1. 認識數(shù)據(jù)

數(shù)據(jù)的客觀性

數(shù)據(jù)是量化事物的手段
數(shù)據(jù)的對比是相對性的

面對數(shù)據(jù)

（感悟）真正優(yōu)秀的產(chǎn)品經(jīng)理娄周，既不是任由自己的感性思維天馬行空煤辨，也不是讓自己的理性思維控制自己，而是能夠控制自己的感性和理性众辨，在該發(fā)散的時候有巧妙的想法鹃彻，在該聚焦的時候有思辨的邏輯。

（感悟）在接觸數(shù)據(jù)的時候团赁，對數(shù)據(jù)思維的養(yǎng)成和運用泳挥，反復的練習以及對各種數(shù)據(jù)的閱歷會反過來讓產(chǎn)品經(jīng)理綜合的“智慧”更加飽滿

開始接觸數(shù)據(jù)

第一，學習如何提出數(shù)據(jù)統(tǒng)計需求
提出數(shù)據(jù)需求的過程剧浸，是一個“界定產(chǎn)品目的和目標矗钟，根據(jù)目標提出假設、預判產(chǎn)品效果”的過程躬它，要求對功能目標东涡、功能預期效果有完整且清晰的掌握

第二，學習如何解讀數(shù)據(jù)
對數(shù)據(jù)足夠敏感组贺，能夠敏銳的發(fā)現(xiàn)數(shù)據(jù)當中的隱含信息祖娘，并通過邏輯推理渐苏，進一步提出好的追問和假設，然后通過數(shù)據(jù)或其他手段來驗證琼富。

一個完整的數(shù)據(jù)需求包括

1. 功能設計方案
2. 功能目的和目標
3. 功能上線后需要跟蹤的數(shù)據(jù)指標鞠眉，及指標精確定義摄咆。

數(shù)據(jù)分析中的誤區(qū)

忽略沉默用戶

• 用戶迫切需要的需求 不等于 產(chǎn)品的核心需求
  你所聽到的需求人断，或許是少部分用戶迫切需要恶迈，而大部分用戶并不在乎

• 結(jié)論：沒有始終全盤的去考慮用戶需求，聽到用戶聲音的時候就做出了決策步做，而忽略了產(chǎn)品大部分目標用戶的核心需求

過分依賴數(shù)據(jù)

• 過分依賴數(shù)據(jù)：一方面會讓我們自己做很多沒有價值的數(shù)據(jù)分析奈附；另一方面也會限制產(chǎn)品經(jīng)理本來應有的靈感和創(chuàng)意。

• 很多優(yōu)秀甚至偉大的產(chǎn)品決策将鸵，并非通過數(shù)據(jù)發(fā)現(xiàn)的佑颇，而是一個PM綜合智慧的體現(xiàn)

• 產(chǎn)品經(jīng)理要有獨立思考和靈活判斷的智慧

產(chǎn)品數(shù)據(jù)誤區(qū)

• 誤判因果關(guān)系
• 警惕數(shù)據(jù)的表達技巧

大數(shù)據(jù)

• 三個要素：用全樣本數(shù)據(jù)挑胸、注重相關(guān)關(guān)系、全新的計算方法

• 采用全部數(shù)據(jù)：就是當通過數(shù)據(jù)分析一個問題時候簿透，涉及到所分析問題的所有數(shù)據(jù)都必須納入到計算范圍當中解藻，無論是常規(guī)合理數(shù)據(jù)，還是一些異常的樣本數(shù)據(jù)都必須包含蚂维。甚至傳統(tǒng)數(shù)據(jù)分析中可能都完全忽略的數(shù)據(jù)路狮，都需要包含在大數(shù)據(jù)分析中蔚约。

• 注重相關(guān)關(guān)系：即通過大數(shù)據(jù)分析苹祟，最終分析獲得并關(guān)注數(shù)據(jù)當中的相關(guān)關(guān)系评雌，并通過相關(guān)關(guān)系指導分析直焙、決策奔誓、預測，但對因果關(guān)系的探索厨喂，將不再是這種數(shù)據(jù)分析所關(guān)注的核心內(nèi)容蜕煌。

• 全新的計算方法：即大數(shù)據(jù)分析，其計算過程不再是傳統(tǒng)數(shù)據(jù)分析中贫母，必須精確統(tǒng)計傀广、不容許任何臟數(shù)據(jù)、錯誤數(shù)據(jù)的分析方法誓酒，而是包含了各類混雜數(shù)據(jù)的簡單相關(guān)性計算

2.獲取數(shù)據(jù)

網(wǎng)站數(shù)據(jù)指標

訪問量

什么是訪問贮聂？一次訪問就是指一個人來到網(wǎng)站吓懈，然后瀏覽了一些內(nèi)容之后離開網(wǎng)站的過程；這個過程也會被稱為會話隔嫡，也就是session甘穿。 訪問量定義：一段時間的訪問量就是這段時間的訪問次數(shù)。

訪客量

也稱為獨立訪客數(shù)（UV）秸滴，就是訪問網(wǎng)站的人數(shù)募判。 如何識別一個用戶咒唆？在網(wǎng)站分析系統(tǒng)中释液，會依據(jù)用戶的瀏覽器、設備型號等信息恨溜，為用戶分配一個編號找前，這個編號稱為Cookie躺盛。 訪客數(shù)就是訪問網(wǎng)站的cookie數(shù)。如果同一人換了瀏覽器或設備訪問網(wǎng)站槽惫，那么它的Cookie也就變化了界斜。

瀏覽量

PV，瀏覽頁面的數(shù)量

跳出率

常用的算法是網(wǎng)站的所有會話當中项贺，來到網(wǎng)站之后沒有任何動作就離開的比例峭判，等于只訪問了落地頁面的訪問量除以總訪問量

頁面停留時長

網(wǎng)站停留時長

退出率

• 退出率衡量從某個退出網(wǎng)站的比例林螃，它等于從一個頁面的退出次數(shù)除以訪問次數(shù)
• 頁面跳出率和退出率的區(qū)別？ 退出率是指無論從哪個頁面進入網(wǎng)站完残，最終從這個頁面退出的比例横漏； 跳出率是指從這個頁面進入網(wǎng)站，沒有做任何事铝宵，就從這個頁面退出的比例华畏。

轉(zhuǎn)化率

• 達成某種目標的訪問量除以總的訪問量亡笑，或達成目標的訪客數(shù)占總訪客的比例
• 采用訪問量還是訪客數(shù)作為分母？ 如果將訪問作為分母百拓，意味著將每次訪問都認為是下單或購買的機會晰甚； 如果將訪客數(shù)作為分母，則會認為一個訪客在購買之前蓖捶，多次訪問是正常的扁远。

移動應用類數(shù)據(jù)指標

用戶獲取

• 下載量
• 安裝激活量
  安裝并打開的設備數(shù)
• 激活率
  激活設備數(shù)/安裝設備數(shù)
• 新增用戶數(shù)
  新增用戶就是新增設備的數(shù)量
• 用戶獲取成本
  每獲取一個用戶需要的費用

用戶活躍與參與

• 日活躍用戶數(shù) 月活躍用戶數(shù)（數(shù)量指標）
  一段時間內(nèi)啟動過應用的設備數(shù)畅买，表明用戶規(guī)模。
• 質(zhì)量指標
  活躍系數(shù)——日活躍用戶數(shù)/月活躍用戶數(shù)
  平均使用時長
  功能使用率——使用某功能的用戶數(shù)占活躍用戶數(shù)的比例帝火。使用率越高表明功能越受歡迎

用戶留存

次日留存率湃缎、7日留存率雁歌、30日留存率
N日留存計算指：統(tǒng)計日期新增的用戶或活躍用戶，在第N天又來使用的比例比庄》ρ危可以參考行業(yè)值來對標自己應用的留存是否健康父能。

用戶轉(zhuǎn)化

付費用戶比例
付費用戶占總用戶的比例。建議將付費用戶和免費用戶區(qū)別對待溉委。

首次付費時間
用戶激活后多久才會開始付費。有助于把握掌握用戶的時間

用戶平均每月營收
等于一個月的收入除以月活躍用戶數(shù)

付費用戶平均每月營收
等于一個月的收入除以月付費用戶數(shù)

獲取收入
收入金額
付費人數(shù)

新功能的使用
使用率與繼續(xù)使用率
繼續(xù)使用率：本周使用過功能A的用戶坡慌，在下周繼續(xù)使用的人數(shù)比例：代表功能的受歡迎程度

移動應用分析工具

國外
FLURRY藻三、Google Analytics

國內(nèi)
友盟棵帽、TalkingData

Crash分析工具
crashlytics

電商類數(shù)據(jù)指標

銷售額

購買客戶數(shù)

購買了商品的人數(shù)，會按照賬號去重計算
老客戶——統(tǒng)計當天之前就購買過商品的客戶數(shù)
新客戶——統(tǒng)計當天首次購買商品的客戶數(shù)

客單價

每個客戶購買的金額抡四，銷售額/購買客戶數(shù)

• 客單價=人均購買件數(shù) * 件單價

• 人均購買件數(shù)是指每個客戶購買幾件商品仗谆，這個指標也經(jīng)常用來衡量關(guān)聯(lián)銷售的效果隶垮，也就是關(guān)聯(lián)銷售效果越好，人均購買件數(shù)就會越多

• 件單價是指商品的平均價格勉耀，等于銷售額 除以 銷售量蹋偏，這個指標用來衡量網(wǎng)站上的商品價格高低

購買轉(zhuǎn)化率

訪客中購買了商品的比例，購買客戶數(shù)/訪客數(shù)

重點商品缺貨率

爆款缺貨的比例

妥投及時率

妥投到客戶的訂單中枢纠，按照約定時間妥投的比例

訂單數(shù)

訂單數(shù)關(guān)系到支付壓力和倉庫發(fā)貨的任務量

詳情頁UV（IPV_UV）

訪問商品詳情頁的人數(shù)

UV

訪客數(shù)晋渺，來到網(wǎng)店的人數(shù)

銷售額

銷售額 = UV * 轉(zhuǎn)化率 * 客單價
UV * 轉(zhuǎn)化率（購買客戶數(shù)）
轉(zhuǎn)化率 * 客單價（訪問價值）

UGC類數(shù)據(jù)指標

• UGC產(chǎn)品特征
  目標：讓用戶產(chǎn)出內(nèi)容脓斩，包括-發(fā)表文章 -點贊 -訂閱 -評論 -其它行為（分享） 訪客——>產(chǎn)出內(nèi)容（參于度逐漸加深）

• 用戶參與度指標
  訪客數(shù)
  停留時長
  產(chǎn)出內(nèi)容

互聯(lián)網(wǎng)產(chǎn)品指標思路

1. 有多少訪客随静，訪客有什么特征
   訪客特征：訪客訪問的時間段、在哪些地域訪問恋捆、用什么設備以及用什么網(wǎng)絡

2. 訪客從哪些渠道獲取，效果怎么樣？
   基本思路：帶來多少新訪客星立、瀏覽深度怎么樣葬凳、是否留存下來了以及轉(zhuǎn)化率情況。
   web網(wǎng)站：新訪客占比（代表渠道拓展用戶的能力）劲装、跳出率昌简、瀏覽頁面數(shù)纯赎、以及轉(zhuǎn)化率。
   移動應用：新設備占比念恍、次日留存率以及轉(zhuǎn)化率

3. 訪客的參與深度如何晚顷？
   跳出率该默、瀏覽頁面數(shù)、轉(zhuǎn)化率

4. 這些訪客最終有沒有轉(zhuǎn)化顿膨，轉(zhuǎn)化漏斗是否順暢叽赊？
   任何有意義的動作都可以認為是轉(zhuǎn)化

用戶分析基本框架

Markdown

獲取指標的方式

• 分析日志
  程序員記錄日志—>分析師/產(chǎn)品經(jīng)理給出計算邏輯—>程序員計算指標—>Excel分析或報表

• 分析工具
  網(wǎng)站分析工具——自定義事件來分析功能使用率
  移動應用分析工具——利用轉(zhuǎn)化漏斗分析轉(zhuǎn)化流程和參與深度

網(wǎng)站分析工具

免費的網(wǎng)站排名工具：Alexa必指、中國網(wǎng)站排名、網(wǎng)絡媒體排名
免費的網(wǎng)站監(jiān)測工具：Google Analytics梅割、百度統(tǒng)計、CNZZ網(wǎng)站分析

分析數(shù)據(jù)

數(shù)據(jù)分析更多的是基于業(yè)務背景來解讀數(shù)據(jù)泌类、把隱藏的數(shù)據(jù)背后信息提煉和總結(jié)出來刃榨，發(fā)現(xiàn)有價值的內(nèi)容

基本分析方法

• 對比分析
  橫向?qū)Ρ?br> 縱向?qū)Ρ?/p>

• 交叉分析法
  對數(shù)據(jù)在不同維度進行交叉展現(xiàn)双仍，進行多角度的結(jié)合分析
  交叉分析的主要作用就是從多個維度細分數(shù)據(jù)，從中發(fā)現(xiàn)最為相關(guān)的維度來探索數(shù)據(jù)變化的原因

數(shù)據(jù)分析框架

• 數(shù)據(jù)分析框架：像是分析思路朱沃，在面對產(chǎn)品問題時逗物，告訴我們?nèi)绾稳ラ_展數(shù)據(jù)分析的工作

• 作用：數(shù)據(jù)分析框架可以幫助我們把較為抽象的問題具體化，基于業(yè)務特征和數(shù)據(jù)指標來構(gòu)建相關(guān)的分析體系秀睛，保證分析結(jié)果的準確性莲祸、可靠性锐帜、和針對性。

• 常見的分析框架：PEST分析框架允瞧、5W2H分析框架蛮拔、SWOT分析建炫、SMART分析、4P理論

• 常見的分析框架：PEST分析框架艺配、5W2H分析框架、SWOT分析皮钠、SMART分析赠法、4P理論

• AARRR分析框架
  AARRR模型：用來分析新公司和新產(chǎn)品的可行性砖织，提出贏得客戶的需要經(jīng)歷的五個階段
  獲取（Acquisition）：曝光數(shù)喳坠、點擊數(shù)茂蚓、打開率聋涨、下載量负乡、安裝量抖棘、用戶獲取成本
  激活（Activation）：設備激活量、新注冊用戶數(shù)最岗、訂閱數(shù)量朝捆、事件達成數(shù)芙盘、瀏覽數(shù)、日活躍率
  留存（Retention）：次日留存率蝴乔、7日留存率驮樊、距離上次使用時長、DAU/MAU（日活躍/月活躍）钠怯、7日回訪率
  收入（Revenue）：付費率曙聂、付費頻次、客單價断国、用戶價值
  推薦（Refer）：轉(zhuǎn)發(fā)數(shù)稳衬、邀請數(shù)坐漏、評論數(shù)、k因子

邏輯分層拆解

• 邏輯拆解
  邏輯街夭，即尋找跟核心指標有邏輯關(guān)系的相關(guān)指標
  找到的指標一定是能夠影響核心指標變動板丽，他們之間對應要存在強烈的邏輯關(guān)聯(lián)趁尼，選用這些相關(guān)指標之前酥泞，我們必須清楚的了解他們是如何影響核心指標的砚殿。

• 分層拆解
  第一層：直接解釋核心指標變動的大方向
  第二層：針對這個大方向的細分，從而能夠?qū)栴}定位的更加準確和可操作性
  原則：同一層里面的各個相關(guān)指標都是代表了一個尋找的方向婶博，所以他們之間不能有相關(guān)性瓮具。

漏斗分析

利用數(shù)據(jù)

數(shù)據(jù)應用的場景

一般互聯(lián)網(wǎng)公司產(chǎn)品開發(fā)流程：需求分析—>產(chǎn)品設計—>開發(fā)測試—>產(chǎn)品上線—>迭代升級—>需求分析

• 需求來源：用戶層面：普通用戶、產(chǎn)品經(jīng)理自身凡人，公司層面：高層想法名党、戰(zhàn)略目標
  來自用戶層面的需求——>數(shù)據(jù)去偽存真
  來自公司層面的需求——>驗證并提供證據(jù)；tips：面對某些高層需求挠轴，從數(shù)據(jù)入手传睹，驗證觀點，并提供合理化建議 正確的態(tài)度很重要
  退出率：訪問了某個頁面即離開網(wǎng)站的訪問次數(shù)占頁面總訪問次數(shù)的比例

• 產(chǎn)品設計階段：設計前——>設計中——>設計后
  設計前：通過數(shù)據(jù)分析發(fā)現(xiàn)問題
  設計中：輔助決策欧啤，判斷思路睛藻；小tips：A/B test
  設計后：數(shù)據(jù)驗證方案；1邢隧、未達到目標通過數(shù)據(jù)對比預期找原因 2店印、達成目標總結(jié)經(jīng)驗教訓，提升團隊成就感

數(shù)據(jù)驅(qū)動產(chǎn)品的方法

• 數(shù)據(jù)驅(qū)動產(chǎn)品閉環(huán)：發(fā)現(xiàn)問題——>確定目標——>產(chǎn)品設計——>開發(fā)測試——>產(chǎn)品上線——>數(shù)據(jù)驗證——>發(fā)現(xiàn)問題
• 導出率：下級頁面的瀏覽量/本級頁面的瀏覽量

培養(yǎng)數(shù)據(jù)分析能力

• 求知欲倒慧、好奇心
• 基礎層面
  核心基礎概念：PV按摘、UV、跳出率纫谅、轉(zhuǎn)化率炫贤、訪問數(shù)、點擊數(shù)等
  基礎統(tǒng)計原理：cookie付秕、訪問請求兰珍、日志等
• 推薦網(wǎng)站
  網(wǎng)站分析在中國、藍鯨的網(wǎng)站分析筆記
• 推薦書籍
  流量的秘密询吴、精通web Analytics 2.0
• 培養(yǎng)數(shù)據(jù)分析實戰(zhàn)
  數(shù)據(jù)驅(qū)動產(chǎn)品的思維方式
  對業(yè)務足夠了解
  重視數(shù)據(jù)掠河，保持敏感：關(guān)注數(shù)據(jù)、活用數(shù)據(jù)