產品經理如何進行數據分析

04-19

移動互聯網，物聯網產生了海量的數據，大數據計算技術完美的解決了海量數據收集、計算、存儲、分析的問題。催生了大數據時代的到來，大數據時代會數據分析的產品經理將會越來越吃香，因為數據分析的結果，可以幫助我們進行精準營銷、優化產品設計、提供決策支持...，這些都讓數據前所未有的值錢，不信你看大數據發展趨勢。

什麼是數據？

數據(data)是事實或觀察的結果，是對客觀事物的邏輯歸納，是用於表示客觀事物的未經加工的的原始素材。

這樣可能比較抽象，舉個例子，你去辦理銀行卡的時候，填寫的姓名、電話、住址、聯繫人....就是數據。

按照數據來源來分外部數據和內部數據。外部數據包含宏觀經濟數據、市場發展趨勢、新聞輿情數據、社會人口數據，內部數據可分為用戶行為數據、服務端日誌數據、交易數據。

數據不是目的，數據分析的結果才是我們想要的。

什麼是數據分析？

數據分析就是提取有用的數據來指導實踐。

1、數據不要流於形式，要以結果為導向。

2、數據可視化，這樣便於發現數據背後提供的信息。

3、提取有用的數據，不是自嗨。

舉個例子：互聯網金融都會有渠道推廣這個東西，比如有A B C D 四個渠道，可以統計從各個渠道過來的用戶數量和在投金額。站在老闆的角度就會選擇花的錢最少，但是帶來收益最高的那個渠道，也就是ROI最高的那個渠道。

如果再進一步細分，如果A渠道10個人帶來了200萬，B渠道300個人帶來了200萬，那麼說明A渠道高凈值人群比較多，如果和我們目標用戶一樣的話，可以重點維護！加大宣傳投入成本，所以目的不一樣，看的數據也不一樣

數據從哪裡獲取？

外部數據：比達諮詢、易觀智庫、酷傳、百度指數等，都會有對於行業數據的分析。

自有的數據系統：比如公司內部自建的BI系統，這些數據一般來源於公司內部,是原始的數據，分析出來的結果最具有說服力！

第三方數據分析工具：例如諸葛io、友盟、百度統計、Growing io等

公司可以自建一個power BI系統，然後再嵌入第三方的數據分析工具，達到對數據一個全面分析的作用。

友盟

友盟提供iOS、Android平台服務，幫助移動應用開發商統計和分析流量來源、內容使用、用戶屬性和行為數據，但是無法對關鍵數據在突發異樣時進行跟蹤。

百度移動統計

免費移動應用統計分析工具，支持iOS和Android兩大平台，開發者通過嵌入統計SDK，即可實現對移動應用的全面監測，百度統計可以分析用戶行為、用戶屬性、地域分布、終端分析等。

諸葛io

諸葛io，是一款基於用戶洞察的精細化運營管理工具。以用戶跟蹤技術和簡單易用的集成開發方法，幫助移動應用的運營者們挖掘用戶的真實行為與屬性。可以將其用於iOS、Android應用平台。

Growing io

優部部署代價低，無須埋點，讓程序員專註於寫代碼。同時統計全面，分析效率比較高，優化產品體驗，實現精細化運營。

5個基本的分析步驟：

入口分析：
用戶從哪些渠道進入產品，對比運營策略分析量多或量少的原因，提出優化方案。例如，你的app用戶有從app store來的，有從不同的安卓市場來的，有從第三方渠道來的，有地推來的，有運營發布的文章來的，你需要分析從不同渠道來的用戶數量和質量以及投入成本，就像我上面舉得互聯網金融的例子，通過投入產出比來選擇渠道，同時通過每個渠道來的用戶貢獻程度，來分析出每個渠道的用戶質量。
用戶分析：
分類用戶群體，獲取用戶基本信息，包括地區、性別、職業等你的產品需要關心的元素；這一部分相當於用戶畫像，你可以通過自己建立的power BI系統來進行分析，也可以通過第三方提供的工具來進行分析，可以根據這些數據信息來做你的用戶畫像。用戶畫像的五個維度，可以參考我之前的文章《產品經理如何進行用戶畫像上》

統計新增用戶、活躍用戶、流失用戶數據，思考如何刺激轉化；這就是用戶運營的工作，哪些是新增用戶，哪些是活躍用戶，哪些是流失用戶。重點考慮新增用戶的轉化和流失用戶流失的原因，以及定期做一些運營活動來促進用戶的活躍。
事件分析：
各個功能的使用情況，驗證功能設計時的想法，有沒有出現與設計時相悖的數據，例如 PV、UV、頁面跳出率、頁面停留時長、轉化率這些指標，下面的這個例子就是很好的一個事件分析的例子。
案例：客棧通APP訂單詳情頁優化
客棧通是一款幫助民宿客棧老闆管理房態、處理訂單的軟體，在這款APP上，訂單詳情的展示對老闆至關重要，但是訂單內信息較多，在最初的版本上做了逐行展示，用戶要看全信息必須上下滑動3屏。
產品上線後就開始監測這個頁面所涉及的數據指標，我們發現，進入訂單詳情的用戶大多只是查看信息，做出修改的只佔13%；而修改操作中，修改訂單狀態的又遠多於修改訂單內容的。訂單修改頁面的平均停留時長達到11秒，說明用戶定位到要修改的信息再完成修改有一定費力度。雖然對訂單信息做了逐行展示，但有些欄位長度有限，可以考慮合併；而有些欄位（如房型名稱、房間號）長度可能超出但對用戶這全不是問題——客棧老闆對自己的房間如數家珍，並不強求完整展示。
於是，改版設計方向明確，我們對訂單信息重新布局，分成預訂、住客、房間和結算四個小模塊，每個模塊內信息精簡展示，令一屏內能完整展示訂單的重要信息；將低頻的修改訂單內容操作（如添加房間、入住人）通過入口隱藏起來；同時將我們要強化的修改狀態操作置底顯示，引導用戶進入主流程（辦理預訂-辦理入住-辦理離店）。
商戶端產品的用戶數與客戶端不在一個數量級，因此設計驗證我們未採用更適于海量數據的A/B測試，而是實地走訪多家客棧，通過高保真原型演示和任務模擬，直接觀察客棧老闆的操作，來進行可用性測試。
優化版本上線後的數據令人欣喜，訂單查看和修改頁面的PV有了30%以上的增長，訂單平均修改時長由11秒顯著降低至4秒；而與此同時，APP的訂單修改量增加了30倍。顯然，快捷方便的體驗令更多用戶把修改訂單操作由PC轉向手機。
漏斗分析

也叫做漏斗模型，比如一個p2p購買流程。
瀏覽標的—-》查看標的詳情—》購買—》輸入支付密碼—》成功支付
你可以分析用戶的每一個操作步驟，你如有100個人瀏覽你的標的，80個人查看詳情，60個購買，5個人購買成功。說明用戶在輸入支付密碼那一塊漏的比較厲害，需要重點優化，這就是漏斗模型的作用。
我覺得對於產品來說，有兩大流程需要進行漏斗模型分析。一個就是註冊流程，這個決定了用戶會不會在你註冊環節流失。
另外一個就是主要流程。例如電商的支付流程，金融平台產品購買流程和充值流程。
留存分析
次日留存、三日留存、月留存。所謂留存率，就是指一組用戶在初始時間(比如首次打開應用)之後第 N 天，還在使用產品的用戶比例(即留存下來的用戶比例)，一般稱之為N 天留存率。對於留存率你要辯證的看，如果你是做的社交產品，那麼留存率是一個很重要的指標。如果你做的是旅遊機票這種產品，類似於攜程，可能有的用戶半年就買一次機票，買機票的時候才想起你，這種低頻的使用產品，你再分析留存率就沒啥意思。

總結：數據分析是一個很重要的產品需求來源，你自己提的想法可能不靠譜，老闆的想法可能在天上，覺得運營提的需求太傻逼，但是數據永遠不會說謊，做好你的數據分析，從現在開始。數據分析可加微信（yw5201a1）交流。

更多乾貨，請關注微信公眾號：chanpinliu880