彼得·德魯克曾經(jīng)說過很有名的一句話，他說：如果一個事情偎捎，你不能衡量它的話蠢终，那么你就不能增長它。
事實上茴她，越來越多的互聯(lián)網(wǎng)公司開始了數(shù)據(jù)驅(qū)動產(chǎn)品及運(yùn)營增長的工作寻拂，典型如硅谷的著名幾家公司：
- ?Facebook 早期通過「博客小掛件」的展示獲得了每月數(shù)十億次展示、千萬次點擊和
百萬人注冊;
- ?Twiter 通過引導(dǎo)用戶在注冊時「關(guān)注 10 個人」極大的提升了留存率和活躍度;
- ?LinkedIn 通過推薦新用戶「邀請 4 個好友」獲得了最高的邀請轉(zhuǎn)化率;
??
然后丈牢，硅谷的極客們還給這件事情取了一個很酷的外號祭钉，叫做?Growth?Hacker ，中文名譯作“增長黑客”己沛。這些公司在組織架構(gòu)內(nèi)部搭建了一個增長團(tuán)隊慌核，整個團(tuán)隊的目標(biāo)就是圍繞著公司的增長去不斷地確立目標(biāo)，分析現(xiàn)狀申尼，提出改進(jìn)的想法垮卓，實施并開始測試反饋。
產(chǎn)品經(jīng)理在整個互聯(lián)網(wǎng)團(tuán)隊中扮演著承上啟下的橋梁角色师幕，自然也要掌握數(shù)據(jù)分析這項神秘的強(qiáng)大技能粟按，尤其是隨著整個人類互聯(lián)網(wǎng)歷史進(jìn)程的不斷發(fā)展，互聯(lián)網(wǎng)產(chǎn)品之間的競爭加劇霹粥、大數(shù)據(jù)時代的到來灭将，對產(chǎn)品經(jīng)理的數(shù)據(jù)分析能力提出了更高的要求。
一個懂?dāng)?shù)據(jù)分析的產(chǎn)品經(jīng)理可以利用數(shù)據(jù)驅(qū)動產(chǎn)品設(shè)計優(yōu)化后控，并高效提升用戶體驗宗侦。
那么，產(chǎn)品經(jīng)理究竟該如何入門數(shù)據(jù)分析忆蚀，為自己的產(chǎn)品職業(yè)生涯發(fā)展增加一定的籌碼呢矾利，我認(rèn)為可以從以下幾個方面著手學(xué)習(xí)姑裂。
1、了解什么是數(shù)據(jù)分析
很多產(chǎn)品經(jīng)理其實都對數(shù)據(jù)分析有一種淡淡疏遠(yuǎn)的心理男旗，特別的是非技術(shù)的產(chǎn)品經(jīng)理更是對數(shù)據(jù)敬而遠(yuǎn)之舶斧，好比一談到數(shù)據(jù)分析，就是要會什么高大上的數(shù)據(jù)分析工具察皇，什么抽象的建模茴厉、函數(shù)之類的。
事實上什荣，通常意義上的產(chǎn)品數(shù)據(jù)分析用不了多少專業(yè)的數(shù)據(jù)知識矾缓，用到的都是非常簡單的加減乘除。但是要注意到稻爬，其實加減乘除也是非常強(qiáng)大的嗜闻，可以解決大部分的問題，而且成本非常低桅锄，你使用了復(fù)雜的算法琉雳，可能精確度也只能上升不到5個百分點。所以友瘤，產(chǎn)品經(jīng)理不要對數(shù)據(jù)分析有太多的畏難情緒翠肘，所謂的數(shù)據(jù)分析就是指從數(shù)據(jù)中提取有用的信息，并指導(dǎo)實踐辫秧。比如說結(jié)合數(shù)據(jù)優(yōu)化產(chǎn)品的用戶體驗束倍，通過數(shù)據(jù)來進(jìn)行用戶畫像，通過數(shù)據(jù)發(fā)現(xiàn)產(chǎn)品改進(jìn)的關(guān)鍵點盟戏，以及產(chǎn)品改版绪妹、迭代是否在一個正確的方向上。而這些事情抓半，在經(jīng)過實踐之后喂急，都會變的簡單且容易上手格嘁。
但是在做數(shù)據(jù)分析前笛求，一定要先確定好目標(biāo)，這樣后面的每一步才能不偏離大方向糕簿，我們才能清楚地知道究竟該采集什么樣的數(shù)據(jù)探入，要分析哪些指標(biāo)。那么懂诗，你做數(shù)據(jù)分析的目的是什么：
是檢測用戶對新功能的喜愛程度蜂嗽？
是優(yōu)化用戶在使用過程中的槽點？
還是提升某個產(chǎn)品頁面的轉(zhuǎn)化率殃恒？
...
2植旧、數(shù)據(jù)從哪里獲取
產(chǎn)品經(jīng)理在分析數(shù)據(jù)之前辱揭，就必須得有數(shù)據(jù)供我們分析，所以我們就得拿到數(shù)據(jù)病附，怎么拿到呢问窃？
數(shù)據(jù)的來源渠道主要有三種：
自有數(shù)據(jù)分析系統(tǒng) ——?企業(yè)內(nèi)部使用的數(shù)據(jù)產(chǎn)品，如自建 BI 和推薦系統(tǒng)完沪。公司自有的數(shù)據(jù)是最原始的數(shù)據(jù)域庇，也是最可靠、最全面的覆积。一般而言听皿，有條件的情況下都是以內(nèi)部數(shù)據(jù)為準(zhǔn)；
第三方數(shù)據(jù)分析工具 ——?這個是借助外部工具獲得數(shù)據(jù)宽档，如友盟尉姨、百度統(tǒng)計、cnzz統(tǒng)計等雌贱；
行業(yè)指數(shù)數(shù)據(jù)等 ——?如用戶均可使用的 Google Trends 和淘寶指數(shù)等等啊送。
鑒于大部分互聯(lián)網(wǎng)創(chuàng)業(yè)公司都不可能自建數(shù)據(jù)分析系統(tǒng)，雖然自己開發(fā)的數(shù)據(jù)分析工具欣孤，可以對每個數(shù)據(jù)進(jìn)行實時跟蹤馋没，并快速做出產(chǎn)品的調(diào)整，但是需要足夠的開發(fā)人員及成本降传，比較適合大型公司或者成熟型產(chǎn)品篷朵；
這里還是重點介紹幾款第三方數(shù)據(jù)分析工具，供大家參考選擇：
a婆排、友盟
支持iOS声旺、Android應(yīng)用數(shù)據(jù)統(tǒng)計分析，可快速接入段只，節(jié)省成本腮猖，比較適合創(chuàng)業(yè)型公司及剛上線的產(chǎn)品，但是無法對關(guān)鍵數(shù)據(jù)在突發(fā)異樣時進(jìn)行跟蹤赞枕；
b澈缺、百度移動統(tǒng)計
支持ios和android平臺。另外炕婶，開發(fā)者在嵌入統(tǒng)計SDK后姐赡，可以對自家產(chǎn)品進(jìn)行較為全面的監(jiān)控，包括用戶行為柠掂、用戶屬性项滑、地域分布、終端分析等涯贞；
c枪狂、諸葛io
是一款基于用戶洞察的精細(xì)化運(yùn)營管理工具危喉。以用戶跟蹤技術(shù)和簡單易用的集成開發(fā)方法，幫助移動應(yīng)用及pc網(wǎng)站的運(yùn)營者們挖掘用戶的真實行為與屬性州疾，可以將其用于iOS姥饰、Android應(yīng)用及網(wǎng)站；
d孝治、Growing io
強(qiáng)大的地方在于無需埋點列粪，就可以獲取并分析全面、實時的用戶行為數(shù)據(jù)谈飒，以優(yōu)化產(chǎn)品體驗岂座，實現(xiàn)精益化運(yùn)營。
3杭措、基本的產(chǎn)品分析概念
產(chǎn)品經(jīng)理在做數(shù)據(jù)分析的時候费什，一些基本的產(chǎn)品分析概念還是需要厘清的，比如最基本的AARRR模型手素，也就是說產(chǎn)品經(jīng)理要了解什么是新增鸳址、活躍、留存泉懦、流失等稿黍，這些基本的概念都是需要去了解和掌握的，不然真碰到數(shù)據(jù)分析的問題崩哩，也只能兩眼一抹黑了巡球，更別談分析出一個什么所以然來了。
比較簡單的一些概念邓嘹，在這里普及下：
一些網(wǎng)頁指標(biāo)：
PV（page view）酣栈，即頁面瀏覽量，用戶每1次對網(wǎng)站中的每個網(wǎng)頁訪問均被記錄1次汹押。用戶對同一頁面的多次訪問矿筝，訪問量累計。在一定統(tǒng)計周期內(nèi)用戶每次刷新網(wǎng)頁一次也被計算一次棚贾。
一般來說PV與來訪者數(shù)量成正比窖维，但是PV并不直接決定頁面的真實來訪者數(shù)量，例如鸟悴，同一個來訪者通過不斷的刷新頁面陈辱，也可以制造出非常高的PV奖年。
UV（unique visitor）细诸，即獨立訪客，訪問網(wǎng)站的一臺電腦客戶端為一個訪客陋守。
PR（pagerank）震贵，即網(wǎng)頁的級別利赋，一個PR值為1的網(wǎng)站表明這個網(wǎng)站不太具有流行度，而PR值為7到10則表明這個網(wǎng)站非常受歡迎(或者說極其重要)猩系。
跳出率媚送，指用戶到達(dá)你的網(wǎng)站上并在你的網(wǎng)站上僅瀏覽了一個頁面就離開的訪問次數(shù)與所有訪問次數(shù)的百分比。這里的訪問次數(shù)其實就是指PV寇甸。是評價一個網(wǎng)站性能的重要指標(biāo)塘偎，跳出率高，說明網(wǎng)站用戶體驗做得不好拿霉，用戶進(jìn)去就跳出去了吟秩，網(wǎng)站沒有滿足用戶的期望與需求或是人群定位不精準(zhǔn)，反之如果跳出率較低绽淘，說明網(wǎng)站用戶體驗做得不錯涵防。
轉(zhuǎn)化率，指在一個統(tǒng)計周期內(nèi)沪铭，完成轉(zhuǎn)化行為的次數(shù)占推廣信息總點擊次數(shù)的比率壮池。轉(zhuǎn)化率=（轉(zhuǎn)化次數(shù)/點擊量）×100%。以用戶登錄為例杀怠，如果每100次訪問中椰憋，就有10個登錄網(wǎng)站，那么此網(wǎng)站的登錄轉(zhuǎn)化率就為10%赔退，而最后有2個用戶訂閱熏矿，則訂閱轉(zhuǎn)化率為2%，有一個用戶下訂單購買离钝，則購買轉(zhuǎn)化率為1%票编。轉(zhuǎn)化率反映了網(wǎng)站的盈利能力，重視和研究網(wǎng)站轉(zhuǎn)化率卵渴，可以針對性的分析網(wǎng)站在哪些方面做的不足慧域，哪些廣告投放效果比較好，可以迅速的提升用戶體驗浪读、節(jié)約廣告成本昔榴，提升網(wǎng)絡(luò)轉(zhuǎn)化過程。
重復(fù)購買率碘橘，指消費者對該品牌產(chǎn)品或者服務(wù)的重復(fù)購買次數(shù)互订。重復(fù)購買率越多，則反應(yīng)出消費者對品牌的忠誠度就越高痘拆，反之則越低仰禽。
活躍度指標(biāo)：主要衡量產(chǎn)品的粘性、用戶的穩(wěn)定性以及核心用戶的規(guī)模，觀察產(chǎn)品在線的周期性變化吐葵。
AU（Active Users）活躍用戶：用戶登陸產(chǎn)品記為一次登錄
DAU（Daily Active Users）日活躍用戶：每日登陸過的用戶數(shù)
WAU（Weekly Active Users）周活躍用戶：七天內(nèi)登陸過的用戶數(shù)
MAU（Monthly Active Users）月活躍用戶：30天內(nèi)登陸過的用戶數(shù)
AT（Daily Avg. Online Time）日均使用時長：活躍用戶平均每日在線時長
PCU（Peak Concurrent Users）最高同時在線用戶人數(shù)：統(tǒng)計周期內(nèi)规揪，同一時點（通常精確至分）的最高在線人數(shù)
ACU（Average Concurrent Users）平均同時在線用戶人數(shù)：統(tǒng)計周期內(nèi)，每個時點（通常精確到分）的平均在線人數(shù)
流失温峭、留存指標(biāo)：觀察流失用戶的狀態(tài)猛铅、流失前行為來判斷產(chǎn)品可能存在的問題。
ULR（Users Leave Rate）用戶流失率：統(tǒng)計當(dāng)日登錄過產(chǎn)品的用戶凤藏，但在隨后N日內(nèi)未登錄的用戶數(shù)/統(tǒng)計日DAU
日流失率：統(tǒng)計當(dāng)日登陸過產(chǎn)品的用戶奸忽，次日未登陸的用戶數(shù)/統(tǒng)計日DAU
周流失率：統(tǒng)計當(dāng)周登陸過產(chǎn)品，之后下一周未登陸的用戶數(shù)/WAU
月流失率：統(tǒng)計當(dāng)月登陸過產(chǎn)品揖庄，下一月未登陸的用戶數(shù)/MAU
日留存率：統(tǒng)計當(dāng)日登錄過產(chǎn)品的用戶月杉，在之后N日內(nèi)至少登錄一次的用戶數(shù)/統(tǒng)計日DAU
周留存率：統(tǒng)計當(dāng)周登錄過產(chǎn)品的用戶，且下一周至少登錄一次的用戶數(shù)/WAU
月留存率：統(tǒng)計當(dāng)月登錄過產(chǎn)品的用戶抠艾，且下一月至少登錄一次的用戶數(shù)/MAU
次日留存率：統(tǒng)計當(dāng)日登錄過產(chǎn)品的用戶苛萎，次日依舊登錄的用戶數(shù)/統(tǒng)計日DAU
回歸率：曾經(jīng)流失，重新登錄產(chǎn)品的用戶數(shù)占流失用戶的比例
回歸用戶：曾經(jīng)流失检号，重新登錄產(chǎn)品的用戶數(shù)
流失用戶池：過去一段時間內(nèi)流失的用戶數(shù)
4腌歉、掌握常見的數(shù)據(jù)分析模型
產(chǎn)品經(jīng)理在進(jìn)行數(shù)據(jù)分析的過程中，需要運(yùn)用到一些分析模型齐苛，我們一起來看看具體需要用到哪些數(shù)據(jù)分析模型：
a翘盖、用戶行為統(tǒng)計
用戶行為統(tǒng)計，就是對用戶在產(chǎn)品中的行為發(fā)生的次數(shù)或人數(shù)進(jìn)行簡單的統(tǒng)計凹蜂，統(tǒng)計結(jié)果一般以折線圖和表格的方式呈現(xiàn)馍驯，這是用戶行為分析的最基本的方法。
b玛痊、漏斗分析
漏斗分析也叫漏斗模型汰瘫，可以幫你分析使用過程的成功和失敗率(也叫轉(zhuǎn)化和流失)，以分析用戶在使用產(chǎn)品時是否順暢擂煞。進(jìn)行漏斗分析混弥，首先需要您結(jié)合產(chǎn)品目標(biāo)，從用戶的使用過程抽取出常見流程对省，比如常見的電商產(chǎn)品蝗拿，我們可以簡單梳理出一個漏斗流程便是：
瀏覽首頁----》查看商品詳情---》加入購物車---》生成訂單---》進(jìn)行支付---》成功支付
c、留存分析
留存分析是一種衡量產(chǎn)品「黏性」的分析方法——它能夠幫您分析用戶會長期持續(xù)使用您的產(chǎn)品蒿涎，還是使用一次后便一去不復(fù)返哀托。用戶留存的情況一般用留存率來衡量。所謂留存率劳秋，就是指一組用戶在初始時間(比如首次打開應(yīng)用)之后第 N 天仓手，還在使用產(chǎn)品的用戶比例(即留存下來的用戶比例)胖齐，一般稱之為N 天留存率。
留存分析的結(jié)果一般用表格方式呈現(xiàn)俗或，稱之為用戶留存表。如下圖所示:
5岁忘、開始實踐
我一直以來有一個觀念辛慰，那就是做事情不需要等到萬事俱備才能真正開始，好比產(chǎn)品經(jīng)理做數(shù)據(jù)分析干像，事實上帅腌，并不需要等到我們把所有的數(shù)據(jù)分析知識都熟練掌握，我們才能開始進(jìn)行動工實踐麻汰。
這本身也是互聯(lián)網(wǎng)思維“小步快跑速客，不斷迭代”的一個實踐，我們可以先拿手上的產(chǎn)品實踐起來五鲫，等到碰到問題溺职，我們再去針對具體問題學(xué)習(xí)相應(yīng)的解決辦法，這種學(xué)習(xí)效率才是最高的位喂，比如說：
-? 產(chǎn)品新版本馬上就要發(fā)布了(或者已經(jīng)發(fā)布)浪耘，那好，我們來看看數(shù)據(jù)塑崖，分析一下新版本的表現(xiàn)如何?
- ?或者七冲，我們正在規(guī)劃或設(shè)計產(chǎn)品的改版，那好规婆，看看數(shù)據(jù)研究一下之前的用戶行為澜躺，看看能不能為產(chǎn)品設(shè)計帶來點兒新思路?
這些都是我們在日常工作中，可以嘗試著用數(shù)據(jù)分析這個工具去切入產(chǎn)品設(shè)計與分析的點抒蚜，看了這篇文章的你掘鄙，還等什么呢，開始實踐吧嗡髓！
