大家好蔓涧，我是天王寺一哥件已，目前在北京做產(chǎn)品經(jīng)理。

產(chǎn)品經(jīng)理日常工作中元暴，分析數(shù)據(jù)已經(jīng)必不可少篷扩。利用分析結(jié)果來(lái)做產(chǎn)品的決策，復(fù)盤茉盏，成為了產(chǎn)品經(jīng)理必備技能鉴未。

最近我系統(tǒng)性的學(xué)習(xí)了產(chǎn)品經(jīng)理數(shù)據(jù)分析課程，覺得其中“9種數(shù)據(jù)分析方法”非常實(shí)用鸠姨，現(xiàn)總結(jié)下來(lái)歼狼，并結(jié)合自己的理解做一個(gè)匯總。

這“9種數(shù)據(jù)分析方法”為：

1享怀、對(duì)比分析

2羽峰、多維度拆解

3、漏斗觀察

4添瓷、分布情況

5梅屉、用戶留存

6、用戶畫像

7鳞贷、歸因查找

8坯汤、路徑挖掘

9、行為序列

1搀愧、對(duì)比分析

下面按照“比什么”惰聂、“和誰(shuí)比”來(lái)說(shuō)明：

1.1比什么：

日辰ィ看到的數(shù)據(jù)數(shù)值通常有兩種類型：

1）絕對(duì)值：數(shù)據(jù)本身具備參考價(jià)值，例如電商銷售金額搓幌、文章閱讀數(shù)

2）比例值：需要看比例值才能獲得相關(guān)價(jià)值的數(shù)據(jù)杆故，例如留存率、活躍占比等數(shù)據(jù)

所以對(duì)比分析主要是分析比例值溉愁。往往我們有兩種比較方式：

1）同比：指當(dāng)前時(shí)間范圍某個(gè)位置的數(shù)值與上一個(gè)時(shí)間范圍的相同位置的數(shù)據(jù)對(duì)比处铛，英文是：Same period last year/month/day。例如5月第一周同比4月第一周拐揭。

2）環(huán)比：指當(dāng)前時(shí)間范圍的數(shù)值對(duì)比相鄰的上一個(gè)時(shí)間范圍撤蟆，例如5月銷售總額環(huán)比上漲20%，指5月銷售總比對(duì)比4月銷售總額上漲了20%

1.2和誰(shuí)比：

1）和自己比

日常工作中堂污，大部分對(duì)比分析都是當(dāng)前數(shù)據(jù)與往期數(shù)據(jù)對(duì)比家肯。可以從不同的角度進(jìn)行對(duì)比盟猖，例如時(shí)間維度息楔、渠道維度、業(yè)務(wù)線維度等扒披。

2）和行業(yè)比

在做數(shù)據(jù)分析時(shí)值依，需要全盤考慮行業(yè)整體趨勢(shì)。例如公司為在線教育行業(yè)碟案，今年用戶增長(zhǎng)較快愿险，團(tuán)隊(duì)認(rèn)為是運(yùn)營(yíng)的作用〖鬯担可如果對(duì)比一下行業(yè)數(shù)據(jù)辆亏，增長(zhǎng)可能低于行業(yè)平均，增長(zhǎng)是因?yàn)橐咔樵驅(qū)е碌淖匀辉鲩L(zhǎng)鳖目，這時(shí)候就需要調(diào)整運(yùn)營(yíng)策略了扮叨。

2、多維度拆解

我們?cè)诜治鰯?shù)據(jù)的時(shí)候领迈，會(huì)力求從有限的數(shù)據(jù)中挖掘出最大的價(jià)值彻磁，獲取到更多的隱藏信息。這時(shí)候就需要從多個(gè)維度去拆解問(wèn)題狸捅。

1）對(duì)單一指標(biāo)進(jìn)行多維度拆解

以一個(gè)實(shí)際的案例來(lái)說(shuō)明：

小明公司產(chǎn)品為一個(gè)象棋平臺(tái)衷蜓，平臺(tái)內(nèi)有象棋資訊、象棋視頻尘喝、提升課程磁浇，問(wèn)答社區(qū)等。平臺(tái)內(nèi)金幣為虛擬流通貨幣朽褪。憑此金幣可以查看付費(fèi)資訊置吓、付費(fèi)視頻无虚、打賞等。現(xiàn)老板要求獲知金幣的消耗量這一個(gè)數(shù)據(jù)指標(biāo)衍锚。

小明接到任務(wù)后友题，將金幣的消耗量按照實(shí)際的業(yè)務(wù)場(chǎng)景，進(jìn)行多維度拆解构拳，梳理了以下維度：

a.時(shí)間。6月初平臺(tái)進(jìn)行了重大更新梁棠，玩兒更多樣置森，所以此次數(shù)據(jù)分析只統(tǒng)計(jì)6月份以后的，并以周為單位進(jìn)行統(tǒng)計(jì)符糊。

b.金幣消耗基本數(shù)據(jù)：消耗總量凫海、總消費(fèi)人數(shù)、消費(fèi)次數(shù)男娄、充值次數(shù)等

c.金幣的消費(fèi)場(chǎng)景：將所有消費(fèi)場(chǎng)景進(jìn)行分析行贪，期望將消費(fèi)場(chǎng)景按照金幣量進(jìn)行排序，并將具體消費(fèi)內(nèi)容羅列模闲，挖掘信息建瘫。

d.金幣的消費(fèi)人群：搞清楚是消費(fèi)者的畫像，分析消費(fèi)人群特征

通過(guò)將一個(gè)單一指標(biāo)尸折，多維度的進(jìn)行分析啰脚，是比較常見的分析方法

2）對(duì)流程進(jìn)行多維度拆解

此分析方法適合于“用戶達(dá)成某個(gè)目標(biāo)有清晰的使用路徑”。例如分析某個(gè)課程的購(gòu)買率实夹。用戶是否購(gòu)買往往與之前的步驟緊密相關(guān)橄浓，如登錄——首頁(yè)點(diǎn)擊廣告——試看——提交訂單——支付成功。

此案例單獨(dú)看購(gòu)買率高或低沒有意義亮航，必須對(duì)整個(gè)流程進(jìn)行多維度拆解荸实，找到里面的關(guān)鍵時(shí)刻予以改善。

3缴淋、漏斗觀察

漏斗准给，適合于觀察有明確使用流程的數(shù)據(jù)。漏斗是一連串前面影響后面的用戶行為重抖，層層相扣圆存。

例如某象棋APP的課程購(gòu)買，最終支付是最后一層漏斗仇哆，則其漏斗路徑為：

用戶注冊(cè)——查看推薦內(nèi)容——點(diǎn)擊課程——試看——提交訂單——支付沦辙。其中用戶是否注冊(cè)登錄決定了是否能正常查看推薦內(nèi)容，用戶查看推薦內(nèi)容的數(shù)據(jù)影響了點(diǎn)擊課程鏈接的數(shù)據(jù)等等讹剔。

我們?nèi)粘Ｊ褂寐┒酚^察油讯，需注意漏斗的三個(gè)誤區(qū)：

1）漏斗要選擇時(shí)間窗口

漏斗上一個(gè)流程對(duì)下一個(gè)流程起作用详民，所以漏斗的流程需要確定合理的時(shí)間。例如上面象棋APP的支付漏斗陌兑，用戶的決策時(shí)間通常為當(dāng)天沈跨，但如買房決策周期可能持續(xù)數(shù)月。

2）漏斗需要遵循嚴(yán)格的順序

漏斗如:A—B—C—D—E兔综。在觀察時(shí)候饿凛，不能直接A—C—E。這樣觀察每一層的轉(zhuǎn)化率得出的相應(yīng)結(jié)論是不準(zhǔn)確的软驰。

3）同一個(gè)目標(biāo)可能有多個(gè)漏斗路徑

有時(shí)候如果發(fā)現(xiàn)最終調(diào)查的數(shù)據(jù)有錯(cuò)誤涧窒，則需要確定，是否在統(tǒng)計(jì)一個(gè)目標(biāo)的數(shù)據(jù)時(shí)锭亏，遺漏了其他漏斗路徑

4纠吴、分布情況

一個(gè)事件不僅僅只有累計(jì)數(shù)據(jù)這個(gè)指標(biāo)，還可以從該事件在不同維度上的分布情況具體分析慧瘤。

例如分析用戶總量戴已，可以研究用戶總量分布在不同性別，不同年齡和省份的情況锅减。又例如分析某個(gè)頁(yè)面的用戶瀏覽數(shù)據(jù)糖儡，可以將總瀏覽量分布在不同時(shí)間、不同流量次數(shù)上進(jìn)行研究怔匣。

如圖：

5休玩、留存分析

在進(jìn)行留存分析之前，需要搞明白留存的定義劫狠，不同的公司對(duì)留存有不同的計(jì)算方法拴疤。

7日留存的兩種算法：

1）留存算法1=（第七天/第一天）*100%

2）留存算法2=（第二天至第七天所有用戶相加去重）/第一天*100%

具體應(yīng)該采用哪種計(jì)算方法，需要看我們計(jì)算留存的目的独泞。例如：

1）對(duì)比不同渠道來(lái)的用戶的質(zhì)量采用算法1呐矾。因?yàn)樗星蓝疾捎玫谝蝗蘸偷谄呷盏臄?shù)據(jù)，忽略的信息都是一致的懦砂，故可以公平比較

2）若分析一款教人做菜的APP蜒犯，此APP用戶主要在周末打開。則宜采用算法2荞膘。這樣更能真實(shí)的反映留存情況罚随。

還需要注意的是，有些有些公司會(huì)將第一天稱為第0天羽资。這樣做的好處是淘菩，在計(jì)算7日留存的時(shí)候可以比較對(duì)比的是同一個(gè)“星期幾”。

根據(jù)具體業(yè)務(wù)場(chǎng)景，分析留存需要選擇不同的時(shí)間跨度潮改，如:

1）了解某一個(gè)渠道的質(zhì)量宜采用日留存（如7日留存）狭郑。

2）觀察整個(gè)大盤的數(shù)據(jù)宜采用周留存和月留存，較為宏觀的觀察用戶在平臺(tái)上的粘性

6汇在、用戶畫像分析

我們長(zhǎng)說(shuō)的用戶畫像分成兩種：

1）用戶的詳細(xì)標(biāo)簽翰萨。如身份、年齡糕殉、婚姻亩鬼、身高體重等。通過(guò)對(duì)用戶各類特征進(jìn)行標(biāo)識(shí)阿蝶，給用戶貼上各類標(biāo)簽雳锋，通過(guò)標(biāo)簽將用戶進(jìn)行組合分類，以便對(duì)不同的群體進(jìn)行精細(xì)的產(chǎn)品/運(yùn)營(yíng)動(dòng)作赡磅。

2）根據(jù)用戶訪談等手段建立的極具代表性的虛擬用戶魄缚，在產(chǎn)品規(guī)劃時(shí)，使用虛擬用戶，能快速讓團(tuán)隊(duì)達(dá)成共識(shí)枫振。

用戶標(biāo)簽種類繁多到踏，大致可以分成四大類：

1）基礎(chǔ)屬性：年齡、性別村砂、生日、星座、教育袒餐、身高、收入谤狡、職業(yè)等

2）社會(huì)屬性：婚姻關(guān)系灸眼、有無(wú)小孩、性取向等

3）行為特征：注冊(cè)時(shí)間墓懂、注冊(cè)渠道焰宣、是否買過(guò)某個(gè)商品、是否關(guān)注過(guò)某個(gè)問(wèn)題等

4）業(yè)務(wù)相關(guān)：如健身APP關(guān)心用戶睡眠質(zhì)量捕仔、體脂率匕积、高矮胖瘦等

面對(duì)如此繁多的標(biāo)簽，該如何獲取呢榜跌，通常有兩種方式可以獲得：

1）直接獲取

我們常見的某些產(chǎn)品闪唆，注冊(cè)時(shí)必須要完善填寫相關(guān)信息

2）通過(guò)用戶行為推導(dǎo)分析得到

如通過(guò)用戶的手機(jī)機(jī)型推導(dǎo)其消費(fèi)能力，通過(guò)購(gòu)買的產(chǎn)品推導(dǎo)其性別钓葫、通過(guò)其關(guān)注的話題推導(dǎo)其興趣等悄蕾。

7、歸因查找

在實(shí)際工作中础浮，一些明確的業(yè)務(wù)目標(biāo)往往要進(jìn)行歸因笼吟，找到目標(biāo)達(dá)成的關(guān)鍵因素库物，將有限的資源投入到關(guān)鍵因素中。

按照不同的業(yè)務(wù)場(chǎng)景贷帮，大致有三種歸因方法：

1）末次歸因

此方法適用于轉(zhuǎn)化路徑短戚揭，且事件之間關(guān)聯(lián)性強(qiáng)的場(chǎng)景。此類場(chǎng)景需要重點(diǎn)關(guān)注達(dá)到目標(biāo)前一步撵枢。

如下直播打賞案例民晒，關(guān)注目標(biāo)為充值：

對(duì)案例分析得知，私信主播后進(jìn)行充值的路徑占比較大锄禽，故應(yīng)盡快提升私信體驗(yàn)潜必。

2）遞減歸因

此方法適用于轉(zhuǎn)化路徑長(zhǎng)，轉(zhuǎn)化鏈條上各個(gè)事件差異不大沃但，沒有完全占據(jù)主導(dǎo)的事件磁滚。

3）首次歸因

此方法適用于強(qiáng)流量依賴的業(yè)務(wù)場(chǎng)景，用戶進(jìn)入環(huán)節(jié)比后續(xù)所有事都重要宵晚。例如借貸產(chǎn)品垂攘。

8、路徑挖掘

在漏斗分析中淤刃，往往整個(gè)流程已經(jīng)十分清晰晒他。但是在實(shí)際業(yè)務(wù)場(chǎng)景中，我們不太清除用戶的使用流程或者流程較為復(fù)雜逸贾、隨機(jī)陨仅，沒有很強(qiáng)的順序。這時(shí)候就比較適合于應(yīng)用路徑挖掘铝侵。

具體方法為找到所有流程里面的事件灼伤，設(shè)置流程的流入與流出頁(yè)面，將所有的事件放在這個(gè)流里咪鲜，用數(shù)據(jù)工具進(jìn)行分析狐赡。

在進(jìn)行分析之前，要搞清楚分析的目的嗜诀，一般適用于以下兩種場(chǎng)景：

1）有明確的起始場(chǎng)景猾警。希望分析數(shù)據(jù)，觀察這個(gè)場(chǎng)景之后到底發(fā)生了什么

1）有明確的結(jié)果目標(biāo)隆敢。希望分析數(shù)據(jù)觀察來(lái)的用戶是怎樣一步一步達(dá)到目標(biāo)的

通過(guò)路徑挖掘发皿，可以找到我們關(guān)注的關(guān)鍵路徑。只有找出關(guān)鍵路徑上面的關(guān)鍵行為拂蝎，才能打造良好體驗(yàn)穴墅。

9、行為序列

路徑挖掘是挖掘大量用戶的行為路徑，但有時(shí)候我們比較關(guān)注個(gè)體行為玄货，希望了解此個(gè)體在使用產(chǎn)品時(shí)的完整事件時(shí)間線皇钞。如下圖：

挖掘單個(gè)用戶的行為序列通常適用于以下兩個(gè)場(chǎng)景：

1）尋找被數(shù)據(jù)統(tǒng)計(jì)掩蓋掉的信息，還原用戶具體的使用場(chǎng)景

2）找到個(gè)體的行為特征松捉，找到產(chǎn)品價(jià)值提升的機(jī)會(huì)點(diǎn)

案例：

象棋在線平臺(tái)推出新功能夹界，邀請(qǐng)象棋高手入駐，在線教課隘世。功能推出3天可柿，共1萬(wàn)名用戶使用體驗(yàn)了該功能。現(xiàn)需要給2名銷售分配任務(wù)丙者，電話聯(lián)系有意向的老師复斥。

現(xiàn)使用個(gè)體行為序列分析，尋找到反復(fù)使用某個(gè)功能且停留事件較長(zhǎng)的用戶械媒，篩選后將1000名用戶分配給銷售目锭，大大提交了合作轉(zhuǎn)化率。

小結(jié)：

以上就是產(chǎn)品在日常數(shù)據(jù)分析中纷捞，常用的9種分析方式痢虹。我是天王寺一哥，一個(gè)產(chǎn)品界的小學(xué)生兰绣，期待與大家多溝通世分，多交流编振。