用實例告訴你，如何對產品進行數據分析

數據分析的核心并不在于數據本身，而在于設計有意義、有價值的數據指標，通過科學有效的手段去分析，進而發現問題優化迭代。數據分析因價值而存在，數據分析本就是一個價值增量的過程。

數據分析三個核心要點：

1. 什么是數據分析？（What）
2. 為什么數據分析？（Why）
3. 如何數據分析？(How)

第一個問題就不多贅述了，重點實例解析第二、三個問題。數據分析的緣由/出發點很復雜，甚至有時候讓人很焦灼，因為不同用戶數據分析的出發點及分析過是完全不一樣的。站在一個更高視角分析數據，或者說數據分析的維度不僅限于產品思維概念上的數據需要，而是一個關乎產品一體性的命題。

案例分析

下面將逐一以實例的形式解讀數據分析的兩個核心問題，大致分為以下幾步：

第一步：確認數據分析的對象

企查查APP現階段筆者從事征信行業的產品工作，正在參與一款企業信用信息查詢APP V2.x的升級迭代。此次的該類分析過程側重數據指標制定和建模的過程，而并非實際數據的展示（別人家的應用，沒有辦法拿到完整的數據源）。再次強調，數據指標的制定遠比數據分析過程要重要的多或者說更加富有創造性。

第二步：制定數據分析指標

1.商業模式/盈利方式分析

免費增值模式，先做成流量的入口，后期分享流量紅利擴大轉化率。

2.了解產品現狀/定量分析產品

2.1 用戶分析

用戶規模：

用戶群體按照群體大致分為個人、企業，分析出個人和企業用戶的人數比例，明確整體的用戶分布情況。

每月/日/日的新增用戶、流失用戶、回流用戶的比例的走勢，選擇恰當的走勢變化渠道；

用戶質量：產品粘性及病毒性的反應，體現在用戶的活躍度上，一般包括，日活躍（DAU）、周活躍（WAU）、月活躍（MAU）；

采用同期群和用戶分類的分析方法，特定用戶群體的特定分析過程，用戶質量也是渠道或營銷活動效果的間接體現，以便后期及時的調整和處理；

用戶質量的標準制定，包括忠誠用戶、聯系活躍用戶、流失用戶等等，為反應不同指標設置特定的用戶質量指標；

2.2 應用分析：

啟動次數，某日/周/月的啟動次數占所選時段總啟動次數的比例，直接反應用的生活時間成本；

版本分布，對開發和維護的意義非常深刻，展示累計用戶排名前10的各個版本變化趨勢，可以幫助了解每個版本的新增用戶，最新版本的升級情況，目前的哪些版本狀況；

使用情況，統計周期內，一次啟動的使用時長；一天內啟動應用的次數；用統一用戶相鄰兩次啟動間隔的時間長度；

設備終端和錯誤分析也是很有必要的；

2.3 行業分析：

a. 行業數據可以幫助了解行業內應用的整體水平，可以查看應用的全體應用或同類應用中各個指標的數據、排名及趨勢，有助于衡量應用的質量和表現；

b. 了解行業數據，可以知道自己的APP在整個行業的水平，可以從新增用戶、活躍用戶、啟動次數、使用時長等多個維度去對比自己產品與行業平均水平的差異以及自己產品的對應的指標在整個行業的排名，從而知道自己產品的不足之處。

以上并沒有對具體的數據源實施實質性的分析并結論，這部分的都是基本的處理過程就不做贅述。

業務場景：

1. 查首頁支持企業名稱、人名、品牌名等信息的模糊查詢，并且在搜索系統之下直接提供四個維度[企業名稱]、[股東高管]、[經營范圍]、[品牌管理]的一級輔助搜索條件。

2. 企業信息維度算是一款企業信息服務平臺的資源性優勢，也是一款內容應用的核心模塊。不同類型的用用戶對不同類型的信息的感興趣程度都存在個性化的特征，而用戶行為特征數據的記錄和挖掘是一件意義非凡的事情。

產品分析：

1. 企業信息查詢第一級別的功能是搜索，第二級別的功能是條件搜索；理論上講，后者在搜索的精確程度上要更加有優勢。
2. 確認哪些企業信息查詢維度，在偌大的信息描述標簽中，初生代的產品大致會以常規經驗型知識選擇冷啟動的內容。

數據指標：

1. 不同檢索維度的搜索量；

結論：以信息檢索維度的搜索量，選出哪些企業信息搜索維度置于條件搜索中，并決定其分布的順序和位置；

2. 不同描述維度的查詢量

結論：

a. 以信息描述維度的查詢次數，區分哪些企業信息描述維度置于的受關注程度，量化區分不同信息的關注度和用戶價值；

b. 交叉分析不同維度的信息，用戶屬性，比如：行業+查詢維度，綜合分析不同特征的用戶群的核心關注點。該類信息的分析挖掘有利于新產品的創新和嘗試，比如精簡版企業信用報告，”體量最小化，價值最大化”，不錯的產品嘗試和良好的用戶體驗；

c. 內容受歡迎程度及需求的迫切程度，面向不同類型的用戶，比如：普通用戶、企業用戶（行業細分——P2P、銀行、VC、海關、政務等等），內容分級、資源分層更好地配合免費增值模式、會員等級產品形態。正對不同用戶特征給予不同的需求滿足形式都是值得嘗試和探索的，單一、傳統的直銷的商業模式或許有被迭代升級的可能；

小結

數據分析很簡單，并不是大家所描述地那樣神秘不可破。產品數據分析意義在于指導產品設計，傳達感性認知背后的理性意義。斗膽分享以下我個人的數據分析理念（關鍵字）：

產品階段

分析目的

商業模式

產品形態

無論數據分析的結論積極還是負面，都是產品價值映射，必須投以客觀的態度。數據分析是驗證產品設想的最具說服力的工具，但忽略數據分析背后的人性和商業思考，那么數據分析也就在根本上失去了意義。

管理學大師彼得.德魯克說過：你無法衡量的東西，你也無法管理。數據分析可以有效的制衡產品經理本身的那種內在妄想，通過數據分析能幫助我們找到更加合適的產品和市場，甚至說締造出一個更加可持續、可復制、持續在增長的商業模式。