本文從數(shù)據(jù)采集的方式、數(shù)據(jù)構(gòu)成的理解、以及如何通過數(shù)據(jù)指標(biāo)和分析維度來深化產(chǎn)品見解等角度出發(fā)，為產(chǎn)品經(jīng)理提供了一套全面的數(shù)據(jù)分析框架，助力其在激烈的市場競爭中做出更精準(zhǔn)的決策。

產(chǎn)品經(jīng)理多少要懂點(diǎn)數(shù)據(jù)分析，不可免俗的這篇把幾個大概念講一下。

一、數(shù)據(jù)分析的作用

數(shù)據(jù)分析是定量分析的手段。在《誰說菜鳥不會數(shù)據(jù)分析》一書中，提到了數(shù)據(jù)分析的三個作用。

• 描述：通過數(shù)據(jù)分析可以描述產(chǎn)品的現(xiàn)狀及其原因。
• 探索：數(shù)據(jù)分析還可以通過現(xiàn)狀，對未來進(jìn)行預(yù)測和探索。
• 驗(yàn)證：通過數(shù)據(jù)分析的結(jié)果，可以驗(yàn)證產(chǎn)品假設(shè)。

二、數(shù)據(jù)的構(gòu)成

來認(rèn)識一下數(shù)據(jù)：一條數(shù)據(jù)是由事件、屬性、參數(shù)三個要素構(gòu)成的。

數(shù)據(jù)由事件觸發(fā)，數(shù)據(jù)根據(jù)觸發(fā)的事件不同進(jìn)行分類。例如，用戶的一次按鈕點(diǎn)擊、登錄、購買，系統(tǒng)的一次消息推送都是一次事件。

屬性和參數(shù)構(gòu)成了對事件的完整性描述。如，一次購買事件，除了購買事件本身外，可能還需要收集用戶購買的數(shù)量、商品的金額等等。當(dāng)然，也并非所有數(shù)據(jù)都需要屬性。如，統(tǒng)計(jì)某個按鈕的點(diǎn)擊數(shù)量時就不需要屬性。

三、數(shù)據(jù)采集

數(shù)據(jù)分析的第一步是數(shù)據(jù)采集。埋點(diǎn)是最常用的數(shù)據(jù)采集的方式，隨著數(shù)據(jù)采集需求的多樣化，無埋點(diǎn)技術(shù)也得到了廣泛的應(yīng)用。

1. 埋點(diǎn)

數(shù)據(jù)埋點(diǎn)，就是在事件被觸發(fā)的地方，設(shè)置一個數(shù)據(jù)收集點(diǎn)。當(dāng)觸發(fā)這個數(shù)據(jù)收集點(diǎn)的事件出現(xiàn)時，對數(shù)據(jù)進(jìn)行收集。

例如需要收集注冊用戶的數(shù)據(jù)?？梢栽谧杂脩舻拇a上埋個數(shù)據(jù)收集點(diǎn)。每當(dāng)用戶注冊時，就進(jìn)行一次數(shù)據(jù)采集。

2. 無埋點(diǎn)

無埋點(diǎn)是相對于埋點(diǎn)來說的。無埋點(diǎn)是指無需代碼埋點(diǎn)的技術(shù)。數(shù)據(jù)收集人員可以通過數(shù)據(jù)采集工具，對需要采集的數(shù)據(jù)點(diǎn)進(jìn)行設(shè)置。

例如，需要收集用戶點(diǎn)擊了購買按鈕的次數(shù)?？梢酝ㄟ^無埋點(diǎn)工具將購買按鈕設(shè)置成一個數(shù)據(jù)采集點(diǎn)。每當(dāng)用戶點(diǎn)擊了購買按鈕，就進(jìn)行一次數(shù)據(jù)采集。

3. 埋點(diǎn)和無埋點(diǎn)對比

1）全面性

代碼埋點(diǎn)可以收集詳細(xì)的數(shù)據(jù)信息。例如，采集用戶一次購買行為的數(shù)據(jù)，可以采集到購買的商品數(shù)量、金額等數(shù)據(jù)。

無埋點(diǎn)方法則只能收集簡單的用戶行為事件。例如，統(tǒng)計(jì)用戶點(diǎn)擊了多少次購買按鈕，但是不能采集購買的詳細(xì)信息。

2）便捷性

代碼埋點(diǎn)每次需要收集數(shù)據(jù)，都需要修改代碼重新發(fā)布版本。對于臨時的數(shù)據(jù)收集需求并不是很方便。

無埋點(diǎn)方式并不需要修改代碼，將收集點(diǎn)設(shè)置好了之后就可以進(jìn)行數(shù)據(jù)收集了。

4. 數(shù)據(jù)庫和日志

除了主動收集用戶數(shù)據(jù)外，產(chǎn)品的數(shù)據(jù)庫和日志，也有大量的用戶行為數(shù)據(jù)。

假設(shè)用戶在產(chǎn)品上設(shè)置了性別、年齡，這些數(shù)據(jù)都將被保存在數(shù)據(jù)庫上。當(dāng)我們需要分析用戶年齡分布時，直接從數(shù)據(jù)庫讀取用戶的年齡數(shù)據(jù)即可。

四、數(shù)據(jù)指標(biāo)

數(shù)據(jù)指標(biāo)可以對業(yè)務(wù)進(jìn)行衡量，便于我們把控產(chǎn)品和業(yè)務(wù)的發(fā)展。

1. 數(shù)據(jù)指標(biāo)的分類

根據(jù)指標(biāo)的作用，可以將指標(biāo)成分結(jié)果型指標(biāo)和過程型指標(biāo)。

1）結(jié)果型指標(biāo)

結(jié)果型指標(biāo)往往可以衡量產(chǎn)品的現(xiàn)狀，描述的是產(chǎn)品“怎么樣？”。如銷售額、轉(zhuǎn)化率等，描述的是產(chǎn)品現(xiàn)狀。

2）過程型指標(biāo)

過程型指標(biāo)則可以了解產(chǎn)品現(xiàn)狀的原因，解決的是產(chǎn)品“為什么這樣？”。如瀏覽量、跳出率。銷售額是受到了瀏覽量、跳出率的影響。

根據(jù)指標(biāo)的表現(xiàn)形式，可以將指標(biāo)分成絕對指標(biāo)和相對指標(biāo)。

3）絕對指標(biāo)

絕對指標(biāo)反映規(guī)模的大小，如銷售額、用戶數(shù)等。

4）相對指標(biāo)

相對指標(biāo)反映質(zhì)量的好壞，如存留率、轉(zhuǎn)化率等。

2. 拆解數(shù)據(jù)指標(biāo)

數(shù)據(jù)指標(biāo)的拆解常用的是杜邦分析法。杜邦分析法最早由美國杜邦公司應(yīng)用，所以被稱為杜邦分析法。利用杜邦分析法是將核心的數(shù)據(jù)指標(biāo)逐層拆解，直至最小指標(biāo)。從而可以深入分析核心指標(biāo)的影響因素。

以銷售額分析為例，銷售額由購買人數(shù)和客單價決定，而購買人數(shù)是在活躍用戶中產(chǎn)生。然后再一層層的進(jìn)行拆解分析。

3. 指標(biāo)的緯度

維度是指事務(wù)或者數(shù)據(jù)的特征，如年齡、地區(qū)、時間等。在做數(shù)據(jù)分析的時候，常常需要通過不同的緯度來進(jìn)行分析的。

通過時間緯度，可以相同指標(biāo)，在不同時期進(jìn)行一個縱向的分析。如分析每天新增用戶的數(shù)量。

通過其他緯度，對同級單位的數(shù)據(jù)進(jìn)行橫向分析。如不同性別、年齡、地區(qū)的用戶之間的指標(biāo)差別。

可以這么說，任何不加緯度的數(shù)據(jù)分析都是耍流氓。在聽到某個產(chǎn)品用戶達(dá)到百萬時，其實(shí)并沒什么太多信息量。有多少用戶還在使用產(chǎn)品？每天新增了多少用戶又流失了多少用戶？我們一無所知。

五、常用維度

1. 時間

常見的時間緯度有年、月、日、時等單位。如年度、月度、一周、單日、日均，都是以時間為緯度。通過縱向?qū)Ρ炔煌瑫r間，指標(biāo)數(shù)據(jù)隨著時間變化的趨勢。

2. 用戶屬性

將用戶按屬性加以區(qū)分，然后分析不同分組的用戶數(shù)據(jù)。不同用戶類型會呈現(xiàn)出不同的用戶行為，如果不加以區(qū)分，容易掩蓋很多現(xiàn)象。

如按注冊時間分，將用戶分成新用戶、老用戶，按地區(qū)，將用戶分成一線、二線、三線城市用戶，按目的將用戶分成買家、賣家等。

3. 終端類型

常見的終端類型按設(shè)備類型分為PC、移動端、平板電腦。按實(shí)現(xiàn)類型Web、Wap、APP等，還有基于大型平臺的微信小程序、百度輕應(yīng)用等。

特別是PC端和移動端的用戶，往往呈現(xiàn)出巨大的使用差異。

4. 版本

按版本來區(qū)分可以查看版本之間的差異，特別是某些重大的迭代更新的版本。以版本作為緯度，可以衡量產(chǎn)品更新后的效果。

5. 事件

通過執(zhí)行某些關(guān)鍵事件對用戶進(jìn)行區(qū)分，繼而對不同用戶進(jìn)行區(qū)分和對比分析。

如基于注冊事件區(qū)分注冊用戶和非注冊用戶，基于發(fā)布內(nèi)容事件區(qū)分內(nèi)容創(chuàng)作用戶和普通用戶。

6. 渠道

對用戶的來源渠道進(jìn)行區(qū)分，是運(yùn)營日常衡量渠道作用的重要標(biāo)志。對產(chǎn)品來說，有時候基于渠道的分析并進(jìn)行針對性設(shè)計(jì)，可以有效的優(yōu)化渠道效果。比如，怎么提升通過搜索引擎訪問的用戶的注冊率。