域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過(guò)

每個(gè)產(chǎn)品經(jīng)理都知道數(shù)據(jù)分析很重要，但你能清晰地給出以下這兩個(gè)問(wèn)題的答案嗎?

1. 數(shù)據(jù)分析到底是什么?

2. 數(shù)據(jù)分析為什么如此重要?

如果在這之前你不知道答案也沒(méi)關(guān)系，因?yàn)楸疚臅?huì)圍繞以下幾點(diǎn)回答以上兩個(gè)問(wèn)題：

1. 數(shù)據(jù)分析到底是什么?

2. 數(shù)據(jù)分析的相關(guān)概念

3. 如何實(shí)施數(shù)據(jù)分析?

4. 如何測(cè)量和收集數(shù)據(jù)?

5. 如何做數(shù)據(jù)分析報(bào)告?

6. 數(shù)據(jù)分析與產(chǎn)品的關(guān)系

數(shù)據(jù)分析到底是什么?

簡(jiǎn)而言之，數(shù)據(jù)分析表征產(chǎn)品狀態(tài)、用戶行為和用戶所點(diǎn)擊的內(nèi)容等等。雖然數(shù)據(jù)表征產(chǎn)品狀態(tài)，但它沒(méi)有表明產(chǎn)品所處狀態(tài)的原因。數(shù)據(jù)分析不能只靠單一的度量數(shù)據(jù)，應(yīng)以一系列匯聚的度量數(shù)據(jù)為前提。

例如，如果我們要分析某個(gè)物體狀態(tài)，我們就不能只用物體溫度這個(gè)單一度量數(shù)據(jù)，只有結(jié)合其他諸如物體位置、速度、組成、環(huán)境溫度等一系列數(shù)據(jù)，我們才能實(shí)施分析。假設(shè)速度是0，物體位置離地面1米，周?chē)鷾囟扰c物體一樣，我們可以分析得出結(jié)論——物體處于靜止?fàn)顟B(tài)。

同理，我們?cè)诜治霎a(chǎn)品狀態(tài)和用戶行為時(shí)，匯聚的度量數(shù)據(jù)越多，對(duì)我們?cè)接欣?/p>

數(shù)據(jù)分析的相關(guān)概念

想要從數(shù)據(jù)分析中獲得最大價(jià)值，我們需要非常了解數(shù)據(jù)分析的相關(guān)概念。這些概念包括：

• 數(shù)據(jù)點(diǎn)

• 用戶分群

• 漏斗

• 時(shí)序分群

數(shù)據(jù)點(diǎn)

數(shù)據(jù)點(diǎn)，即數(shù)據(jù)的單獨(dú)點(diǎn)。數(shù)據(jù)點(diǎn)度量產(chǎn)品某個(gè)特定項(xiàng)目，包括度量數(shù)據(jù)和度量時(shí)間。

準(zhǔn)確的數(shù)據(jù)點(diǎn)是我們繪制產(chǎn)品發(fā)展趨勢(shì)圖表的前提。

用戶分群

用戶分群的依據(jù)是用戶共同特征和產(chǎn)品使用模式。

用戶分群的依據(jù)包括但不限于：

• 技術(shù)方面(瀏覽器， 操作系統(tǒng)，設(shè)備等)

• 行為方面(初次訪問(wèn)，回訪等)

• 人口統(tǒng)計(jì)學(xué)方面(語(yǔ)言，國(guó)家等)

在對(duì)用戶進(jìn)行自定義分群時(shí)，我們需要依據(jù)可以度量的特征。例如，用戶性別就是可以度量的特征。只要我們?cè)谟脩魝€(gè)人資料里添加性別這一項(xiàng)，我們就可以采集到相關(guān)數(shù)據(jù)，這樣以性別作為分群依據(jù)就不難。

我們可以通過(guò)用戶分群了解用戶潛在的行為模式。數(shù)據(jù)平均值會(huì)掩蓋這些潛在行為模式。例如，雖然頁(yè)面平均訪問(wèn)量是2，但是在添加了初次訪問(wèn)vs回訪這個(gè)細(xì)分特征之后，我們發(fā)現(xiàn)初次訪問(wèn)者的平均頁(yè)面瀏覽量是1.2，而回訪者的平均頁(yè)面瀏覽量是3.4。如果不進(jìn)行用戶分群，初訪者和回訪者頁(yè)面瀏覽量的差異就會(huì)被頁(yè)面瀏覽量的平均值所掩蓋。

通過(guò)用戶分群，我們可以把數(shù)據(jù)分析重點(diǎn)集中在主要目標(biāo)用戶群體。例如，我們的主要目標(biāo)用戶分布在華東地區(qū)，只要區(qū)分華東各省市用戶群體并重點(diǎn)分析這些地域的用戶行為，就可以?xún)?yōu)化產(chǎn)品以適應(yīng)他們的需求，而不是針對(duì)全國(guó)用戶進(jìn)行產(chǎn)品優(yōu)化。

漏斗模型

漏斗模型主要用于流量監(jiān)控、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運(yùn)營(yíng)與數(shù)據(jù)分析工作。

為了達(dá)到目的，用戶會(huì)執(zhí)行一系列操作。例如，在電商平臺(tái)上，用戶為了實(shí)現(xiàn)購(gòu)買(mǎi)的目的，會(huì)執(zhí)行以下操作：

通過(guò)漏斗模型，我們可以知道用戶在哪一步流失，從而通過(guò)調(diào)查分析找出用戶流失原因。

時(shí)序分群

時(shí)序分群與用戶分群類(lèi)似，區(qū)別是時(shí)序分群的目的是比較分析用戶行為隨著時(shí)間的變化。

時(shí)序分群有利于我們衡量用戶長(zhǎng)期價(jià)值。

時(shí)序分群之后可以進(jìn)行不同的比較，例如，我們可以比較一周前的注冊(cè)用戶和一個(gè)月前的注冊(cè)用戶，也可以比較某個(gè)特定日期的注冊(cè)用戶。如果我們沒(méi)有針對(duì)一周前和一個(gè)月前的用戶進(jìn)行分群，那么新進(jìn)來(lái)的用戶會(huì)干擾我們分析這兩個(gè)時(shí)間段的用戶行為。對(duì)某個(gè)特定時(shí)間段的用戶進(jìn)行比較時(shí)，我們可以衡量某個(gè)營(yíng)銷(xiāo)活動(dòng)或者產(chǎn)品某個(gè)功能更新后對(duì)用戶行為產(chǎn)生的影響。

上圖是一個(gè)基于用戶注冊(cè)時(shí)間的留存圖。與其他用戶群相比，十月八日這一天的用戶留存顯著增加。當(dāng)我們看到這個(gè)數(shù)據(jù)時(shí)我們可以探索是什么導(dǎo)致了用戶留存的改變。

如何實(shí)施數(shù)據(jù)分析?

產(chǎn)品經(jīng)理會(huì)接觸到海量的數(shù)據(jù)，那么我們應(yīng)該如何實(shí)施數(shù)據(jù)分析?我們需要制定如下計(jì)劃：

1. 定義產(chǎn)品愿景

2. 定義滿足產(chǎn)品愿景的KPI

3. 定義允許我們達(dá)到KPI的度量指標(biāo)

4. (通過(guò)用戶行為日志)定義影響度量的漏斗

為了更好地制定計(jì)劃，我們需要了解計(jì)劃里的相關(guān)概念。

產(chǎn)品愿景

產(chǎn)品愿景指產(chǎn)品用途和目標(biāo)用戶，簡(jiǎn)而言之，“產(chǎn)品為用戶解決了什么問(wèn)題?”沒(méi)有產(chǎn)品愿景，我們接下來(lái)的所有行動(dòng)都是浪費(fèi)時(shí)間。

KPI

KPI衡量產(chǎn)品表現(xiàn)。拉新，留存，活躍，轉(zhuǎn)化等這些都屬于KPI的范疇。我們還可以用KPI制定產(chǎn)品發(fā)展目標(biāo)，譬如將用戶注冊(cè)量提高20%或者將購(gòu)買(mǎi)轉(zhuǎn)化率提高30%。KPI要適合產(chǎn)品所處階段，如果我們剛開(kāi)始創(chuàng)業(yè)，那么主要KPI就是用戶注冊(cè)量，而不是用戶活躍度。

度量指標(biāo)

度量指標(biāo)是達(dá)成KPI的手段。度量指標(biāo)一般有轉(zhuǎn)化率，購(gòu)買(mǎi)率等等。通過(guò)計(jì)算兩個(gè)或多個(gè)數(shù)據(jù)點(diǎn)，我們可以得到度量指標(biāo)數(shù)據(jù)。同時(shí)，度量指標(biāo)的變化趨勢(shì)也是產(chǎn)品改進(jìn)的依據(jù)。

漏斗

重要的漏斗會(huì)以某種方式改變度量指標(biāo)。在確立產(chǎn)品使用流程/用戶行為日志后，我們依據(jù)度量指標(biāo)和用戶行為制定相關(guān)漏斗模型。以注冊(cè)率為度量指標(biāo)和以轉(zhuǎn)化率為度量指標(biāo)所制作的漏斗模型不可能相同。

獲得數(shù)據(jù)點(diǎn)

獲得可測(cè)量的數(shù)據(jù)點(diǎn)對(duì)達(dá)成KPI, 計(jì)算度量指標(biāo)數(shù)據(jù)，制作漏斗意義重大。

計(jì)劃并非一成不變，我們需要根據(jù)產(chǎn)品愿景、KPI等適時(shí)更新計(jì)劃。

如何采集和統(tǒng)計(jì)數(shù)據(jù)?

方法有兩種：建立內(nèi)部分析系統(tǒng)，或者依賴(lài)第三方的分析系統(tǒng)。

內(nèi)部分析系統(tǒng)可以根據(jù)度量指標(biāo)進(jìn)行定制開(kāi)發(fā)。缺點(diǎn)是我們需要耗費(fèi)資源單獨(dú)建立和維護(hù)。

外部分析系統(tǒng)，譬如Google Analytics, Mixpanel, KISSmetrics等都是不錯(cuò)的選擇。第三方的分析系統(tǒng)易于實(shí)現(xiàn)且不會(huì)浪費(fèi)建立和維護(hù)所需要的資源。Cobub Razor是國(guó)內(nèi)一款專(zhuān)業(yè)的APP數(shù)據(jù)統(tǒng)計(jì)分析工具，支持私有化部署，數(shù)據(jù)既靈活又安全，是個(gè)不錯(cuò)的選擇。

如何做數(shù)據(jù)分析報(bào)告?

通常我們通過(guò)制作比較圖表和趨勢(shì)圖表來(lái)做數(shù)據(jù)分析報(bào)告。

比較圖表體現(xiàn)某個(gè)度量指標(biāo)在兩個(gè)時(shí)間點(diǎn)之間的變化，比如某個(gè)度量指標(biāo)在上個(gè)星期和這個(gè)星期之間的變化。它讓我們看到兩個(gè)時(shí)間點(diǎn)之間度量指標(biāo)是否有較大的波動(dòng)。

趨勢(shì)圖表體現(xiàn)某個(gè)度量指標(biāo)在一段時(shí)間內(nèi)的變化，例如某個(gè)度量指標(biāo)在過(guò)去一個(gè)月內(nèi)的變化。它顯示度量指標(biāo)的變化方向，指明產(chǎn)品表現(xiàn)——變好、變差還是保持不變?

報(bào)告定位出問(wèn)題，然后通過(guò)嘗試回答“為什么XX會(huì)發(fā)生?”“為什么YY會(huì)改變?”這些問(wèn)題，我們可以?xún)?yōu)化和改進(jìn)產(chǎn)品。

數(shù)據(jù)分析與產(chǎn)品的關(guān)系

我們依據(jù)數(shù)據(jù)分析結(jié)果改進(jìn)產(chǎn)品。如果沒(méi)有數(shù)據(jù)分析，我們?nèi)菀酌つ扛淖儺a(chǎn)品，拍腦袋決策;如果沒(méi)有數(shù)據(jù)分析，我們也不能知道產(chǎn)品改變之后所產(chǎn)生的效果。在產(chǎn)品發(fā)展的過(guò)程中，我們需要不斷地進(jìn)行數(shù)據(jù)分析，以保證產(chǎn)品按照我們的期望發(fā)展。

為了保證產(chǎn)品處于領(lǐng)先狀態(tài)，產(chǎn)品經(jīng)理必須知道數(shù)據(jù)分析是什么以及數(shù)據(jù)分析的重要性。希望本文能對(duì)廣大產(chǎn)品經(jīng)理有所幫助。

本文原創(chuàng)首發(fā)于Cobub Razor官網(wǎng)博客，轉(zhuǎn)載請(qǐng)注明出處!

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！