产品经理如何提建数据

1. 产品经理在做数据分析时，哪些数据指标更应该关注

产品经理需要关注什么数据指标，估计接触过产品一点的人都能够说出来几个数据指标，比如说UV、PV，活跃用户数、新增用户数、留存率等等，诚然这些都是产品经理需要关注的数据，但却并不是说所有的数据都应该去关注。首先应该界定边界，对于不同类型的产品需要关注的数据指标肯定是不一样的，其次对于不同时期的产品所需要关注的指标也是不同的，下文将从种子期、推广期、成熟期三个阶段来简述产品经理需要关注的数据指标。

一．种子期

种子期是不需要做大规模的运营推广的，此阶段的用户更多的是来自于用户自增长，所以在种子期需要关注的数据主要是用户相关的数据是和产品本身的数据。

1.开源

a)活跃用户数量：首先依然是关于“活跃用户”的定义，然后再去关注这个数据指标；

b)付费转化率：对于这样的一款产品，用户愿意为之买单么，转化率说话；

c)ARPU值：每用户平均收入，不同的类型的产品没有可比性，同行业平均水平进行对比。营收=用户数量×付费转化率×ARPU值，为了能够提升营收，可以从这三方面入手去考虑，如何增加用户基数，如何能够提升用户的付费转化率以及用户付费留存率，用户是付费一次就不再付费还是付费之后还会重复付费，以及如何去提高产品的ARPU值。

2.节流

a)沉默用户数量：定义什么样的用户为“沉默用户”，然后去关注这个指标；

b)流失用户数量：定义什么样的用户为“流失用户”，然后去关注这个指标。对于产品而言，一旦用户流失则很难能够再次召回，就算召回，成本也很高，所以应该提前建立预警机制，定义“沉默用户”与“流失用户”，在用户变为沉默用户的时候，就开始采用相应的手段，防止用户流失，同时也应该设立老用户回流机制，进行老用户的召回。数据本身是客观的，但是在解读的过程中则会掺杂主观因素，同时数据波动的背后也可能会有着其他因素的干扰，所以数据也可能会骗人。在用数据说话的同时，也应该辩证性的去看待数据，相信数据但又不唯数据是从。另外对于不同的产品需要关注的数据是不同的，而不同时期的产品需要关注的数据也是不同的，要根据产品本身的特点和产品的生命周期阶段去选择合适的数据指标进行关注，以保证产品的健康发展。

2. 产品运营如何做好数据挖掘与分析

产品经理在日常工作中，最重要的是要提高数据分析能力，除了数据产品经理，其他产品经理并不需要数据挖掘能力。而提高数据分析能力，则要建立数据分析的知识体系和方法论。

这两年，随着大数据、精益化运营、增长黑客等概念的传播，数据分析的胡御思维越来越深入人心。处于互联网最前沿的产品经理们接触了大量的用户数据，但是却一直困扰于如何做好数据分析工作。

那么产品经理该如何搭建自己的数据分析知识体系？数据分析的价值又在哪里？产品经理做数据分析有哪些具体的方法？又如何学习数据分析？本文将和大家分享一下这些问题。

Part1|数据分析体系：道、术、器

“道”是指价值观。产品经理要想是做好数据分析，首先就要认同数据的意义和价值。一个不认同数据分析、对数据分析的意义缺乏理解的人是很难做好这个工作的。

“术”是指正确的方法论。现在新兴的“GrowthHacker”（增长黑客）概念，从AARRR框架(获取、激活、留存、变现与推荐五个环节）入手进行产品分析，这是一个非常好的分析方法。

“器”则是指数据分析工具。一个好的数据分尺做慧析工具应该能帮助产品经理进行数据采集、数据分析、数据可视化等工作，节省产品经理的时间和精力，帮助产品经理更好理解用户、更好优化产品。

Part2|数据分析的价值

产品经理不能为了数据分析而分析，而要将落脚点放到产品和用户上。数据分析应该帮助产品经理不断优化产品设计和迭代，驱动产品和用户增长。

当我们上线了一个新的产品（proct）或者功能时，需要对其进行数据监控和衡量（measure）。然后从监控中采集到产品的用户行为数据（data），并对这些数据进行分析和总结（learn）。最后从分析中得出结论和观点（idea），如果数据证明我们的新产品/功能是优秀的，那么可以大力推广；如果数陵答据说明我们的产品还存在问题，就需要对产品进行新一轮的优化（build）。

在“产品——数据——结论”的不断循环中，我们不断用数据来优化我们的产品，加快产品迭代的步伐、提升用户体验。

Part3|数据分析的方法

1.流量分析

a.访问/下载来源，搜索词

网站的访问来源，App的下载渠道，以及各搜索引擎的搜索关键词，通过数据分析平台都可以很方便的进行统计和分析，分析平台通过归因模型判断流量来源，产品经理在分析这些流量时，只需要用自建或者第三方的数据平台追踪流量变化即可，第三方平台如GoogleAnalytics、GrowingIO等；

b.自主投放追踪

平时我们在微信等外部渠道投放文章、H5等，许多产品都会很苦恼无法追踪数据。

分析不同获客渠道流量的数量和质量，进而优化投放渠道。常见的办法有UTM代码追踪，分析新用户的广告来源、广告内容、广告媒介、广告项目、广告名称和广告关键字。

c.实时流量分析

实时监测产品的访问走势，尤其要关心流量异常值。举个例子，某互联网金融平台因为一个产品Bug导致用户疯狂抢购造成的流量峰值，产品经理发现实时数据异常后迅速下线该产品修复Bug，避免了损失扩大。

2.转化分析

无论是做网站还是App，产品里面有很多地方需要做转化分析：注册转化、购买转化、激活转化等等。一般我们借助漏斗来衡量用户的转化过程。

影响转化率的因素很多，我们总结了三个大的方面：渠道流量、用户营销、网站/APP体验。以渠道流量为例，通过优选渠道并且量化分配我们的投放资源，可以有效提升总体的转化率。

3.留存分析

在互联网行业里，通常我们会通过拉新把客户引过来，但是经过一段时间可能就会有一部分客户逐渐流失了。那些留下来的人或者是经常回访我们公司网站/App的人就称为留存。

在一段时间内，对某个网站/App等有过任意行为的用户，称之为这个网站/App这段时间的活跃用户，这个任意行为可以是访问网站、打开App等等。

现在大家经常会用到所谓的“日活”（日活跃用户量，DAU）、“周活”（周活跃用户量，WAU）来监测我们的网站，有的时候会看到我们的“日活”在一段时期内都是逐渐地增加的，以为是非常好的现象，但是如果没有做留存分析的话，这个结果很可能是一个错误。

留存是产品增长的核心，用户只有留下来，你的产品才能不断增长。一条留存曲线，如果产品经理不做什么的话，那么用户就慢慢流失了。

这是一个常见的留存曲线，我把它分成了三个部分：第一部分是振荡期，第二部分是选择期，第三部分是平稳期。

从产品设计的角度出发，找到触发留存的关键行为，帮助用户尽快找到产品留存的关键节点。之前我们发现我们产品里面，使用过“新建”功能用户的留存度非常高；于是我们做了产品改进，将“新建”按钮置于首页顶部刺激用户使用，效果非常好。

硅谷流行的MagicNumber（魔法数字）也是留存分析的一部分，比如Facebook发现“在第一周里加10个好友”的新用户留存度非常高。作为产品经理，我们也需要通过数据分析来不断探索我们产品里面的魔法数字，不断提高用户留存度和活跃度。

更详细的留存分析方法，可以参考这篇文章你能找到的最深入的留存分析文章-留存·增长·MagicNumber?。

4.可视化分析

用户体验，是一个非常抽象的概念，我们可以对其进行形象化。目前一个普遍的方法就是对用户的数据进行可视化，以热图的形式呈现。

借助热图，产品经理可以非常直观了解用户在产品上的点击偏好，检验我们的产品设计或者布局是否合理。

5.群组分析&挖掘用户需求、改进及优化产品

千人千面，产品经理对用户精细化的分析必不可少。不同区域、不同来源、不同平台甚至不同手机型号的用户，他们对产品的使用和感知都可能存在巨大的差异。产品经理可以对不同属性的用户进行分群，观察不同群组用户的行为差异，进而优化产品。

之前我们做过一次分析，网站的总体注册转化率是6%；但是使用Chrome浏览器的新用户注册转化率高达12%，使用IE浏览器的新用户注册转化率才1%。这样一分的话，问题就很明显了，极有可能是浏览器兼容性的问题，产品经理应该关注一下这个问题。

Part4|数据分析的书籍

做好数据分析，不是一朝一日就可以的，需要在产品规划设计、产品升级迭代中不断实践。下面的这些书籍对于产品经理学习数据分析都有一定的帮助：

推荐1：

@范冰XDash

的《增长黑客》

这是国内对于增长黑客的第一本详细介绍，作者从AARRR的视角切入，描述了大量产品优化、产品增长的案例，对于产品经理非常有益。

推荐2：埃里克·莱斯的《精益数据分析》

在这本书里面，作者介绍数据分析的相关指标、不同行业的数据分析要点，并且有大量的数据分析案例和翔实数据。如果想要把数据分析落地，这本书对产品经理是非常有帮助的。

推荐3：我们一直在做互联网行业数据分析知识的普及，目前我们已经做了14期“GrowingIO数据分析公开课”，面向产品经理、运营等等，这里是GrowingIO的产品和分析师写的《互联网增长第一本数据分析手册》

这里面汇编了我们一年多来数据分析、产品优化的实战案例，里面不少文章被被大号转过，例如《如何成为一个优秀的数据产品经理》等等。

下载电子版的分析手册，请参考这里互联网增长的第一本数据分析手册。

推荐4：埃里克·莱斯的《精益创业》

作者提出了最小可行性产品（MVP）、小步快跑，快速迭代等产品设计和优化的理念，影响深远。

总之，数据分析是一门多学科、多领域的交叉学问，涉及到的东西非常多。产品经理要想做好数据分析，应该有一套完整的思维体系，在价值观、方法论和工具三个层面上储备相关知识。同时立足于产品和用户，用数据来打磨产品，用数据来检验迭代，不断提升用户体验，希望大家都能找到合适自己的岗位实现择优就业。

3. 浜у搧杩愯惀钖屽︼纴濡备綍姝ｇ‘镄勬彁鏁版嵁闇姹

镞ュ父宸ヤ綔閲岋纴鏁版嵁浜у搧缁忕悊寰寰浼氲窡寰埚氶渶姹傛柟镓扑氦阆掳纴鍦ㄩ渶姹备笂璺熷悇涓氩姟鏂广屽懆镞嬨嶃傜洰镄勯兘鏄涓轰简璁╅渶姹傛湰韬鍙桦缑镟村姞鍏蜂綋銆佸悎鐞嗭纴璁╅渶姹傜殑鐩稿叧淇℃伅灏藉彲鑳界殑阃忔槑銆佸嗳纭銆备缭璇侀渶姹傚湪钖庣画寮鍙戠殑镓ц屾晥鐜囷纴鍑忓皯𨱒ュ洖娌熼氱殑鎴愭湰锛屼互鍙婇檷浣庤繑宸ョ殑椋庨橹銆

链绡囧叿浣撹亰涓涓嬶纴涓涓鎴愮啛镄勬暟鎹闇姹傚簲璇ユ槸浠涔堟牱镄勶纸鏂囦腑镓娑夊强鍐呭逛篃鍦ㄥ叕鍙稿唴閮ㄧ粰鐩稿叧涓氩姟鏂瑰仛杩囧垎浜锛夈

涓涓鏁版嵁闇姹傦纴涓昏佺敱锲涢儴鍒嗗叧阌镣圭粍鎴愶细涓氩姟鑳屾櫙銆佹槑纭闂棰樸佸舰鎴愭寚镙囥侀渶姹傚垎绫汇

1.1 涓氩姟鑳屾櫙锛氢粙缁崭笟锷¤儗鏅

鐩镄勶细镙稿绩鏄涓轰简钖戞暟鎹锲㈤槦浜у搧鎴栨妧链钖屽︼纴钖屾ラ渶姹傝儗鏅銆傛弿杩板綋鍓嶉渶姹傜殑涓氩姟鑳屾櫙锛屽拰𨱍宠佸埄鐢ㄦ暟鎹瑙ｅ喅镄勯梾棰樿寖锲淬傚洜涓轰粠鏁版嵁瑕佽В鍐崇殑闂棰樿竟鐣屼笂锛屾湁浜涙槸鏁版嵁娌℃湁锷炴硶鑳藉熻В鍐崇殑銆傝岄渶姹傚湪鎻愬嚭镄勬椂鍊欎篃闇瑕佹敞镒 銆屽氢粠鍏ㄥ眬钥冭槛闂棰桡纴钥屼笉鏄灞闄愪簬镆愪釜灏忎笟锷℃ā鍧楋纴阆垮厤閲嶅嶉犺疆瀛愩 銆

甯歌侀梾棰桡细

闇姹傛病链変笟锷¤儗鏅鎻忚堪锛屾垨鑳屾櫙鎻忚堪绌烘硾锛岃繖镙烽犳垚镄勭粨鏋沧槸锛

1锛夋暟鎹浜у搧钖屽︽棤娉曡瘎浼伴渶姹傚悎鐞嗘э纴镞犳硶鍦ㄩ渶姹傛睁闇姹傚垪琛ㄨ繘琛屼紭鍏堢骇鎺掑簭

2锛夋棤娉曡瘎浼版槸钖︽湁镟村ソ锛屾洿浼樼殑瑙ｅ喅鏂规

1.2 鏄庣‘闂棰桡细甯屾湜鏁版嵁瑙ｅ喅浠涔堬纻

鐩镄勶细涓轰简镟村嗳纭镄勬槑纭闇姹傛湰韬鏄浠涔堬纴甯屾湜鏁版嵁𨱒ヨВ鍐充粈涔堛傞氩父鍒嗕负涓夌偣锛

1锛変笟锷″舰寮忥细璁叉竻妤氢笟锷℃柟鏄浠涔堜笟锷★纴闇姹傛墍灞炰粈涔堜笟锷★纴渚嫔傝㈠崟鐩稿叧锛岄庢带鐩稿叧锛屼緵缁欑浉鍏筹纴瀹㈡湇鐩稿叧绛

2锛変笟锷¤勬ā锛氢笟锷¤嚜韬镄勪綋閲忓备綍锛屼骇鐢熺殑鏁版嵁闆嗗悎鏁版嵁缁撴灉澶ф傛槸浠涔堥噺绾с傝繖链変究浜庨渶姹傝瘎浼版椂鍊欑殑鎶链阃夊瀷锅氩喅绛

3锛変笟锷″懆链燂细涓氩姟链韬鏄闀挎湡涓氩姟杩樻槸璇旷偣镄勭煭链熼”鐩锛屾槸娴嬭瘯链熷唴杩樻槸宸茬粡姝ｅ纺涓婄嚎锛熻繖浼氩喅瀹氶渶姹傜殑杈揿嚭鏂瑰纺锛堥偖浠讹纴鎶ヨ〃锛屼复镞禨QL鎻愪緵绛夛级

甯歌侀梾棰桡细

1锛変笉鎻愪緵涓氩姟镄勫懆链熶俊鎭锛岄犳垚铡熸湰搴旇ョ敤涓存椂镓嬫佃В鍐崇殑闇姹傝浆钥岀敤浜呜祫婧愭秷钥楄缉楂樼殑鏂规堬纴寰椾笉锅垮け

1.3 褰㈡垚鎸囨爣锛氭瀯寤烘寚镙*缁村害 

銆屾寚镙囥 鎸囩殑鏄瀵逛笟锷￠噺绾ф弿杩扮殑搴﹂噺鍊硷纴 銆岀淮搴︺ 鎸囩殑鏄瑙傚疗搴﹂噺鍊肩殑瑙呜掋备緥濡傦细钬滆㈠崟鏁帮纴鐢ㄦ埛閲忥纴鍟嗗搧鏁扳濈瓑灞炰簬鎸囨爣锛涜屸滃搧绫伙纴鐪佷唤锘庡竞锛岀粓绔钬濈瓑灞炰簬缁村害銆

鐩镄勶细濡傛灉鏄缁熻＄被鍨嬬殑闇姹傦纴杩欎竴姝ュ彲浠ュ皢闇姹傜粏鍖栵纴鍏蜂綋鍒版湁鍝浜涙寚镙囧拰鍝浜涚淮搴︼纴杩椤皢鐩存帴鍐冲畾鎶链钖屽﹀湪銆屽疄鏂姐嶅眰闱㈢殑镙囧嗳銆备竴涓钖堢悊鏄庣‘镄勬暟鎹闇姹傚姟蹇呴渶瑕佸啓娓呮氾细

1锛夋寚镙囷细鎸囨爣镄勪笟锷℃弿杩帮纴鎸囨爣链韬镄勭粺璁￠昏緫

2锛夌淮搴︼细浠庡摢浜涜呜掕傚疗搴﹂噺鍊硷纴缁村害鍦ㄧ簿涓嶅湪澶氥傚悓镞剁淮搴︾殑澶氩皯涔熷皢鐩存帴褰卞搷鏁版嵁镄勮＄畻鍜岀粨鏋滃瓨鍌ㄧ殑鎴愭湰锛屼篃鏄闇姹傚悎鐞嗘х殑閲嶈佽瘎鍒や緷鎹

甯歌侀梾棰桡细

1锛夋病链夌淮搴︼纴鎸囨爣涓嶅叏闱銆傞犳垚闇姹傝繑宸

2锛夋寚镙囨棤鏄庣‘瀹氢箟锛岃＄畻瑙勫垯銆傛棤娉曞啓璁＄畻阃昏緫

1.4 闇姹傚垎绫伙细鏄庣‘杈揿嚭鏂瑰纺

鐩镄勶细鎻忚堪镄勯渶姹傜殑鍒嗙被锛屽嵆涓氩姟钖屽︽兂瑕佸疄鐜扮殑杈揿嚭鏁堟灉銆傞渶姹傜殑杈揿嚭鏂规堜细鍒嗕负鍑犵被锛氲祴鑳藉瀷锛岀荤嚎灞旷ず鍨嬶纴瀹炴椂鐩戞带鍨嬶纴涓挞桦垎鏋愬瀷锛屼复镞堕渶姹

甯歌侀梾棰桡细

1)铡熸湰涓存椂镄勯渶姹傝佸仛鎴愮嚎涓婄荤嚎鎶ヨ〃鎴栧疄镞剁洃鎺э纴璧勬簮娑堣楅珮

2)鍙浠ヤ竴娆″缑鍑虹粨璁虹殑瑕佹眰闀挎湡鐩戞带锛屾姇鍏ヤ骇鍑哄洖鎶ョ巼浣

涓氩姟锲㈤槦鎸夌収闇姹傝勮寖鎻愪緵浜嗛渶姹傚悗锛屼紶阃掑埌鏁版嵁锲㈤槦镓嬩腑銆傜敱鏁版嵁浜у搧缁熶竴鎶婂叧锛岃嫢鍦ㄤ竴浜涙妧链闂棰树笂涓嶈兘鏄庣‘缁椤嚭瑙ｅ喅鏂规堢殑锛屽垯闇瑕佹媺涓婃妧链钖屽﹀叡钖岃瘎浼般傛暣浣揿洿缁曚袱鏂归溃灞曞紑锛

2.1 闇姹傝佺礌锛氭湁鏁版嵁锛屽彲镓ц岋纴鏁版嵁鑳藉熻В鍐

鎴戜滑鍦ㄨ瘎浼版暟鎹闇姹傜殑镞跺欓渶瑕佹槑纭涓镣广屾暟鎹闇姹!=闇姹伞嶏纴鏁版嵁闇姹备笁瑕佺礌锛

1锛夋湁鏁版嵁锛氭湁鎸囨爣鏁版嵁锛屼笖蹇呴’鍑嗙‘鍙闱

2锛夊彲镓ц岋细鏁版嵁鑳借惤鍦帮纴鎶链镓嬫靛彲瀹炵幇

3锛夋暟鎹鑳藉熻В鍐筹细鏁版嵁闇姹傛墍阃夋寚镙囧彲瑙ｅ喅涓氩姟闂棰桡纴钥冮噺闇姹傝惤鍦版э纴浜у搧链缁堢粨鏋沧槸钖﹀彲椹卞姩涓氩姟锷ㄤ綔

2.2 镓ц岃掕壊锛氲皝瑙ｅ喅

鍦ㄤ簨𨱍呯殑镓ц屼笂锛岄氩父浼氭湁涓浜涢渶姹傝竟鐣屼笉娓呮榈锛岃屽湪涓涓缁勭粐閲屼细锲犱负浜嬫儏杈圭晫镄勪笉娓呮榈甯︽潵璇稿氶梾棰樸傞渶姹傝竟鐣屼笉娓呮榈镄勪綋鐜伴氩父琛ㄧ幇涓猴细铡熸湰璇ヤ笟锷″洟阒熻嚜琛屽疄鐜扮殑锛岃浆钥岄噰鐢ㄤ简娑堣楄祫婧愯缉澶х殑鏁版嵁涓扑笟锲㈤槦镄勮兘锷涘疄鐜帮纴杩欐槸涓绫汇屽ぇ鍒镰嶅皬镙戙岖殑鐜拌薄锛屼细阃犳垚娌″繀瑕佺殑璧勬簮娴璐广

锲犳ゆ垜浠鍦ㄥ垝鍒嗛渶姹傝竟鐣岀殑镞跺欓氩父链夊备笅瑙勫垯锛

1锛夋暟鎹锲㈤槦锛氭牳蹇冭В鍐 钬沧姤琛ㄥ彲瑙嗗寲銆佽法涓氩姟锲㈤槦銆佸熀浜 镞ュ织銆侀噺澶р 绫诲瀷闇姹

2锛変笟锷″洟阒燂细

2.1)鍗曚竴涓氩姟闇姹

2.2)绾夸笂瀹炴椂鏁版嵁闇姹 (鎺ュ彛)镓归噺璁块梾绛夊満鏅 绫诲瀷闇姹傦绂涓句緥:涓存椂鏁版嵁銆佽嚜锷ㄩ偖浠躲佸叧绯诲瀷鎺ュ彛

浠ヤ笂

4. 产品经理怎么用好数据分析

在上一篇文章中我们为大家介绍了产品经理为什么要使用数据分析来工作以及数据分析工作需要的技能，那么大家知道不知道产品经理需要分析哪些数据呢，数据分析的工具是什么呢，如何进行数据分析呢？下面就由小编为大家解答一下这些问题。
首先给大家说一下产品经理需要分析哪些数据？产品经理需要分析的数据有很多，就是基础数据。基础数据就是下载量、激活量、新增用户量、活跃用户等。还有社交产品，社交产品有用户分布、用户留存等。还有电商。淘宝指数、网站流量、跳出率、页面访问深度等。同时还有内容类，内容转化率、留存量。工具类就是功能点击量、应用商城排名。
那么大家知道不知道数据分析的工具都有哪些呢？数据分析工具主要就是第三方数据分析工具，这样据可快速接入，节省成本，比较适合创业型公司及刚上线的产品，但是无法对关键数据在突发异样时进行跟踪。除了这些，还有自己开发的数据分析工具，可以对每个数据进行实时跟踪，并快速做出产品的调整，需要足够的开发人员及成本，比较适合大型公司或者成熟型产品。
那么如何进行数据分析呢？我们需要先对数据建模，再对实际分析数据，看是否与模型吻合。但是，我们却需要要有一个产品数据分析的思路，这个思路可以这样展开：我为什么分析？即就是明白，我分析的目的是什么，是寻找问题的原因？还是寻找问题的解决方式？同时，我们还需要考虑通过分析想要达到什么效果？是通过分析付费用户，找到问题，解决问题从而提升收入？当然，我们还需要我该分析哪些数据才能达到这个效果？即需要什么数据才能达到分析的目的。同时我们需要考虑如何采集这些数据？是直接通过第三方数据分析工具或者我们自己开发的工具就可获得？还是说要从数据库调取再交给程序员？同时还如何整理这些数据？即我们常说的数据可视化，这样可以便于我们进行分析。如何分析？即通过分析，找出问题的所在，给出你的结论。怎么解决问题？给出你的解决方案。
通过这篇文章我们不难发现数据分析的内容是有很多的，我们在学习数据分析的时候一定要做好数据分析知识的储备，这样才能够做好数据分析工作，尤其是作为产品经理，为了巩固自己的职业地位和提高竞争力没，我们必须要让自己不断地学习吸收新的知识。最后感谢大家的阅读。