一名優秀的產品經理，該如何做好數據分析？

這兩年，隨著大數據、精益化運營、增長黑客等概念的傳播，數據分析的思維越來越深入人心。處于互聯網最前沿的產品經理們接觸了大量的用戶數據，但是卻一直困擾于如何做好數據分析工作。

那么產品經理該如何搭建自己的數據分析知識體系？數據分析的價值又在哪里？產品經理做數據分析有哪些具體的方法？又如何學習數據分析？本文將和大家分享一下這些問題。

數據分析體系：道、術、器

“道”是指價值觀。產品經理要想是做好數據分析，首先就要認同數據的意義和價值。一個不認同數據分析、對數據分析的意義缺乏理解的人是很難做好這個工作的。

“術”是指正確的方法論?，F在新興的“Growth Hacker”（增長黑客）概念，從AARRR框架 ( 獲取、激活、留存、變現與推薦五個環節）入手進行產品分析，這是一個非常好的分析方法。

“器”則是指數據分析工具。一個好的數據分析工具應該能幫助產品經理進行數據采集、數據分析、數據可視化等工作，節省產品經理的時間和精力，幫助產品經理更好理解用戶、更好優化產品。

數據分析的價值

產品經理不能為了數據分析而分析，而要將落腳點放到產品和用戶上。數據分析應該幫助產品經理不斷優化產品設計和迭代，驅動產品和用戶增長。

當我們上線了一個新的產品（product）或者功能時，需要對其進行數據監控和衡量（measure）。然后從監控中采集到產品的用戶行為數據（data），并對這些數據進行分析和總結（learn）。最后從分析中得出結論和觀點（idea），如果數據證明我們的新產品/功能是優秀的，那么可以大力推廣；如果數據說明我們的產品還存在問題，就需要對產品進行新一輪的優化（build）。

在“產品——數據——結論”的不斷循環中，我們不斷用數據來優化我們的產品，加快產品迭代的步伐、提升用戶體驗。

數據分析的方法

方法1：流量分析

分析不同獲客渠道流量的數量和質量，進而優化投放渠道。常見的辦法有UTM代碼追蹤，分析新用戶的廣告來源、廣告內容、廣告媒介、廣告項目、廣告名稱和廣告關鍵字。

實時監測產品的訪問走勢，尤其要關心流量異常值。舉個例子，某互聯網金融平臺因為一個產品BUG導致用戶瘋狂搶購造成的流量峰值，產品經理發現實時數據異常后迅速下線該產品修復BUG，避免了損失擴大。

方法2：轉化分析

廣義上所有的商業網站都是電商網站；因為都需要用戶轉化、需要用戶變現。在我們的產品里面有很多地方需要做轉化分析：注冊轉化、購買轉化、激活轉化等等。一般我們借助漏斗來衡量用戶的轉化過程。

影響轉化率的因素很多，我們總結了三個大的方面：渠道流量、用戶營銷、網站/APP體驗。以渠道流量為例，通過優選渠道并且量化分配我們的投放資源，可以有效提升總體的轉化率。

方法3：留存分析

留存，顧名思義是指用戶首次訪問你的網站/APP后多少天后回訪。留存是產品增長的核心，用戶只有留下來，你的產品才能不斷增長。一條留存曲線，如果產品經理不做什么的話，那么影虎就慢慢流失了。

從產品設計的角度出發，找到觸發留存的關鍵行為，幫助用戶盡快找到產品留存的關鍵節點。之前我們發現我們產品里面，使用過“新建”功能用戶的留存度非常高；于是我們做了產品改進，將“新建”按鈕置于首頁頂部刺激用戶使用，效果非常好。

硅谷流行的Magic Number（魔法數字）也是留存分析的一部分，比如Facebook發現”在第一周里加10個好友“的新用戶留存度非常高。作為產品經理，我們也需要通過數據分析來不斷探索我們產品里面的魔法數字，不斷提高用戶留存度和活躍度。

方法4：可視化分析

用戶體驗，是一個非常抽象的概念，我們可以對其進行形象化。目前一個普遍的方法就是對用戶的數據進行可視化，以熱圖的形式呈現。

借助熱圖，產品經理可以非常直觀了解用戶在產品上的點擊偏好，檢驗我們的產品設計或者布局是否合理。

方法5：群組分析

千人千面，產品經理對用戶精細化的分析必不可少。不同區域、不同來源、不同平臺甚至不同手機型號的用戶，他們對產品的使用和感知都可能存在巨大的差異。產品經理可以對不同屬性的用戶進行分群，觀察不同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，網站的總體注冊轉化率是6%；但是使用Chrome瀏覽器的新用戶注冊轉化率高達12%，使用IE瀏覽器的新用戶注冊轉化率才1%。這樣一分的話，問題就很明顯了，極有可能是瀏覽器兼容性的問題，產品經理應該關注一下這個問題。

數據分析的書籍

做好數據分析，不是一朝一日就可以的，需要在產品規劃設計、產品升級迭代中不斷實踐。下面的這些書籍對于產品經理學習數據分析都有一定的幫助：

推薦1：范冰的《增長黑客》

這是國內對于增長黑客的第一本詳細介紹，作者從AARRR的視角切入，描述了大量產品優化、產品增長的案例，對于產品經理非常有益。

推薦2：埃里克·萊斯的《精益數據分析》

在這本書里面，作者介紹數據分析的相關指標、不同行業的數據分析要點，并且有大量的數據分析案例和翔實數據。如果想要把數據分析落地，這本書對產品經理是非常有幫助的。

推薦3：GrowingIO的產品和分析師寫的《互聯網增長第一本數據分析手冊》

這里面匯編了我們一年多來數據分析、產品優化的實戰案例，里面不少文章被被大號轉過，例如《如何成為一個優秀的數據產品經理》等等。

下載電子版的分析手冊，請參考這里。

推薦4：埃里克·萊斯的《精益創業》

作者提出了最小可行性產品（MVP）、小步快跑，快速迭代等產品設計和優化的理念，影響深遠。

結語

數據分析是一門多學科、多領域的交叉學問，涉及到的東西非常多。產品經理要想做好數據分析，應該有一套完整的思維體系，在價值觀、方法論和工具三個層面上儲備相關知識。同時立足于產品和用戶，用數據來打磨產品，用數據來檢驗迭代，不斷提升用戶體驗。