數(shù)據(jù)分析是產(chǎn)品經(jīng)理必備技能之一，本文以一個真實案例給大家提供了一些數(shù)據(jù)分析的思路，但還需大家自己多多思考，學(xué)以致用。

這次我們來聊聊產(chǎn)品經(jīng)理的必備技能，數(shù)據(jù)分析，這也是18年我獲得的最大收獲之一。

為什么想單獨(dú)拿出來聊聊，我歸納為三個原因：

• 第一是重要，不重要的事誰會拿出來說不是；
• 第二是網(wǎng)上的文章理論偏多，實際真實案例少，誰會用一大堆概念和飄在天上的話去工作；
• 第三是對自己的復(fù)盤，算是對自己今年的一份重要的工作總結(jié)。話不多說，正文開始。

一、數(shù)據(jù)分析的作用

在切入正題之前，先來總述一下數(shù)據(jù)分析的作用。通常的答案都是什么了解產(chǎn)品現(xiàn)狀，知悉業(yè)務(wù)發(fā)展之類的，都不夠概括，嚴(yán)格定義上的數(shù)據(jù)分析作用一共有4條：

1. 描述性分析，故名思義，主要是對已經(jīng)發(fā)生的事實用數(shù)據(jù)做出準(zhǔn)確的描述。比如某企業(yè)訂單履約率從上月的98%下降到了95%，屬于偏基礎(chǔ)類的工作；
2. 診斷性分析，在知道了發(fā)生什么之后，更重要的是，我們要明白為什么發(fā)生。比如經(jīng)過分析，發(fā)現(xiàn)訂單履約率下降的原因是成品生產(chǎn)不出來，無法完成交付；
3. 預(yù)測性分析，基于上述兩個層次的分析，我們發(fā)現(xiàn)了其中的規(guī)律，即原材料供應(yīng)商的送貨及時率會影響成品訂單的履約率。假如上月某原材料供應(yīng)商A送貨及時率只有70%，通過建模，我們可以預(yù)測本月該供應(yīng)商會使我們的訂單履約率下降2%；
4. 處方性分析，有了預(yù)測性分析的結(jié)果后，我們無需再做事后諸葛亮，而可以運(yùn)籌帷幄，在事前就采取措施。上例中，供應(yīng)商A會導(dǎo)致本月我們的訂單履約率下降，我們可能采取的措施就是把A換掉，但是現(xiàn)在有B和C兩個供應(yīng)商供我們選擇，該選擇哪個呢？通過分析和計算得出：選用供應(yīng)商B會比選C的訂單履約率高1%，因此建議選擇供應(yīng)商B。

常規(guī)情況下，產(chǎn)品經(jīng)理對于數(shù)據(jù)分析只需要掌握到診斷性分析即可，根據(jù)診斷性分析結(jié)果出相應(yīng)的解決方案，后面兩個更多的是數(shù)據(jù)分析師的工作，更為專業(yè)，深入。

二、一個真實的案例

在案例介紹前，再啰嗦一下我在處理數(shù)據(jù)分析工作時候的步驟：明確分析目的，數(shù)據(jù)收集，數(shù)據(jù)處理，數(shù)據(jù)分析，數(shù)據(jù)展現(xiàn)，報告撰寫。

展現(xiàn)和撰寫這篇文章就不說了，因人而異。我主要說一下確定目的、數(shù)據(jù)收集和分析環(huán)節(jié)：

1. 確定目的，別以為這個就那么容易，不夸張10個人有8個不知道自己想干什么；
2. 數(shù)據(jù)收集，其實就是定義指標(biāo)，把指標(biāo)和規(guī)則定義清晰，要看活躍，幾日活躍，怎么算活躍，很大程度決定了研發(fā)的時間周期有多少，很多情況是產(chǎn)品沒有想在前面，開發(fā)過程中反復(fù)去溝通，確認(rèn)規(guī)則，導(dǎo)致數(shù)據(jù)獲取的成本異常大，延期也就在所難免了；
3. 數(shù)據(jù)分析，要選擇科學(xué)的分析方法，目前分析方法多種多樣，對比分析、交叉分析、結(jié)構(gòu)分析、平均分析等，根據(jù)這個案例選一個最適合的數(shù)據(jù)分析方法，才能事半功倍。

案例開始，先同步一下背景，有一個內(nèi)容型的小程序，各位理解成小程序版的今日頭條即可，想要研究的是一進(jìn)入小程序默認(rèn)刷新還是手動刷新對用戶流失的影響，當(dāng)前為用戶進(jìn)入小程序后需要手動刷新，如果改成進(jìn)入后程序默認(rèn)刷新對流失有所緩解。

針對這個命題，各位都會怎么答？有可能直接就拆解目標(biāo)，定義指標(biāo)進(jìn)行分析了，不好意思，可是我會先要做的是現(xiàn)狀流程圖，供我們更清晰的了解都發(fā)生了什么。

我們先從目的下手，目的有什么？從課題能獲知到的關(guān)鍵行為有刷新、流失這兩個關(guān)鍵節(jié)點，將這兩個節(jié)點連線，發(fā)現(xiàn)中間的部分是刷新后的反饋，也就是刷新有內(nèi)容，刷新沒內(nèi)容：

用戶可能的后續(xù)的行為，通過歷史數(shù)據(jù)可知，有退出行為、其它產(chǎn)品功能行為、瀏覽行為、刷新行為：

根據(jù)現(xiàn)狀需要畫流程圖一張：

Tips，產(chǎn)品經(jīng)理畫流程圖是個好習(xí)慣，會有助于自己和別人理解你要做的事，并指出問題。

Tips2，產(chǎn)品經(jīng)理的工作簡單也不簡單，簡單在于只要思考進(jìn)行決策就可以，不簡單在于如何去把問題想清楚，會刷下去一大批人。

其中退出行為分為，有效退出，無效退出，和無退出行為，有效退出定義一個有效退出時間即可，比如退出時間-進(jìn)入時間大于10秒以上。有人說了，退出不是只會有直接退出嗎，這里需要特別說一下，有交互的都已經(jīng)分離出來了，只剩退出，怎么還分，因為有可能用戶是在認(rèn)認(rèn)真真的看這屏的內(nèi)容，一屏就已經(jīng)到上次瀏覽過的，而這次新的沒有感興趣的，或者是用戶上次誤觸退出，這次重新進(jìn)入仔細(xì)觀看，依然沒有感興趣的，再退出，無效退出與之相對，在條件外迅速退出的用戶，判定為分析時要剔除的用戶數(shù)據(jù)，要做細(xì)，整理一下可見下表：

將上述情況，窮盡組合后，情況可見下表：

12種，并不多，接下來做什么，要發(fā)揮產(chǎn)品經(jīng)理的另一個特性了，分析，標(biāo)記每一個用戶行為的理由，并且篩選出你所關(guān)注的和你所對比的，比如：

還記得最開始的題目嗎，手動刷新改為默認(rèn)刷新對用戶的影響，我們需要從上述一大堆東西里拆出來的是你要用的，剔除掉無用信息用作分析。要的是想清楚我們要什么，以及定義清楚我們要什么，這是最難的。從交互層面來看分為刷新過和沒刷新過，可以理解為把沒刷新過的用戶變?yōu)橄到y(tǒng)幫你刷新，而原有自己刷新的用戶作為對照組，把無效退出作為結(jié)果，一般來看，無刷新肯定沒新內(nèi)容，有刷新的情況統(tǒng)一一下，最后預(yù)估出來影響范圍，一般來看，以本業(yè)務(wù)的情況，影響范圍會有在線時間、瀏覽文章數(shù)、復(fù)登情況，主要考慮的是復(fù)登，因為你擔(dān)心的是流失。

正常情況下，能做到這一點的，基本就可以結(jié)束了，納尼，結(jié)束了嗎？鋪墊了那么多。不，早著呢。如果按照5W2H進(jìn)行劃分，誰、在哪兒、做什么、什么時候、為什么做，上面的僅僅包含了做什么，還剩一堆東西還沒有呢。

先說“誰”該怎么劃分呢。通過廣義定義，我們可以區(qū)分為新用戶和老用戶，粗暴定義新用戶是從未進(jìn)入過小程序的用戶，規(guī)則為當(dāng)日生成的open id即判定為新用戶當(dāng)日活躍，無論當(dāng)天多少次再回訪，也均判定為新用戶當(dāng)日活躍；而老用戶是已經(jīng)生成open id的用戶，老用戶還可以利用活躍行為進(jìn)行分層，常規(guī)來看可以分為次日活躍、7日活躍、30日活躍、90日活躍、1年內(nèi)活躍，因為產(chǎn)品上線不足1年，故此取前幾種。

從歷史數(shù)據(jù)來看，該業(yè)務(wù)對性別可能較為敏感，對省市地區(qū)不太敏感，故此再加上性別因素，省市暫時不考慮（一會你就知道省市不考慮是救了多少人的性命）。

好，按照以上的組合，可以列出用戶分層如下表：

這還僅僅是硬性用戶分層，在考慮問題的時候，還要加上業(yè)務(wù)狀態(tài)機(jī)，什么叫狀態(tài)機(jī)？就是你的用戶在當(dāng)前經(jīng)歷了哪些業(yè)務(wù)行為或者關(guān)鍵功能，你認(rèn)為與本次實驗有關(guān)的都要納入進(jìn)來，若你是開疆拓土的人，你要把所有的變量都想到，然后去搭建數(shù)倉，才能經(jīng)得起后續(xù)的多維度組合分析的折騰。

本次分析實驗不多說，只說最重要的2個業(yè)務(wù)狀態(tài)機(jī)，一個是是否訂閱，一個是有無瀏覽行為，可能有些同學(xué)已經(jīng)猜出我下面要做什么了，沒錯，表格呈上：

有人說有必要這么麻煩嗎？很遺憾，產(chǎn)品經(jīng)理的價值就全在這里了，你若前期不麻煩，后期研發(fā)怎么辦，skr~~這就是僅僅4種狀態(tài)組合后的用戶分層情況list，40種情況，每種，都要對應(yīng)后續(xù)的行為進(jìn)行接入分析，因為每種人群都是可以在后續(xù)做任意動作的，所以這個分析是多維對多維，當(dāng)你都列清楚以后，你才能獲知你真正要分析的數(shù)據(jù)到底是什么，記住別怕麻煩，怕的是不夠用心。

別急，要想完成分析工作后面還有，流程狀態(tài)，當(dāng)用戶進(jìn)入小程序的時候，有5種行為，加上上面4種（瀏覽行為，刷新行為，其它功能行為，退出行為），多了一個滾動行為：

且這個和上面用戶狀態(tài)不一樣，因為是流程，所以5種的流程是可以任意調(diào)換前后發(fā)生的順序的，比如不瀏覽先刷新再滾動，或者先滾動再瀏覽再刷新。而每種行為都可以再細(xì)分狀態(tài)，滾動行為可以分為3種，一般滾動行為，滾動到上次瀏覽，和無滾動，想清楚了之后，接下來怎么做，沒錯，畫表格，顯而易見會非常巨大：

我沒有做流程調(diào)換，僅用初始狀態(tài)做了示意，真正展開無差別分析的話，嚴(yán)謹(jǐn)進(jìn)行可行性分析之后輸出全部狀態(tài)的，以此業(yè)務(wù)為例，極限狀態(tài)就是種可能。不過很容易就能看出，有一些是可以合并的，比如dz-72，無論怎么調(diào)換都是一樣的，這個表，對于數(shù)據(jù)可視化工具來講，就是?；鶊D，這個貨：

我們費(fèi)這么大勁是為了什么？用戶動機(jī)，沒錯，上面的整理叫流程動機(jī)，我們分析的時候可以從結(jié)果動機(jī)下手，需要把相似的結(jié)果動機(jī)的流程放在一組，以上述為例，結(jié)果動機(jī)就是有效退出，或者無效退出。比如編號dz1-3可能是正常用戶行為，dz4-6可能是沒刷到感興趣文章的用戶（該做啥？優(yōu)化算法?。琩z7-9好像跟我們這個測試有關(guān)系，若把這些用戶都變成有刷新行為（dz1-3）能提升多少復(fù)登數(shù)、閱讀數(shù)、在線時長（KPI）呢？這就是精細(xì)化分析。不同的順序?qū)τ诓煌膭訖C(jī)也不一樣，比如一上來就刷新的，好像就是我們優(yōu)化以后的預(yù)期情況？和哪個原始組作對比？優(yōu)化了以后能提升多少KPI指標(biāo)？是不是都能進(jìn)行預(yù)估出來？

這樣進(jìn)行的對照和對比，這樣出來的結(jié)果才是嚴(yán)謹(jǐn)?shù)?，且可控的，用于指?dǎo)你的決策。最初的對照組1和2，也可以出結(jié)果，但是你永遠(yuǎn)是個小學(xué)生的水平，而無法成一個初中生和高中生。

記住，這些工作都是在鍛煉產(chǎn)品經(jīng)理的另一個核心競爭力的技能，用戶動機(jī)判斷，包含心理層面和產(chǎn)品層面，自己要去理解用戶才有可能做好。所以反觀回去看看，最開始的流程圖覺得還叫流程圖嗎？你提的需求還叫提需求嗎（我要分析一下默認(rèn)刷新和手動刷新的流失關(guān)系，埋點就埋手動刷新數(shù)就好）？不是找打？

不過話說回來，真正用于數(shù)據(jù)分析的時候，上面嚇?biāo)廊说谋砀褚欢ú皇沁@樣整理、分析，這樣分析你自己會崩潰，并且這么提需求研發(fā)也會打死你，要求的是對產(chǎn)品經(jīng)理另一個變態(tài)能力的掌握——業(yè)務(wù)抽象能力，我一般會針對此也會抽象出下面這樣的表格直接給到研發(fā)，一目了然，也可以一起查缺補(bǔ)漏：

研發(fā)只需要知道的是維度，交叉分析是你要提給或者數(shù)據(jù)分析師自己就應(yīng)該做的事，別覺得幾千種可能性很可怕，數(shù)分析師還是比較輕松應(yīng)對這些的，如果是對用戶屬性及其敏感的業(yè)務(wù)，一定要把用戶逐一分層再帶入后續(xù)流程進(jìn)行分析，也就是編號ny那張表，每個屬性的用戶對后續(xù)操作的轉(zhuǎn)化率可能都是不一樣的：

你可能做了一個策略，對大多數(shù)用戶群有效，正數(shù)多負(fù)數(shù)少，大數(shù)上看來就是正數(shù)有效的：

但是這不是做增長產(chǎn)品的態(tài)度，市場增長就是要無所不用其極，從牙縫里扣東西。

拆解清楚每一個策略對用戶的正和負(fù)，保留下對新策略正向的用戶群，其它用戶群進(jìn)行回滾保證不降低：

這樣持續(xù)的做下去，你的產(chǎn)品雖然復(fù)雜性越來越高，但是真的能獲得實打?qū)嵉恼J(rèn)知產(chǎn)品、分析結(jié)論和用戶增長。

這些數(shù)據(jù)維度和指標(biāo)，不光代表了你的產(chǎn)品力，也代表了你提需求的水平，在規(guī)劃需求的時候這些都要想到，后續(xù)研發(fā)在進(jìn)行工作的時候才更好的預(yù)估難度和工期，否則等你的要么是沒有結(jié)論的改版，要么是暗無天日的延期。

請把需求提明白，前提是你能把你要什么想明白，別想當(dāng)然，每一個動作牽扯的因素都非常多，想清楚在動手，另外，本次的流程我僅僅局限在做關(guān)鍵動作之前的拆解，而后續(xù)的影響分析更為重要，也就是上述的回流、閱讀、在線時長等。假設(shè)你上了個策略，通過欺騙的手段讓用戶的轉(zhuǎn)化率提升了，但是總體的7日效率下跌了，這還了得，時間線短了說對其它業(yè)務(wù)、功能的影響一定要想清楚，嚴(yán)重了說你要是影響了充值功能，可怎么辦？一定要想好后果。

上述的表格僅作為示例，我就不做更詳細(xì)的拆解和分析了，感興趣的小伙伴可以接著做下去，是對初入產(chǎn)品的同學(xué)應(yīng)該會有著幫助，一定從相同的結(jié)果動機(jī)下手，找到過程動機(jī)相同的對照組，去理解用戶，這樣的進(jìn)行改版前的數(shù)據(jù)輔助分析，才能真的預(yù)估改版的合理性，需求的真?zhèn)涡浴?/p>

在得出結(jié)論后，也要學(xué)會驗證結(jié)論，可以利用交叉驗證的方法，都是可以側(cè)面去驗證結(jié)論讓分析做的更加可靠，嚴(yán)謹(jǐn)?shù)摹?/p>

三、其它的一些話

上述列舉了近期的一個案例，不是我自身的，全憑個人興趣深挖發(fā)揮，不過數(shù)據(jù)分析也不是萬能的，有一些誤區(qū)呈現(xiàn)給大家：

1. 選取的樣本容量有誤

忽略了有效用戶，囊括了無效用戶，上述案例中，若把用戶行為拆解開，能發(fā)現(xiàn)很多不一樣的特征和細(xì)節(jié)，同時有時候樣本容量的原因，樣本過少會讓結(jié)果變得不可測，樣本過多也有可能只在乎少量用戶的數(shù)據(jù)忽視了整體，有時候需要制定相同的抽樣規(guī)則，減少分析結(jié)論的偏差性。

2. 錯判因果關(guān)系

錯判因果關(guān)系，商品評論多商品賣的就一定多嗎？上述案例時，你能發(fā)現(xiàn)流失少就是刷新的功勞嗎，并不一定，有時候分母不一樣才是你獲得錯誤結(jié)論的罪魁禍?zhǔn)?，在分析?shù)據(jù)的時候，正確判斷數(shù)據(jù)指標(biāo)的邏輯關(guān)系應(yīng)該找?guī)渍咧g的相關(guān)關(guān)系而不是因果關(guān)系。

3. 被數(shù)據(jù)的表達(dá)技巧所蒙蔽

在做數(shù)據(jù)分析時，我們需要警惕一些數(shù)據(jù)處理的小計倆，最小區(qū)間，上下極值，主次坐標(biāo)軸等，不要被數(shù)據(jù)的視覺效果所蒙蔽。

4. 過度依賴數(shù)據(jù)

不要過分依賴數(shù)據(jù)，做一些沒有價值的數(shù)據(jù)分析，很多牛逼的產(chǎn)品決策，并非通過數(shù)據(jù)發(fā)現(xiàn)的，而是一個產(chǎn)品經(jīng)理綜合智慧的體現(xiàn)。

最后還沒有重視起數(shù)據(jù)分析的企業(yè)應(yīng)當(dāng)著重注意了，傳統(tǒng)老牌沃爾瑪就是從數(shù)據(jù)分析中獲取到了巨大的寶藏，從以下3個方向足以說明一切：

1. 在價值認(rèn)知上，傳統(tǒng)企業(yè)需要認(rèn)識到數(shù)據(jù)分析是能夠帶來的巨大價值，且這種價值是可留存的，得天獨(dú)厚的競爭壁壘；
2. 在方法論上，傳統(tǒng)的企業(yè)不必在不同部門里面推行數(shù)據(jù)分析的各種方法體系，這些體系已經(jīng)被歐美總結(jié)了至少30年，很多我們沒有必要重新發(fā)明；
3. 在技術(shù)工具上，國內(nèi)已經(jīng)如雨后春筍一般生出很多數(shù)據(jù)分析平臺，工欲善其事，必先利其器，這是每個企業(yè)提高效率最好的手段和途徑，讓傳統(tǒng)企業(yè)轉(zhuǎn)型高科技企業(yè)的難度大大降低。

總結(jié)

說了那么多，希望大家不要被網(wǎng)上那么多的概念所迷惑，產(chǎn)品經(jīng)理不能為了數(shù)據(jù)分析而分析，而要將落腳點放到產(chǎn)品和用戶上。數(shù)據(jù)分析應(yīng)該幫助產(chǎn)品經(jīng)理不斷優(yōu)化產(chǎn)品設(shè)計和迭代，驅(qū)動產(chǎn)品和用戶增長，做好成本把控，風(fēng)險預(yù)測才是本質(zhì)目的。

工作中處處留心，可以避免走入很多的誤區(qū)。產(chǎn)品經(jīng)理每一個決策幾乎都要牽涉到很多方面。磨刀不誤砍柴工，多想想再去做，說不定效果更好。

上述的案例是偶然聽到的，不是自己經(jīng)歷，全憑自己興趣進(jìn)行深挖，可能會有分析不到位的地方，多多理解。希望能給各位提供良好的數(shù)據(jù)分析的思路，足以，歡迎多多交流。

#專欄作家#

吳邢一夫（微信號mystic326531548），人人都是產(chǎn)品經(jīng)理專欄作家。5年產(chǎn)品經(jīng)理工作經(jīng)驗，需求、用戶、數(shù)據(jù)有深入研究。歡迎交流想法，拒絕無意義添加好友。

本文獨(dú)家發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)本站許可，禁止轉(zhuǎn)載。謝謝合作。

題圖來自 Unsplash，基于 CC0 協(xié)議