產(chǎn)品經(jīng)理的概念在不斷泛化。近些年來竖螃，隨著互聯(lián)網(wǎng)行業(yè)的發(fā)展淑廊，越來越多的企業(yè)意識(shí)到了大數(shù)據(jù)和精細(xì)化運(yùn)營的重要性，為了更好地挖掘數(shù)據(jù)的價(jià)值特咆，指導(dǎo)業(yè)務(wù)的優(yōu)化和發(fā)展季惩，數(shù)據(jù)產(chǎn)品經(jīng)理應(yīng)運(yùn)而生，他們基于數(shù)據(jù)分析方法發(fā)現(xiàn)問題腻格，并提煉關(guān)鍵要素画拾，設(shè)計(jì)產(chǎn)品來實(shí)現(xiàn)商業(yè)價(jià)值。

雖為產(chǎn)品經(jīng)理菜职，但要真正解決核心問題青抛，不免要在前期和中期進(jìn)行大量的數(shù)據(jù)分析工作，那么酬核，實(shí)用的數(shù)據(jù)分析方法有哪些呢蜜另？

一适室、業(yè)務(wù)分析類

1.1?杜邦分析法

杜邦分析法目前主要用于財(cái)務(wù)領(lǐng)域，通過財(cái)務(wù)比率的關(guān)系來分析財(cái)務(wù)狀況蚕钦，其核心要點(diǎn)是將一個(gè)大的問題拆分為更小粒度的指標(biāo)亭病，以此了解問題出在了哪兒，從而對(duì)癥下藥嘶居。

以電商行業(yè)為例罪帖，GMV（網(wǎng)站成交金額）是考核業(yè)績最直觀的指標(biāo)，當(dāng)GMV同比或環(huán)比出現(xiàn)下滑時(shí)候邮屁，需要找到影響GMV的因素并逐一拆解整袁。

GMV下降如果是因下單用戶減少所造成的，那么是訪客數(shù)（流量）減少了佑吝，還是轉(zhuǎn)化率下降了呢坐昙？如果是訪客數(shù)減少了，那是因?yàn)樽匀涣髁繙p少了芋忿，還是因?yàn)闋I銷流量不足炸客？

如果是自然流量下降的話，可能需要在用戶運(yùn)營和產(chǎn)品運(yùn)營端發(fā)力戈钢，如果是營銷流量不足痹仙，那么可以通過營銷活動(dòng)或者站外引流的形式增加曝光量。

同樣殉了，如果是轉(zhuǎn)化率的問題开仰，那么需要對(duì)用戶進(jìn)行細(xì)分，針對(duì)不同階段的用戶采取不同的運(yùn)營策略薪铜，關(guān)于用戶的部分众弓，這里不做贅述，有興趣的朋友可以關(guān)注后面的文章隔箍。

最后谓娃，如果是因?yàn)榭蛦蝺r(jià)不高，那么需要進(jìn)行定價(jià)及促銷的方案優(yōu)化蜒滩，比如識(shí)別具有GMV提升潛力的商品進(jìn)行定價(jià)優(yōu)化滨达，評(píng)估當(dāng)前促銷的ROI，針對(duì)選品帮掉、力度和促銷形式進(jìn)行優(yōu)化。同時(shí)通過關(guān)聯(lián)商品的推薦或商品套裝促銷的形式窒典，激發(fā)用戶購買多件商品蟆炊，也可以有效提高客單價(jià)。

1.2?同比熱力圖分析法

同比熱力圖分析法這個(gè)名稱是我自己造的瀑志，其實(shí)無非是把各個(gè)業(yè)務(wù)線的同比數(shù)據(jù)放到一起進(jìn)行比較涩搓，這樣能更為直觀地了解各個(gè)業(yè)務(wù)的狀況污秆。

構(gòu)建一張同比熱力圖大致需要三步：

按照杜邦分析法將核心問題進(jìn)行拆解，這里仍以電商為例昧甘，我們將GMV拆成了流量良拼、轉(zhuǎn)化率、商品均價(jià)和人均購買量充边，即GMV=流量*轉(zhuǎn)化率*商品均價(jià)*人均購買量庸推；

計(jì)算每個(gè)業(yè)務(wù)各項(xiàng)指標(biāo)的同比數(shù)據(jù)；

針對(duì)每一項(xiàng)指標(biāo)浇冰，對(duì)比各業(yè)務(wù)的同比高低并設(shè)定顏色漸變的條件格式贬媒，以上圖中的轉(zhuǎn)化率同比為例，業(yè)務(wù)5轉(zhuǎn)化率同比最高肘习，為深橙底色际乘，業(yè)務(wù)3轉(zhuǎn)化率同比最低且為負(fù)值，因此設(shè)定為藍(lán)色底色加紅色字體漂佩。

通過同比熱力圖的分析脖含，首先，可以通過縱向?qū)Ρ攘私鈽I(yè)務(wù)自身的同比趨勢投蝉，其次养葵，可以通過橫向?qū)Ρ攘私庾陨碓谕悩I(yè)務(wù)中的位置，此外墓拜，還可以綜合分析GMV等核心指標(biāo)變動(dòng)的原因港柜。

除了電商業(yè)務(wù)的分析以外，同比熱力圖同樣適用于互聯(lián)網(wǎng)產(chǎn)品數(shù)據(jù)指標(biāo)的監(jiān)控及分析咳榜，該分析方法的關(guān)鍵點(diǎn)在于拆解核心指標(biāo)夏醉，在本文后面的產(chǎn)品運(yùn)營類方法中將會(huì)介紹相關(guān)指標(biāo)的拆解方法。

1.3?類BCG矩陣

BCG矩陣大家都非常熟悉了涌韩，以市場占有率和增長率為軸畔柔，將坐標(biāo)系劃分為四個(gè)象限，用于判斷各項(xiàng)業(yè)務(wù)所處的位置臣樱。

這里想講的并非傳統(tǒng)的BCG矩陣靶擦，而是BCG矩陣的變陣，或者叫類BCG矩陣雇毫。

根據(jù)不同的業(yè)務(wù)場景和業(yè)務(wù)需求玄捕，我們可以將任意兩個(gè)指標(biāo)作為坐標(biāo)軸，從而把各類業(yè)務(wù)或者用戶劃分為不同的類型棚放。

比如可以以品牌GMV增長率和占有率構(gòu)建坐標(biāo)系枚粘，來分析各品牌的狀況，從而幫助業(yè)務(wù)方了解到哪些品牌是未來的明星品牌飘蚯，可以重點(diǎn)發(fā)力馍迄，哪些品牌處于弱勢且增長匱乏福也，需要優(yōu)化品牌內(nèi)的產(chǎn)品布局。

除此之外攀圈，我們還可以根據(jù)以下場景構(gòu)建類BCG矩陣：

分析商品引流能力和轉(zhuǎn)化率：流量份額-轉(zhuǎn)化率

分析商品對(duì)毛利/GMV的貢獻(xiàn)：毛利率-銷售額

基于RFM分析用戶的價(jià)值：訪問頻率-消費(fèi)金額

按照上述方法暴凑，大家可以根據(jù)需求大開腦洞，按照一定標(biāo)準(zhǔn)對(duì)研究對(duì)象進(jìn)行分類分析赘来。

二现喳、用戶分析類

2.1 TGI指數(shù)

在分析用戶時(shí)，通常的做法是將目標(biāo)用戶進(jìn)行分類撕捍，然后對(duì)比各類用戶與總體之間的差異性拿穴，TGI指數(shù)提供了一個(gè)很好的方法，來反映各類用戶群體在特定研究范圍(如地理區(qū)域忧风、人口統(tǒng)計(jì)默色、媒體偏好等)內(nèi)的強(qiáng)勢或弱勢。

TGI指數(shù)=用戶分類中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例*100

比如在分析用戶的年齡段時(shí)狮腿，可以通過TGI指數(shù)對(duì)比各用戶分類與總體在各年齡段的差異腿宰，設(shè)用戶分類1中16-25歲的用戶占比為4%，而總體中16-25歲的用戶占比為8.3%缘厢，那么用戶分類1在16-25歲用戶中的TGI指數(shù)為4%/8.3%*100=48吃度。依照這一方法，我們可以對(duì)各類用戶在各年齡段的TGI指數(shù)進(jìn)行對(duì)比贴硫。

如上圖所示椿每，各類目標(biāo)用戶在16-25歲這個(gè)年齡段的占比都比總體小（TGI指數(shù)<100）英遭，其中分類1的用戶年齡偏大间护，因?yàn)樵擃愑脩粼?6歲以上各個(gè)年齡段的TGI指數(shù)都明顯高于100，且同時(shí)高于其他三類用戶挖诸。

當(dāng)前在互聯(lián)網(wǎng)領(lǐng)域汁尺，除了用戶實(shí)名數(shù)據(jù)以外，其他用戶的畫像維度一般都通過建立模型進(jìn)行判斷多律，因此無法完全保證準(zhǔn)確性痴突，但不同于小樣本調(diào)研，大數(shù)據(jù)分析是能容忍一定數(shù)據(jù)誤差的狼荞，不過辽装，這一切都要建立在對(duì)比的基礎(chǔ)上。

所以相味，在分析用戶畫像時(shí)拾积，需要根據(jù)場景進(jìn)行用戶分類，并對(duì)比各類用戶與總體間的差異，這樣才能保證分析結(jié)果的可信性和適用性殷勘，而TGI指數(shù)就是很好的對(duì)比指標(biāo)。

2.2 LRFMC模型

RFM模型是客戶關(guān)系管理中最常用的模型昔搂，但這一模型還不夠完善玲销，比如對(duì)于M(Money)，即消費(fèi)金額相等的兩個(gè)用戶而言摘符，一個(gè)是注冊(cè)兩年的老用戶贤斜，一個(gè)是剛注冊(cè)的新用戶。對(duì)于企業(yè)來說逛裤，這兩個(gè)用戶的類型和價(jià)值就完全不同瘩绒，因此我們需要更全面的模型。

LRFMC模型提供了一個(gè)更完整的視角带族，能更全面地了解一個(gè)用戶的特征锁荔，LRFMC各個(gè)維度的釋義如下：

L(lifetime)：代表從用戶第一次消費(fèi)算起, 至今的時(shí)間，代表了與用戶建立關(guān)系的時(shí)間長度蝙砌，也反映了用戶可能的活躍總時(shí)間阳堕。

R(Recency)：代表用戶最近一次消費(fèi)至今的時(shí)間長度，反映了用戶當(dāng)前的活躍狀態(tài)择克。

F(Frequency)：代表用戶在一定時(shí)間內(nèi)的消費(fèi)頻率恬总，反映了用戶的忠誠度。

M(Monetary)：代表用戶在一定時(shí)間內(nèi)的消費(fèi)金額肚邢，反映了用戶的購買能力壹堰。

C(CostRatio)：代表用戶在一定時(shí)間內(nèi)消費(fèi)的折扣系數(shù)，反映了用戶對(duì)促銷的偏好性骡湖。

以去哪兒的業(yè)務(wù)為例贱纠，通過LRFMC模型可以綜合分析用戶的習(xí)慣偏好和當(dāng)前狀態(tài)，從而指導(dǎo)精準(zhǔn)營銷方案的實(shí)施勺鸦。

L(lifetime)：用戶來多久了并巍？

R(Recency) ：用戶最近是否有消費(fèi)，如果來了很長時(shí)間都未消費(fèi)换途，是否需要進(jìn)行喚醒懊渡？

F(Frequency) ：用戶出行的頻率如何，如果是固定周期出行军拟，是否應(yīng)該進(jìn)行復(fù)購提醒剃执？

M(Monetary) ：用戶的消費(fèi)金額是多少，是單價(jià)高（購買頭等艙）懈息，還是頻次高肾档？

C(CostRatio)：用戶對(duì)折扣的偏好如何，是為用戶增加權(quán)益還是降價(jià)促銷？

三怒见、產(chǎn)品運(yùn)營類

產(chǎn)品運(yùn)營是一個(gè)長期的過程俗慈，需要定期對(duì)產(chǎn)品的使用數(shù)據(jù)進(jìn)行監(jiān)控，以便發(fā)現(xiàn)問題遣耍，從而確定運(yùn)營的方向闺阱，同時(shí)也可以用于評(píng)估運(yùn)營的效果。

產(chǎn)品運(yùn)營的常用指標(biāo)如下：

使用廣度：總用戶數(shù)舵变，月活酣溃；

使用深度：每人每天平均瀏覽次數(shù)，平均訪問時(shí)長纪隙；

使用粘性：人均使用天數(shù)赊豌；

綜合指標(biāo)：月訪問時(shí)長=月活*人均使用天數(shù)*每人每天平均瀏覽次數(shù)*平均訪問時(shí)長。

產(chǎn)品所處階段不同绵咱，運(yùn)營的側(cè)重點(diǎn)也會(huì)有所不同碘饼。在產(chǎn)品初期，核心的工作是拉新悲伶，應(yīng)該更加關(guān)注產(chǎn)品的使用廣度派昧，而產(chǎn)品的中后期，應(yīng)該更加注重使用深度和使用粘性的提升拢切。

對(duì)于不同的產(chǎn)品也需根據(jù)產(chǎn)品的性質(zhì)來確定核心指標(biāo)蒂萎，比如，對(duì)于社交類產(chǎn)品淮椰，使用廣度和使用粘性至關(guān)重要五慈，而對(duì)于一些中臺(tái)分析類產(chǎn)品，提升使用深度和使用粘性更有意義主穗。

四泻拦、結(jié)語

在一款數(shù)據(jù)產(chǎn)品誕生前，應(yīng)該是先有數(shù)據(jù)忽媒，再有分析争拐，然后才是產(chǎn)品，分析的廣度和深度直接決定了產(chǎn)品的定位和價(jià)值晦雨。

如果是做一款數(shù)據(jù)報(bào)表類的產(chǎn)品架曹，那么需要了解核心指標(biāo)，并建立綜合指標(biāo)的評(píng)估體系闹瞧。如果是做一款分析決策類產(chǎn)品绑雄，那么還需要基于業(yè)務(wù)需求，將現(xiàn)有數(shù)據(jù)指標(biāo)進(jìn)行解構(gòu)再重構(gòu)奥邮。

以上內(nèi)容僅僅是提供了一些基礎(chǔ)工具和思考方向万牺，數(shù)據(jù)產(chǎn)品經(jīng)理是一個(gè)新興的分支罗珍，目前還沒有成熟的學(xué)習(xí)體系，未來還需繼續(xù)深入淺出脚粟，和大家共同成長覆旱。

作者：Mr.墨嘰，公眾號(hào)：墨嘰說數(shù)據(jù)產(chǎn)品