產品經理如何進行產品數據分析?

產品經理、運營人專屬學習社群招募隊友,人人都是產品經理聯合200+BAT產品運營人打造 點此查看詳情

數據分析是產品經理必須具備的一項能力,在產品需求階段可以通過數據分析對用戶的需求去偽存真,在產品上線運營階段,又可以通過數據驗證產品的可行性並且進行迭代。那麼,什麼才是數據分析的正確姿勢呢?這裡給大家按數據分析的步驟來講一講這方面的基礎知識。

一.確認分析目標

進行數據分析工作一定要有目的性,不要為了分析而分析。當我們遇到問題時要先去,要先去考慮我們做數據分析是為了解決哪些問題。

二.採集數據

當我們確定了分析目標之後,就要開始收集數據,數據來源一共有三種:

  1. 產品本身—產品運營數據和用戶反饋
  2. 競爭產品—網站流量和公司財報
  3. 行業內—行業分析報告和熱點大數據

提供行業數據的網站非常多,這裡給大家介紹幾個常用的

百度指數,友盟;艾瑞諮詢,易觀智庫,CNNIC,比達諮詢,DCCI互聯網數據中心,Alexa;

移動應用:Google Analytics

三.數據分析

數據分析數據分析階段可以說是最重要的一個環節在這裡我要給大家介紹兩個內容,一是數據分析框架,二是數據分析方法。

(一)數據分析框架

數據分析框架可以說是數據分析的思路,可以幫助我們了解到底是哪些數據出現了問題這裡介紹幾個最常用的分析框架

AARRR模型

AARRR模型可以告訴我們在產品的幾個階段分別需要重點關注哪些數據。AARRR是幾個英文字母的縮寫,分別是獲取、激活、留存、收入、推薦

  • 獲取(指產品推廣,告訴我們用戶從哪來)需要關注的數據為:曝光數、打開率、點擊率、下載量、安裝量、用戶獲取成本。
  • 激活(指用戶使用了產品)需要關注的數據為:設備激活量、新註冊用戶數、日活躍、瀏覽數、訂閱數。
  • 留存(指用戶持續使用產品)需要關注的數據為:次日留存率、7日留存率、距離上次使用時長。
  • 收入(指產品獲得利潤)需要關注的數據為:付費率、付費頻次、客單價、用戶價值。
  • 推薦(指用戶推薦他人使用我們的產品)需要關注的數據為:轉發數、邀請數、評論數。
  • 2. 邏輯分析框架

    核心指標出現了問題一定是有相關指標出現了問題。

    如銷售額=訪客數UV*轉化率*客單價,銷售額下降的原因要在這三個指標里找原因

    如流量增長因素:PC端、APP端、WAP端、友盟等

    3.漏斗分析框架

    用於分析開始用戶到最終用戶的數量變化趨勢

    4.還有一些管理營銷方面的分析框架

    如SWOT分析、4P理論、5W2H、SMART分析等等就不一一說明了,以上三個分析框架已經是比較常用的了。

    (二)數據分析方法

    說完了分析框架,再說說數據分析方法,通過數據分析的方法,我們可以了解哪些數據有問題,出現了什麼問題。數據分析方法也有幾個比較常用的

    1.對比分析

    最常用的分析方法,通過對比的方式來找出差異,對比的對象可以是其他競品也可以是自己的產品,對比的時間可以採用同比與環比

    2.趨勢分析

    通過折線圖的方式發現問題(數據下降或是上升等等)

    3.交叉分析(通過多個維度去分析數據)

    (圖片來自網易微專業)

    4.象限分析

    4.總結與改善

    當我們知道哪些數據出現了問題和到底出現了什麼問題的時候,我們就可以根據這些問題來改善自己的產品了。數據雖說是客觀的,但人卻是主觀的。同樣的數據在不同的人眼裡得到的結論也有可能是不一樣的,數據分析也有幾個常見的誤區。

    1. 忽略了沉默用戶,只在乎少量用戶的數據忽視了整體
    2. 不要過分依賴數據,做一些沒有價值的數據分析。
    3. 錯判因果關係,商品評論多商品賣的就一定多嗎?
    4. 警惕數據表達的技巧

    總結

    數據分析可以說是一門非常專業的學問,裡面所涉及的內容非常的多,產品經理應該有對數據的敏感性。這裡給大家講了互聯網數據分析的基本內容,希望能夠給大家一些幫助。

    本文由 @喬家偉 原創發佈於人人都是產品經理。未經許可,禁止轉載。


    推薦閱讀:

    (5)Python初入坑之pandas基礎實操四
    泰坦尼克號預測(隨機森林預測)
    用Python分析我國2012年人口普查數據
    數據分析 | 想入門數據分析要先了解這些才行
    R語言實戰第三四章內容學習及心得

    TAG:產品 | 產品經理 | 數據分析 | 數據 | 何進 | 經理 | 分析 |