一、确认分析目标

进行数据分析工作一定要有目的性，不要为了分析而分析。当我们遇到问题时要先去，要先去考虑我们做数据分析是为了解决哪些问题。

做数据分析，必须要有一个明确的目的，知道自己为什么要做数据分析，想要达到什么效果。

举两个例子：

目的一：对比页面改版前后的优劣。

要达成这个目的，衡量指标应该从页面点击率，跳出率等维度出发。电商类应用要观察订单转化率，社交类应用要注重用户访问时长、点赞转发互动等频次。

不少新人在设计自己产品时，可能会花费很多时间在产品本身设计上，却没有花精力思考如何衡量产品的成功与否，在产品文档上写上一句类似“用户体验有所提升”的空话，这样既不利于产品设计顺利通过需求评审，也无法更有效的快速提高产品的KPI指标。

目的二：探究某一模块数据异常波动的原因。

比如发现首页猜你喜欢模块最近的点击率从40%下降到了35%，暴跌5%个点，这个时候先看看是不是哪个版本的数据发生了波动，是不是因为新版本上线埋点遗漏或有误造成的。

如果版本的波动数据保持一致，再看看数据是从什么时候开始变化的，是不是因为受到了圣诞、元旦假日因素的影响，页面上其他模块上线了新的活动影响了猜你喜欢的转化。

如果不是，则再拆解是不是流量来源构成发生了变动，是不是新用户的曝光数量增加导致的。

产品经理需要带着明确的目的去分析数据，思考实现目标需要构建哪些维度去验证。大部分时候，产品经理需要非常耐心的一步一步的拆解细分，排查原因。

二、采集数据

当我们确定了分析目标之后，就要开始收集数据，数据来源一共有三种：

①产品本身—产品运营数据和用户反馈

②竞争产品—网站流量和公司财报

③行业内—行业分析报告和热点大数据

提供行业数据的网站非常多，常用的有：

百度指数，友盟；艾瑞咨询，易观智库，CNNIC，比达咨询，DCCI互联网数据中心，Alexa;

移动应用：Google Analytics

三、数据分析

数据分析阶段可以说是最重要的一个环节，主要分为数据分析框架和数据分析方法。

（一）数据分析框架

数据分析框架可以说是数据分析的思路，可以帮助我们了解到底是哪些数据出现了问题。这里介绍几个最常用的分析框架

1.AARRR模型

AARRR模型可以告诉我们在产品的几个阶段分别需要重点关注哪些数据。AARRR是几个英文字母的缩写，分别是获取、激活、留存、收入、推荐。

获取（指产品推广，告诉我们用户从哪来）需要关注的数据为：曝光数、打开率、点击率、下载量、安装量、用户获取成本。

激活（指用户使用了产品）需要关注的数据为：设备激活量、新注册用户数、日活跃、浏览数、订阅数。

留存（指用户持续使用产品）需要关注的数据为：次日留存率、7日留存率、距离上次使用时长。

收入（指产品获得利润）需要关注的数据为：付费率、付费频次、客单价、用户价值。

推荐（指用户推荐他人使用我们的产品）需要关注的数据为：转发数、邀请数、评论数。

2.逻辑分析框架

核心指标出现了问题一定是有相关指标出现了问题。

如销售额=访客数UV*转化率*客单价，销售额下降的原因要在这三个指标里找原因

如流量增长因素：PC端、APP端、WAP端、友盟等

3.漏斗分析框架

用于分析开始用户到最终用户的数量变化趋势

4.还有一些管理营销方面的分析框架

如SWOT分析、4P理论、5W2H、SMART分析等等就不一一说明了，以上三个分析框架已经是比较常用的了。

（二）数据分析方法

说完了分析框架，再说说数据分析方法，通过数据分析的方法，我们可以了解哪些数据有问题，出现了什么问题。数据分析方法也有几个比较常用的

1.对比分析

最常用的分析方法，通过对比的方式来找出差异，对比的对象可以是其他竞品也可以是自己的产品，对比的时间可以采用同比与环比

2.趋势分析

通过折线图的方式发现问题（数据下降或是上升等等）

3.交叉分析（通过多个维度去分析数据）

4.象限分析

四、总结与改善

当我们知道哪些数据出现了问题和到底出现了什么问题的时候，我们就可以根据这些问题来改善自己的产品了。

数据虽说是客观的，但人却是主观的。同样的数据在不同的人眼里得到的结论也有可能是不一样的。

数据分析也有几个常见的误区：

1.忽略了沉默用户，只在乎少量用户的数据忽视了整体

产品经理在听到部分用户反馈时就做出决策，花费大量时间开发相应功能，可能这些功能只是极少部分用户的迫切需求，甚至有可能与核心用户诉求相违背，导致新版产品上线后数据猛跌。

忽略沉默用户，没有全盘的考虑产品大部分目标用户的核心需求，可能造成人力物力的浪费，更有甚者，会错失商业机会。

2.不要过分依赖数据，做一些没有价值的数据分析

过度依赖数据，一方面，会让我们做很多没有价值的数据分析；另一方面，也会限制产品经理本来应有的灵感和创意。

母爱算法：正像罗振宇在时间的朋友跨年演讲上提到的一样：用户要什么，你就给什么，甚至他们没说出来你就猜到了，这叫母爱算法。但母爱算法有很大的弊端，跟着用户的需求做，会越做越窄。

父爱算法：站的高，看得远。告诉用户，放下你手里的烂东西，我告诉你一个好东西，跟我来。正像乔帮主当年打造的iPhone系列产品一样，打造出超出用户预期的产品。

3.错判因果关系（如：商品评论多商品卖的就一定多吗？）

4.警惕数据表达的技巧