數據分析常用的幾個方法

數據分析是產品經理必備技能之一，在產品需求階段可以通過數據分析對用戶的需求去偽存真，在產品上線運營階段，又可以通過數據驗證產品的可行性并且進行迭代。所以產品經理要掌握常見的數據分析的方法。 

1.多維度事件分析

多維度事件分析：通常是從多個角度分析數據，從中發現數據具體的變化原因。

舉個例子：

客戶端+時間

從數據中可以看出：IOS用戶端每個月的用戶量在增加，而安卓用戶端每個月的用戶量在減少，從這可以看出總的用戶量不變的主要原因是安卓用戶端用戶量在減少。

2.漏斗分析法

用來分析從潛在用戶到最終用戶這個過程用戶數量的變化趨勢，從而尋找到最佳的優化空間。

這個例子是分析從用戶提交成功表單到Demo試用的變化趨勢。

從用戶成功提交表單到Demo上所有事件轉化率是4.89%,從Demo上所有事件到提交申請接入數據轉化率是0.56%。從表的下面可以看出，用戶使用郵件辦理的轉化率分別是8.12%和0.76%。用戶使用電話辦理的轉化率分別是0.93%和0.31%。從中可以看出電話辦理的轉化率低于平均轉化率，從而要考慮如何去優化和改善電話這方面的流程。當然真實的用戶行為往往可能不是按照這個簡單的流程來的。所以我們也要去分析為什么用戶要經過那么復雜的流程來達到目的，思考著中間有沒有優化的可能。

3.留存分析法

留存是產品增長的核心，只有用戶留下來產品才有可能得到增長。從產品設計角度出發，找到出發流程的關鍵行為，幫助用戶找到產品的留存的關鍵節點。比方用戶在使用過產品的新建功能留存度非常高，所以我們把新建這個按鈕放在很顯眼的地方刺激用戶使用，結果留存度非常高。

留存關系到產品的生死，有時候產品花費大量的人力物力而導入的流量，留存率太低，用戶還沒有產生價值就離開。這對于公司是比較大的損失。所以想辦法找到產品留存的關鍵節點把用戶留下來是十分重要的。

4.群組分析法

產品經理對用戶的精細的分析必不可少，不同的區域，不同的來源，不同的平臺用戶對產品的使用和感知是有很大的不同。所以產品經理可以對不同屬性的用戶進行分群，從而觀察到群組用戶的行為差異，進而優化產品。

之前我們做過一次分析，網站的總體用戶注冊轉化率只有6%。用戶用360瀏覽器的轉化率為12%，用IE瀏覽器的轉化率為1%，這樣一分就很明顯了，可以重點去關注IE瀏覽器用戶的行為路徑去查找到底是什么原因。

最后介紹個常用的數據分析模型

AARRR模型

AARRR模型是可以告訴我們產品的幾個階段分別需要注意哪些數據，AARRR分別是幾個英文的字母首寫，分別代表：獲取，激活，留存，收入，推薦。

獲?。?指產品推廣，用戶是從哪里來的）需要關注的數據是：曝光度，打開率，點擊率，下載量，用戶獲取成本。

激活：（指用戶使用產品）需要關注的數據是：新用戶注冊量，日活躍，訂閱數，瀏覽數。

留存：（指用戶使用產品的時限）需要關注數據是：次日留存（DAU)，7日留存率（WAU),距離上次使用時長。

收入：（指產品獲得的利潤）需要關注的數據是：付款率，客單價，付費頻率，用戶價值。

推薦：（指用戶推薦其他人使用我們產品）需要關注數據是：轉發數，邀請書，評論數。

總結

以上所講的都是一些簡單常用的數據分析方法，產品經理要最起碼要懂得如何去進行數據分析，這樣才能根據數據的反饋進行產品的優化。不停奔跑，不停思考，我就是我，進階的PM丁小二。