都是很好的工具呀！！！

上手就用，發現瓶頸，實現優化，這就是務實。

謝邀。

看到這個問題的時候，我腦海中第一個蹦出來的是同樣在知乎中的問題「怎麼評價產品經理拿數據說話這回事？如何做數據分析？」，這個問題獲得了超過40w瀏覽和7K用戶關注。這篇問題中的回答著重講了「數據的作用」，但是我們如何才能夠拿到數據，並進行正確的分析呢？

實際上，不論是擔當產品經理，產品運營職位，都需要在日常的工作中與數據打大量的交道。

如果我們在招聘網站上仔細的查詢兩個職位的JD，會發現他們的重點工作如下：

產品經理「市場及用戶研究、產品規劃及設計、產品版本管理、開發及項目管理、解決產品運營相關問題和數據分析」，
產品運營「運營規劃、營銷規劃、商務合作、媒介傳播、數據分析和市場監控」。

如果看上文中下劃線的部分，我們發現不論是產品經理需要負責的「產品設計規劃類偏向需求類工作」，或是產品運營需要負責的「活動策劃規劃類偏向用戶的工作」都需要通過數據來支撐自己今後工作的計劃與重點內容。在兩者工作過程中，我們可以把「對數據進行收集，處理，分析」的過程統一稱為「數據運營」。

但是在分析前，請務必確認你能夠在認可「數據分析」的價值觀環境中從事數據分析的工作：

1. 認同數據分析的價值。周邊有重視或理解數據分析的價值的環境；

2. 清晰的數據分析認知。不能神話數據的作用，也不能否定數據的意義；

3. 數據分析最終會應用在商業模式中。數據分析的最終目標是服務企業增長目標：

在確定已經擁有對數據運營的統一認知後，我們同樣可以把數據運營的流程分為4步，即：

數據規劃 → 數據採集 → 數據分析 → 數據決策

在數據規劃與數據採集中所耗費的精力與時間較多，但能夠產生的價值較少。反之在數據分析與決策過步驟耗費的精力與時間少，但能夠產生更多的價值。

原因很簡單，在做數據分析的過程中，大部分時間都會耗費在數據採集，去重整理等臟活累活上面，而決策和分析耗時相對較少。國內的大部分公司都會在這一步，用80%的精力收集整理數據，而用20%的精力收集整理數據。

數據分析的指導思路：

借用增長黑客與精益創業中的思路，有「AARRR模型」和「精益創業模式」兩個指導思路。

AARRR是Growth Hacker中的海盜法則，即把用戶的生命周期分為「獲取，激活，留存，變現，推薦」5步，根據不同用戶處於的不同生命周期部分，設置並分析對應的關鍵指標。

而精益創業模式就是借用MVP（最小可用原型）的思路，通過分析收集到的數據，來不斷的驗證和推翻之前的假設，不斷進行學習與優化。

數據分析的常見方法：內外因素拆解

通過把問題拆解為內外因及是否可控，來逐步解決問題，如：
如果你是一個美妝行業O2O平台的產品運營，近期你發現平台中手藝人的訂單量變少了，怎麼進行拆解呢？

內部可控：產品投放渠道變化，用戶留存問題，公司核心目標變動；
外部可控：競爭對手近期行為，用戶使用習慣變化，用戶對美容行業的需求隨時間變動；
內部不可控：公司策略轉移，公司客戶群定位修改，產品策略變動；
外部不可控：行業趨勢變化，整體宏觀經濟形勢下滑，進入行業淡季。

按照以上方式拆解為內外因，然後針對性解決問題即可。

再來講7個常見的數據分析的手段：

1. 簡單趨勢
通過數據量的趨勢來了解用戶的使用情況，便於迅速迭代或優化產品。比如網站數據分析中訪問用戶量、訪問來源、訪問用戶行為三大指標對於趨勢分析具有重要意義。

2. 維度分解
根據分析需要，通過多個維度對指標進行分解。比如電商平台分析用戶的購買能力，但可以通過用戶來源（utm）、地區（ip）、網站/手機應用（常用埠）、設備品牌（相對購買力）、APP版本（用戶重視度）等維度進行分析。

3. 轉化漏斗
按照已知的轉化路徑，藉助漏斗模型分析總體和每一步的轉化情況。常見的轉化情境有註冊轉化分析、購買轉化分析等。

4. 用戶分群
在數據分析中，我們常需要對有某個特定行為的用戶群組進行分析和比對；因此則需要將多維度和多指標作為分群條件，有針對性地優化產品，最終提升用戶體驗。

5. 用戶行為分析
通過觀察用戶的行為軌跡，探索用戶與產品的交互過程；進而從中發現問題、激發靈感亦或驗證假設。

6. 用戶留存分析
通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產品的增長點。

7. A/B測試
A/B測試就是同時進行多個方案並行測試，但是每個方案僅有一個變數不同；然後以某種規則（例如用戶體驗、數據指標等）優勝略汰選擇最優的方案。

同樣，根據不同的應用場景，你可以選擇很多工具。有的人動不動就會搬出Python來建模分析數據，但殊不知其實Excel也是最基本，好用的數據分析工具（限數據量不大的情況）。

在具備了「統一的數據分析認知」，「數據分析的指導思路和常見方法」基礎上，各類數據分析平台都是你可以使用的武器了，不論百度統計，友盟，諸葛IO，還是Growing IO都可以供你選擇。

基礎理論：深入淺出統計學 (豆瓣)

熟悉業務：增長黑客 (豆瓣)、大數據時代 (豆瓣)

提高視野：數據之美 (豆瓣)

作為產品運營童鞋，關於數據接入、數據分析、數據處理和可視化等，我是這樣搞定的~

1、數據接入

將工作中需要的數據都整合到一個工具中，如本地數據、第三方平台數據等，我接了百度統計、CNZZ、微信公眾號等~

2、數據處理

數據接好了，對數據進行一些處理，比如做個合表將不同推廣渠道的數據都整合到一起，做個多表關聯，下圖只是一個合表演示。

3、數據分析

數據都有了，怎麼分析我的運營數據呢，隨意舉幾個例子~（非真實數據哈）

1）分析每日的註冊人數走勢：拖拽日期到維度欄，拖拽用戶ID到數值欄，選擇計數或去重計數即可~

2）想分析不同渠道每日的轉化情況，將日期拖拽維度欄，將對比欄位（註冊渠道）拖到對比欄，再將用戶ID到數值欄，選擇計數或去重計數即可~

3）除了計數，BDP還支持其他很多分析方式，如同環比設置、用戶留存率等，不一一展示了，都可以通過拖拽製作，大家自己都可以試下~

4、可視化圖表

其實在這裡，分析和可視化是融為一體的，數據分析完以可視化圖表展示，數據直觀且明了，如下圖（註冊流量分析）~

所以我在使用的數據工具BDP個人版中，數據整合、處理、可視化分析等工作應該是閉環的，形成一個完整的流程，首次做好數據結果後，坐等數據定時自動更新就好了~

數據驅動運營是未來運營的趨勢，也是我們運營人的一個分水嶺，在運營的刀耕火種時代已經趨於沒落的時候，精細化運營以及變得尤為重要，數據驅動決策是我們運營人必須要面對的挑戰也是我們要下意識學的一門技能。

但也是很多剛進入運營領域的新人一個頭疼問題，因為他所涉及到的數據分析方法、方法論、邏輯分析能力以及一些工具的使用，而且一堆數據也是很多運營人員不願面對的。本章節我們就從如何獲取數據、如何分析數據以及一款產品都關注哪些數據維度。

一、數據從哪裡獲取

在我們分析數據之前，就必須得有數據供我們分析，所以我們就得拿到數據，怎麼拿到呢？

數據的來源渠道主要有兩種：

自有數據分析系統——公司自有的數據是最源質化的數據，也是最可靠、最全面的。一般而言，有條件的情況下都是以內部數據為準；

第三方數據分析工具，這個是藉助外部工具獲得數據。

下面給大家介紹主要5款的數據分析工具：

1.友盟

支持iOS、Android應用數據統計分析

2.growingio

growingio強大的地方在於無需埋點，就可以獲取並分析全面、實時的用戶行為數據，以優化產品體驗，實現精益化運營。

3.應用雷達

僅針對iOS，查看App Store總榜和分類排名。查看產品在App Store 里的搜索度得分，評判ASO效果的標準之一。

4.百度移動統計

支持ios和android平台。另外，開發者在嵌入統計SDK後，可以對自家產品進行較為全面的監控，包括用戶行為、用戶屬性、地域分布、終端分析等。

5.酷傳

僅支持android平台應用監控。開發者可以查看應用在主流市場下載量、排名、評分評論、關鍵詞排名等數據，還能系統地與同類競品進行數據對比。

當然了，數據分析工具不止這5款，如果你們正在使用其他的，也是可以的。使用分析工具我們可以得到以下內容：

記錄那些點擊信息，包括沒有與網站產生交互的信息；可直接生成鏈接的百分比，點擊分布圖和熱力圖；可統計用戶的懸停，將用戶潛在行為可視化

獲取數據的方式其實多種多樣，關鍵在於，作為運營人員要了解什麼樣的數據是重要的，對於這些數據的前後關聯，是怎樣的，這是一個聯動的過程，不是一個單一的行為。

有了這些數據之後，我們該怎麼去分析這些數據呢？哪些是可以為我們所用的額，又有哪些是可以剔除掉的。

二、如何分析現有的數據

從第三方數據分析工具或者自家的分析後台拿到這些數據後，該怎麼去分析呢？我相信很多運營人在拿到數據時，都是沒多少思路的。要麼鬍子眉毛一把抓，要麼無從下手。這都是缺少分析思路的表現，需要宏觀的方法論和微觀的方法來指導。

在上幾期的文章中，在藝林小宇的文章《「後產品時代的運營之道」數據分析的那些方法論》中，羅列在我們進行數據分析時經常會使用到方法論，這些方法論在我們進行數據分析時扮演宏觀指導的角色。所以說在我們進行數據分析時，應該先找到適合自己的方法論進行指導。主要會用到的方法論：

1.PEST分析法：用於對宏觀環境的分析，包括政治（political）、經濟（economic）、社會（social）和技術（technological）四方面。

2.5W2H分析法：何因（Why）、何事（What）、何人（Who）、何時（When）、何地（Where）、如何就（How）、何價（How much）。

3.邏輯樹分析法：把問題的所有子問題分層羅列。

4.4P營銷理論：分析公司的整體營運情況，包括產品（product）、價格（price）、渠道（place）、促銷（promotion）四大要素。

5.用戶行為理論：主要用於網站流量分析，如回訪者、新訪者、流失率等，在眾多指標中選擇一些適用的。

6.AARRR（增長黑客的海盜法則）：精益創業的重要框架，從獲取（Acquisition）、激活（Activition）、留存（Retention）、變現（Revenue）和推薦（Referral）5個環節增長。

數據分析的方法論很多，這裡不能一一列舉；沒有最好的方法論，只有最合適的。下面我詳細介紹一下 AARRR 方法論，對於精益化運營、業務增長的問題，這個方法論非常契合。

對於互聯網產品而言，用戶具有明顯的生命周期特徵，我以一個APP為例闡述一下。

首先通過各種線上、線下的渠道獲取新用戶，下載安裝APP。安裝完APP後，通過運營手段激活用戶；比如說首單免費、代金券、紅包等方式。通過一系列的運營使部分用戶留存下來，並且給企業帶營收。在這個過程中，如果用戶覺得這個產品不錯，可能推薦給身邊的人；或者通過紅包等激勵手段鼓勵分享到朋友圈等等。需要注意的是，這5個環節並不是完全按照上面順序來的；運營可以根據業務需要靈活應用。AARRR的五個環節都可以通過數據指標來衡量與分析，從而實現精益化運營的目的；每個環節的提升都可以有效增長業務。

在使用這些數據分析方法論要明確他們的作用：

●理順分析思路，確保數據分析結構體系化。

●把問題分解成相關聯的部分，並顯示它們之間的關係。

●為後續數據分析的開展指引方向。

●確保分析結果的有效性及正確性。

再比如，我們在分析APP的數據維度時，會使用到趨勢分析法，因為趨勢分析是最簡單、最基礎，也是最常見的數據監測與數據分析方法。通常我們在數據分析產品中建立一張數據指標的線圖或者柱狀圖，然後持續觀察，重點關注異常值。在這個過程中，我們要選定第一關鍵指標，而不要被虛榮指標所迷惑。

如果我們將我們分析的APP的下載量作為第一關鍵指標，可能就會走偏；因為用戶下載APP並不代表他使用了你的產品。在這種情況下，建議將日活躍用戶作為第一關鍵指標，而且是啟動並且執行了某個操作的用戶才能算上去；這樣的指標才有實際意義，運營人員要核心關注這類指標。

三、一款產品都關注哪些數據維度

我們都知道，運營人每天都會跟各種各樣的數據打交道，那一款產品都有那些數據維度是我們經常會分析到的呢？

一款產品（特指APP）的數據指標體系一般都可以分為：用戶規模與質量、渠道分析、參與度分析、功能分析以用戶屬性分析。

1.用戶規模和質量的分析包括總用戶數、新用戶數、留存用戶、轉化率。用戶規模和質量是APP分析最重要的維度，其指標也是相對其他維度最多，產品負責人要重點關注這個維度的指標。

2.渠道分析主要是分析各渠道在相關的渠道質量的變化和趨勢，以科學評估渠道質量，優化渠道推廣策略。渠道分析尤其要重視，因為現在移動應用市場刷量作弊是以及業內公開的秘密。渠道分析可以從多個維度的數據來對比不同渠道的效果，比如從新增用戶、活躍用戶、次日留存率、單次使用時長等角度對比不同來源的用戶，這樣就可以根據數據找到最適合自身的渠道，從而獲得最好的推廣效果。

3.參與度分析主要是分析用戶的活躍度，分析的維度主要是包括啟動次數分析、使用時長分析、訪問頁面分析和使用時間間隔分析。

4.功能分析主要包括：

功能活躍指標：某個功能的活躍用戶，使用量情況；功能驗證；對產品功能的數據分析，確保功能的取捨的合理性。

頁面訪問路徑：用戶從打開到離開應用整個過程中每一步驟的頁面訪問、跳轉情況。頁面訪問路徑是全量統計。通過路徑分析得出用戶類型的多樣、用戶使用產品目的的多樣性，還原用戶目的；通過路徑分析，做用戶細分；再通過用戶細分，返回到產品的迭代

漏斗模型是用於分析產品中關鍵路徑的轉化率，以確定產品流程的設計是否合理，分析用戶體驗問題。用戶轉化率的分析，核心考察漏斗每一層的流失原因的分析。通過設置自定義事件以及漏斗來關注應用內每一步的轉化率，以及轉化率對收入水平的影響。通過分析事件和漏斗數據，可以針對性的優化轉化率低的步驟，切實提高整體轉化水平。

5.用戶屬性分析不管在我們的產品啟動初期，還是戰略的調整，分析用戶畫像都有著重要的意義。比如我們在產品設計前需要構建用戶畫像，指導設計、開發、運營；產品迭代過程需要收集用戶數據，便於進行用戶行為分析，與商業模式掛鉤等等。

用戶屬性一般包括性別、年齡、職業、所在地、手機型號、使用網路情況。如果對用戶的其他屬性感興趣的，可以到自的微信呢公眾號後台或者其他諸如頭條、uc等後台看用戶屬性都包含哪些維度。

以流量為中心、野蠻的運營時代已經結束，接下來的時代是以科學的數據作為依據，圍繞著用戶緊緊做精細化的運營時代。

————————————————————————————————————————

藝林小宇，專欄作家，某互聯網公司運營總監，知名自媒體人

如果你也是 0-3歲的產品運營，這個公眾號適合你：藝林小宇（cs-jy8）

去往藝林小宇的知乎專欄Or藝林小宇 - 知乎

要做好運營首先得做好數據分析，產品的畫面、操作、各方面細節都是關係到產品品質的直接開發因素，我們可以藉助於數據統計分析工具來做數據分析，像諸葛統計分析工具（http://www.zhugeio.com)，以先進的用戶跟蹤技術和簡單易用的集成開發方法，幫助產品運營者挖掘用戶的真實行為與屬性。藉助數據運營者可以獲得直接、客觀、高效的用戶行為洞察方式。目前覆蓋iOS、安卓及JS平台，