數(shù)據(jù)是一個(gè)絕對(duì)客觀且能夠通過(guò)可量化指標(biāo)來(lái)評(píng)估產(chǎn)品的改進(jìn)方向成功與否的工具，所以作為一名產(chǎn)品經(jīng)理，必須養(yǎng)成數(shù)據(jù)思維習(xí)慣，掌握數(shù)據(jù)分析方法論。在產(chǎn)品迭代發(fā)展的過(guò)程中，通過(guò)數(shù)據(jù)驅(qū)動(dòng)以保證產(chǎn)品按照更好的方向發(fā)展。

作為產(chǎn)品方向的把控者，產(chǎn)品經(jīng)理每做出一次決策的時(shí)候，都應(yīng)該避免“我覺(jué)得”這類(lèi)的主觀拍腦袋的決策方式，而是以數(shù)據(jù)作為論據(jù)，因此數(shù)據(jù)分析的準(zhǔn)確性與專(zhuān)業(yè)度，往往決定了一個(gè)產(chǎn)品發(fā)展。

下面簡(jiǎn)單來(lái)說(shuō)下數(shù)據(jù)分析的方法論：

一、數(shù)據(jù)分析的思路

1. 基于用戶路徑

基于用戶路徑的思路是分析用戶的操作行為，主要根據(jù)每位用戶在App或網(wǎng)站中的點(diǎn)擊行為日志，分析用戶在App或網(wǎng)站中各個(gè)模塊的流轉(zhuǎn)規(guī)律與特點(diǎn)，挖掘用戶的訪問(wèn)或點(diǎn)擊模式，進(jìn)而實(shí)現(xiàn)一些特定的業(yè)務(wù)用途。如App核心模塊的到達(dá)率提升、特定用戶群體的主流路徑提取與瀏覽特征刻畫(huà)，App產(chǎn)品設(shè)計(jì)的優(yōu)化與改版等。通過(guò)分析用戶的路徑行為，我們可以得出的典型路徑，從而對(duì)典型路徑進(jìn)行針對(duì)性的優(yōu)化。

另外對(duì)于用戶路徑分析是一個(gè)定義用戶畫(huà)像標(biāo)簽化的較好方法，例如對(duì)于一款社交類(lèi)的電商app，我們可以通過(guò)用戶的app使用操作數(shù)據(jù)來(lái)進(jìn)行劃分用戶，對(duì)于一個(gè)話題主動(dòng)分析制作帖子的創(chuàng)造主動(dòng)型用戶、熱衷于點(diǎn)贊評(píng)論的互動(dòng)型用戶、默默看帖子不作反饋的潛水型用戶。

2. 基于產(chǎn)品節(jié)點(diǎn)

基于產(chǎn)品節(jié)點(diǎn)的思路是通過(guò)某一個(gè)關(guān)鍵節(jié)點(diǎn)的轉(zhuǎn)化率或數(shù)據(jù)占比的分析，比如說(shuō)對(duì)于一個(gè)電商app，加入購(gòu)物車(chē)到下單成功的數(shù)據(jù)轉(zhuǎn)化率分析，優(yōu)惠券的使用率分析，基于關(guān)鍵節(jié)點(diǎn)的數(shù)據(jù)分析可通過(guò)增加輔助功能進(jìn)行優(yōu)化分析，例如支付轉(zhuǎn)化率的提高可以加入倒計(jì)時(shí)/有xx人同時(shí)在搶等等，促使盡快完成支付。

數(shù)據(jù)分析步驟

在做數(shù)據(jù)分析之前，我們一定要清楚此次數(shù)據(jù)分析針對(duì)的問(wèn)題是什么，我們是為了弄清楚某個(gè)頁(yè)面的到達(dá)率呢？還是想要知道用戶行為路徑的整體轉(zhuǎn)化率？還是想要計(jì)算訂單用戶的轉(zhuǎn)化率？

針對(duì)數(shù)據(jù)分析的問(wèn)題，再對(duì)數(shù)據(jù)指標(biāo)進(jìn)行確定以及拆分，比如訂單用戶的轉(zhuǎn)化率的定義為訂單用戶/全體用戶，那么訂單用戶轉(zhuǎn)化率的指標(biāo)就拆分為訂單用戶及全體用戶，如果訂單用戶的轉(zhuǎn)化率定義為訂單用戶/訪問(wèn)用戶，這個(gè)時(shí)候訂單用戶轉(zhuǎn)化率的指標(biāo)就拆分為訂單用戶及訪問(wèn)用戶。

數(shù)據(jù)指標(biāo)的分析都是為了讓產(chǎn)品或業(yè)務(wù)更好的發(fā)展服務(wù)的，我們了解到某個(gè)數(shù)據(jù)指標(biāo)的變化趨勢(shì)之后，對(duì)產(chǎn)品的實(shí)際意義是什么。在做數(shù)據(jù)分析之前就應(yīng)該要想明白，再基于這個(gè)目的，確定我們的分析范圍。只有把范圍確定清楚了，數(shù)據(jù)分析的結(jié)果才會(huì)更精準(zhǔn)指導(dǎo)產(chǎn)品的改進(jìn)和解決我們的實(shí)際問(wèn)題。

1. 收集

數(shù)據(jù)的收集方式一般有以下幾種：

• 問(wèn)卷調(diào)查，一般用于前期的用戶調(diào)研或用戶使用情況的主觀感受的獲取，但精度較差，樣本少；
• 客戶端數(shù)據(jù)，一般用于對(duì)用戶瀏覽路徑的記錄，可通過(guò)用戶行為及頁(yè)面停留時(shí)長(zhǎng)等指標(biāo)分析app的易用型、頁(yè)面到達(dá)率等指標(biāo)；
• 服務(wù)端數(shù)據(jù)及歷史日志，服務(wù)器端所輸出的數(shù)據(jù)更為準(zhǔn)確深入，對(duì)于一些精確度要求較高的數(shù)據(jù)，建議使用服務(wù)端日志作為原始數(shù)據(jù)；
• 業(yè)務(wù)數(shù)據(jù)庫(kù)，主要用戶業(yè)務(wù)數(shù)據(jù)的統(tǒng)計(jì)，如銷(xiāo)售額、訂單數(shù)量等業(yè)務(wù)指標(biāo)。

數(shù)據(jù)收集后，還需要對(duì)收集的數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)一些不符合標(biāo)準(zhǔn)的數(shù)據(jù)進(jìn)行剔除。

2. 分析

數(shù)據(jù)的收集只是前期工作，如果對(duì)數(shù)據(jù)進(jìn)行分析，采用什么方法進(jìn)行分析，才是數(shù)據(jù)分析的核心技術(shù)體現(xiàn)。

下面列舉幾種數(shù)據(jù)分析的方法：

（1）AHP層次分析法

層次分析法，簡(jiǎn)稱(chēng)AHP，是指將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性和定量分析的決策方法。

以用戶的忠誠(chéng)度分析為例，忠誠(chéng)度是一個(gè)偏定性的指標(biāo)，我們需要用定量的數(shù)值進(jìn)行衡量。那么我們可以用AGP層次分析法來(lái)分析，選取用戶使用頻率、最近使用時(shí)間、平均使用時(shí)長(zhǎng)及平均使用頁(yè)面數(shù)四個(gè)可以量化的值進(jìn)行衡量，產(chǎn)品經(jīng)理對(duì)這四個(gè)值的權(quán)重進(jìn)行定義，再對(duì)通過(guò)矩陣分析，最終可以得到每個(gè)用戶的忠誠(chéng)值，從而可以進(jìn)行量化比較及分析。

但AHP層次分析法會(huì)受人的主觀判斷影響，不同的人的權(quán)重分配不同時(shí)，可能得到的結(jié)果會(huì)相差較大，該分析方法存在一定的不客觀性。

（2）杜邦分析法

杜邦分析法的核心思路是把問(wèn)題一層層分解，直到反映出最根本的問(wèn)題為止。

以電商行業(yè)為例，GMV（網(wǎng)站成交金額）是考核業(yè)績(jī)最直觀的指標(biāo)，當(dāng)GMV同比或環(huán)比出現(xiàn)下滑時(shí)候，需要找到影響GMV的因素并逐一拆解。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，還是轉(zhuǎn)化率下降了呢？如果是訪客數(shù)減少了，那是因?yàn)樽匀涣髁繙p少了，還是因?yàn)闋I(yíng)銷(xiāo)流量不足？

用杜邦分析法會(huì)使我們清晰的找到影響結(jié)果的原因，特別對(duì)一些多個(gè)因素都會(huì)影響到的數(shù)據(jù)，是非常有效的分析方法。

（3）漏斗分析

漏斗分析是一套流程式數(shù)據(jù)分析，它能夠科學(xué)反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況的重要分析模型?，F(xiàn)所有互聯(lián)網(wǎng)產(chǎn)品、數(shù)據(jù)分析都離不開(kāi)漏斗，無(wú)論是注冊(cè)轉(zhuǎn)化漏斗，還是電商下單的漏斗，需要關(guān)注的有兩點(diǎn)。第一是關(guān)注哪一步流失最多，第二是關(guān)注流失的人都有哪些行為。

以電商的購(gòu)買(mǎi)行為為例，從用戶瀏覽商品到完成交易可以分為以下5個(gè)步驟：

關(guān)注流程的每一個(gè)步驟，可以有效定位高損耗節(jié)點(diǎn)，例如假設(shè)5個(gè)步驟的UV人數(shù)如下：

通過(guò)漏斗分析，可以得到下圖：

我們可以看到，購(gòu)物車(chē)之前的轉(zhuǎn)化率都較高，但在下訂單的流程中，轉(zhuǎn)化率急劇降低至35.4%，這里可能就是需要改進(jìn)的地方。確定出問(wèn)題的關(guān)鍵節(jié)點(diǎn)后，我們可以對(duì)該節(jié)點(diǎn)的用戶行為進(jìn)行詳細(xì)分析，例如用戶的停留時(shí)間、確認(rèn)訂單頁(yè)面的具體事件，做進(jìn)一步的分析。

3. 改進(jìn)&跟蹤

基于數(shù)據(jù)找到問(wèn)題，并找到最優(yōu)的解決方案，是數(shù)據(jù)分析的目的，再通過(guò)后期的效果跟進(jìn)及前后數(shù)據(jù)對(duì)比，驗(yàn)證方案的效果。

三、結(jié)語(yǔ)

數(shù)據(jù)分析是產(chǎn)品經(jīng)理工作的重要組成部分，依據(jù)數(shù)據(jù)變化來(lái)調(diào)整產(chǎn)品是有效的工作方式。如何進(jìn)行數(shù)據(jù)分析，分析哪些數(shù)據(jù)，根據(jù)數(shù)據(jù)制定改進(jìn)方案是每一個(gè)產(chǎn)品經(jīng)理都要熟練掌控的技能，因?yàn)閹缀跛械膯?wèn)題，我們都能在數(shù)據(jù)中找到答案。

本文由 @why 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議