数据从哪里来？
自有数据分析系统
第三方数据分析工具
如友盟、百度统计、cnzz统计、诸葛io、Growing io等。
1．友盟支持iOS、Android应用数据统计分析，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，但是无法在关键数据突发异样时进行跟踪。
2．百度统计支持iOS和Android平台。另外，开发者在嵌入统计SDK后，可以对自家产品进行较为全面的监控，包括用户行为、用户属性、地域分布和终端分析等。
3．诸葛io诸葛io是一款基于用户洞察的精细化运营管理工具。以用户跟踪技术和简单易用的集成开发方法，帮助移动应用及PC网站的运营者们挖掘用户的真实行为与属性，可以将其用于iOS、Android应用及网站。
行业指数数据
指用户均可使用的如GoogleTrends和百度指数、微信指数、淘宝指数等。
基本产品的分析概念
在做数据分析的时候，产品经理还是需要厘清一些基本的产品分析概念的，比如最基本的AARRR模型，也就是产品经理要了解新增、活跃、留存、流失等概念，这些基本概念都是需要去了解和掌握的。
PV（Page View，页面浏览量）
用户每一次对网站中的每个网页访问均被记录一次。用户对同一页面的多次访问，访问量累计。在一定统计周期内，用户每刷新网页一次也被计算一次。一般来说，PV与来访者数量成正比，但是PV并不直接决定页面的真实来访者数量，例如，同一个来访者通过不断刷新页面，也可以制造出非常高的PV。人员分配
UV（Unique Visitor，独立访客）
PR（PageRank，网页的级别）
一个PR值为1的网站表明这个网站不太具有流行度，而PR值为7～10则表明这个网站非常受欢迎（或者说极其重要）。
跳出率
指用户到达你的网站并仅浏览了一个页面就离开的访问次数与所有访问次数的百分比。这里的访问次数其实就是指PV。这是评价一个网站的性能的重要指标，跳出率高，说明网站用户体验做得不好，用户进去就跳出去了，网站没有满足用户的期望与需求或是人群定位不精准；反之则说明网站用户体验做得不错。
转化率
指在一个统计周期内，完成转化行为的次数占推广信息总点击次数的比例。转化率=（转化次数/点击量）×100%。以用户登录为例，如果每100次访问中有10个登录网站，那么此网站的登录转化率就为10%。若只有两个用户订阅，则订阅转化率为2%。若有一个用户下订单购买，则购买转化率为1%。转化率反映了网站的盈利能力，重视和研究网站转化率，可以有针对性地分析网站在哪些方面做得不足、哪些广告投放效果比较好，可以迅速提升用户体验、节约广告成本，提升网络转化过程
重复购买率
指消费者对该品牌产品或服务的重复购买次数。重复购买率越高，则消费者对品牌的忠诚度越高，反之则越低。
活跃度指标
主要衡量产品的黏性、用户的稳定性及核心用户的规模，观察产品在线的周期性变化。
- 活跃用户（AU,Active Users）：用户登录产品记为一次登录。
- 日活跃用户（DAU,Daily Active Users）：每日登录过的用户数。
- 周活跃用户（WAU,Weekly Active Users）:7天内登录过的用户数。
- 月活跃用户（MAU,Monthly Active Users）:30天内登录过的用户数。·
- 日均使用时长（AT,Daily Avg. Online Time）：活跃用户平均每日在线时长。
- 最高同时在线用户人数（PCU,Peak ConcurrentUsers）：统计周期内，同一时点（通常精确至“分”）的最高在线人数。
- 平均同时在线用户数（ACU,Average ConcurrentUsers）：统计周期内，每个时点（通常精确到“分”）的平均在线人数。流失、留存指标：观察流失用户的状态、流失前行为，以判断产品可能存在的问题。
- 用户流失率（ULR,Users Leave Rate）：统计当日登录过产品的用户，在随后N日内未登录的用户数/统计日DAU。
- 日流失率：统计当日登录过产品的用户，次日未登录的用户数/统计日DAU。
- 周流失率：统计当周登录过产品，下一周未登录的用户数/WAU。
- 月流失率：统计当月登录过产品，下一月未登录的用户数/MAU。
- 日留存率：统计当日登录过产品的用户，在之后N日内至少登录一次的用户数/统计日DAU。
- 周留存率：统计当周登录过产品的用户，且下一周至少登录过一次的用户数/WAU
- 月留存率：统计当月登录过产品的用户，且下一月至少登录过一次的用户数/MAU
- 次日留存率：统计当日登录过产品的用户，且次日依旧登录的用户数/统计日DAU
- 回归率：曾经流失但重新登录产品的用户数占流失用户的比例。
回归用户：曾经流失但重新登录产品的用户数。· 流失用户池：过去一段时间内流失的用户数。
三，常见的数据分析模型
用户行为统计
用户行为统计，如下图所示，就是用户对某产品如登录成功等的行为发生的次数或人数进行简单的统计，统计结果一般以折线图和表格的方式呈现，这是用户行为分析最基本的方法。
|
漏斗分析
漏斗分析也叫漏斗模型，可以帮助分析用户在使用产品过程中的成功率和失败率（也叫转化和流失），以分析用户在使用产品时是否顺畅。进行漏斗分析，首先需要结合产品目标，从用户的使用过程中抽取出常见流程，
比如常见的电商产品的漏斗流程便是：浏览首页→查看商品详情→加入购物车→生成订单→进行支付→成功支付。留存分析
留存分析是一种衡量产品黏性的分析方法，能够帮助分析用户会长期持续使用某个的产品，还是使用一次后便一去不复返。用户留存的情况一般用留存率来衡量。所谓留存率，就是指一组用户在初始时间（如首次打开应用）之后的第N天，还在使用产品的比例（留存下来的用户比例），一般称为N天留存率。
|
四， 实践
本身也是互联网思维“小步快跑，不断迭代”的一个实践，我们可以先用手上的产品实践起来，再针对具体问题学习相应的解决办法，这种学习效率才是最高的。比如：产品新版本马上就要发布了（或者已经发布），那我们来看看数据，分析一下新版本的表现如何。又或者，我们正在规划或设计产品的改版，那研究一下之前的用户行为，看看能不能为产品设计带来点儿新思路。
- 产品设计之数据埋点 -
一，主流的埋点技术
1.代码埋点
代码埋点是指在代码的关键部位植入N行代码，追踪用户的行为，得到想要的数据。简单来说，就是找节点，布代码，收数据。
2.框架式埋点
框架式埋点也称“可视化埋点”，框架式埋点很好地解决了代码埋点的埋点代价大和更新代价大两个问题。
3.无埋点
只要页面上嵌入SDK，就可以采集页面上所有的点击行为，并通过界面配置的方式对关键行为进行定义，这样便完成了所谓的“无埋点”数据采集。使用这种方案，必须在产品中嵌入SDK，等于做了一个统一的埋点，所以“无埋点”的叫法实际上是“全埋点”的代名词。
二，埋点过程中，需要思考
产品的目标及当下的首要问题
数据埋点的前提是，团队需要首先明确目前产品最亟待解决的问题是什么。以电商产品为例，可能最首要的问题就是交易额，把这个问题分解下去，可能就涉及流量、转化率、客单价、回购率等，提升这些数据指标就是当前产品的首要问题。在整个产品的分析和改进过程中，需要持续观察这些指标的变化。
选择少量、重要的用户行为开始记录和分析
在分析的一开始，并不建议采集太多的用户行为，只记录和分析与“产品目标”最相关的少量用户行为（如浏览、购买、下单），很快就能有成果产出。定义事件
很多产品经理会将“用户行为”简单等同于应用的页面（界面）或点击操作，其实这完全是两件事情。用户行为是更加具体的一个事件定义，比如用户“提交订单”这个行为，就可以定义为一个事件，但是如果用页面点击去定义它，则过于抽象不具体，不能让其他人很直观地感受到这个事件定义出来到底是做什么的。
这个时候可以从以下几个方面来考虑：产品目标可以通过哪几个重要指标衡量？
- 和指标最相关的用户的“关键行为”是什么？
- 用户在做“关键行为”之前和之后，还有哪些行为值得关注和分析？
通过对上面问题的答案进行梳理，就能得到类似下面的用户使用流程及用户行为事件了，见下图。
|
制作埋点表
|
产品经理也可以在事件埋点表中补充“事件属性”这一项。为事件增加属性，是一种更细致、更精确地记录和刻画用户行为的方式。比如，某个用户打开了一个吹风机的商品详情页，可以详细描述如下。
事件：查看商品详情。
类目：家用电器。
价格区间：100～399元。
商品名称：飞科吹风机×××型号。事件属性如下图所示。
|
与研发人员进行沟通
无论是公司自己搭建数据分析系统，还是使用第三方工具（如诸葛io等）完成数据的采集和分析，需要研发人员的帮助
- 通过数据分析衡量产品改版的效果 -
一，产品需求的来源
对产品的流程转化率是否有提升？
我们就需要观察整个产品的流程转化率是否因为产品迭代改版而有所提升。最基本的方法就是通过创建流程漏斗来进行数据观察，现在很多第三方的数据分析工具都已经支持用户手动创建转化漏斗了，我们只需要梳理清楚产品流程转化漏斗都包含哪些环节。
比如电商网站最基本的转化漏斗的路径便是：网站首页→商品搜索→商品详情→加入购物车→立即支付→确认收货。
这样，我们就可以将上述事件组装成一个转化漏斗，如果你优化了商品详情页或搜索页面，那么就可以通过漏斗看出改版前后这个流程的转化数据发生了什么变化，以及每个小环节的漏斗转化率发生了什么变化，就能比较准确地评估出产品迭代对流程转化率是否具备提升作用。
对产品的整体留存的影响？
功能的用户黏性，通过观察产品的整体留存是否产生了变化，比如次日留存、周留存、月留存等指标是否朝着更好的方向发展。
用户究竟是如何使用新功能的？
用户究竟是如何使用产品的新功能的，是否符合预期的设想，还是用户自己创造出了新的玩法。
要衡量一次产品迭代到底效果如何，数据表现固然是很重要的方面，但产品经理也应该深入到用户之中，去询问和了解用户对新功能的反馈和体验如何，或者近距离地观察用户是如何使用产品的。更重要的是，在出现迭代之后数据表现不佳的情况下，只有近距离地观察用户操作使用产品，才能发现问题所在：也许是因为用户的微信版本比较低，导致不支持一些功能；也许是因为用户的网络不太好，导致加载的信息不完整，诸如此类的异常情况，还是需要产品经理和用户产生连接，才能更好地洞察这些情况。
产品经理要掌握的AARRR模型
一，什么是AARRR模型？
- 获取（Acquisition）：用户如何发现（并来到）你的产品？
- 激活（Activation）：用户的第一次使用体验如何？
- 留存（Retention）：用户是否还会回到产品（重复使用）？
- 收益（Revenue）：产品怎样（通过用户）赚钱？
- 推荐（Referral）：用户是否愿意告诉其他用户？
获取用户
通过各个渠道发布产品相关信息，以吸引用户注册的一个过程。自然每个渠道获取用户的数量和质量都是不一样的，这时产品团队和运营团队就要留心每个渠道转化过来的用户数量和质量了，重点关注ROI比较高的推广渠道。激发活跃
通过不同渠道进入应用的，是被动进入应用的。如何把他们转化为活跃用户，是运营者面临的第一个问题。
用户被吸引进来之后，需要引导他们做一系列的行为动作，比如完善个人基本信息、评论、发帖等。当用户完成了指定的“系列动作”时，就可以认为用户是一个比较活跃的用户，说明产品是能够给用户带去价值的，用户愿意在产品里发生一系列行为。
不同产品的“活跃”的定义是不一样的，比如社区类产品的活跃，当然是希望用户每天都能登录、发帖、评论，所以你会看到很多社区类产品做的用户成长体系都是登录一天给多少积分、发一个帖子给多少积分、评论一次给多少积分等。而在线教育类产品，则比较关注用户的学习时长、练习次数等。
若有收获，就点个赞吧
0 人点赞
