這篇文章一共會分為四個部分進(jìn)行講解。

1. 認(rèn)識數(shù)據(jù)通過這部分我們可以知道什么是數(shù)據(jù)，數(shù)據(jù)與產(chǎn)品之間的關(guān)系等。

2. 獲取數(shù)據(jù)這里我們可以了解到一些數(shù)據(jù)指標(biāo)的含義，獲取數(shù)據(jù)的常用工具以及常見網(wǎng)站的核心數(shù)據(jù)指標(biāo)的確立。

3. 分析數(shù)據(jù)這部分我們可以了解到一些基本數(shù)據(jù)分析的方法，以及使用數(shù)據(jù)時需要注意的事項。

4. 利用數(shù)據(jù)這里我們可以知道在做產(chǎn)品的時候，使用數(shù)據(jù)的一些場景和利用數(shù)據(jù)驅(qū)動產(chǎn)品的思維方式。

一、認(rèn)識數(shù)據(jù)

簡單來說數(shù)據(jù)是一種量化事物的手段，就像身高、體重、三圍一樣，它們都是一個數(shù)字指標(biāo)，代表了事物現(xiàn)實存在的客觀情況。數(shù)據(jù)最大的特征就是客觀性，無論我們是否觸碰它，它就在那里。在面對海量數(shù)據(jù)的時候，身為產(chǎn)品經(jīng)理的我們要更像一個「求知者」，如果我們希望在數(shù)據(jù)中找到答案，我們更應(yīng)該帶著一個「求證」的態(tài)度去讀取，去分析，去解讀。

數(shù)據(jù)可以用來幫助我們驗證產(chǎn)品假設(shè)是否正確，也可以幫助我們發(fā)現(xiàn)產(chǎn)品的問題。

通常情況下，一個完整的數(shù)據(jù)需求包括：

1. 功能設(shè)計方案
2. 功能目的和目標(biāo)
3. 功能上線后需要跟蹤的數(shù)據(jù)指標(biāo)

這里舉個例子說明下，網(wǎng)站注冊流程功能的數(shù)據(jù)統(tǒng)計需求：

1. 注冊流程的完整方案設(shè)計文檔
2. 做這個功能的意義：讓所有新用戶快速完成注冊流程，并正確提供所需要的個人信息
3. 所需指標(biāo)及定義。圍繞2中的目標(biāo)，設(shè)計所需要的數(shù)據(jù)指標(biāo)，思考哪些數(shù)據(jù)指標(biāo)，可以描述目標(biāo)完成情況；比如：每一個注冊環(huán)節(jié)的用戶跳出率，每一個注冊填寫字段的出錯率，各類注冊錯誤的出現(xiàn)頻次分布等。

二、獲取數(shù)據(jù)

免費的網(wǎng)站排名工具：Alexa、中國網(wǎng)站排名、網(wǎng)絡(luò)媒體排名免費的網(wǎng)站檢測工具：Google Analytics、百度統(tǒng)計、CNZZ網(wǎng)站分析

• 訪問量訪問量就是 一段時間的訪問量就是這段時間的內(nèi)的會話次數(shù)。什么是會話，如下圖：

  

  什么是會話

• 訪客數(shù)也稱獨立訪客數(shù)（UV），就是訪問網(wǎng)站的人數(shù)。

  如何識別一個用戶？

  在網(wǎng)站分析系統(tǒng)中，會依據(jù)用戶的瀏覽器，設(shè)備型號等信息為用戶分配一個編號，這個編號稱為Cookie。訪客數(shù)就是訪問網(wǎng)站的Cookie數(shù)。如果同一個人換了瀏覽器或者設(shè)備訪問網(wǎng)站，那么它的Cookie也發(fā)生了變化。

• 瀏覽量常被稱為PV（PageViews），就是瀏覽頁面的數(shù)量。

• 頁面停留時長訪客一次訪問在某個頁面的停留時間。計算方法：

• 網(wǎng)站停留時長訪客一次會話的時間長度計算方法：

• 跳出率網(wǎng)站的所有會話中，來到網(wǎng)站之后沒有任何動作就離開的比例。計算方法：

• 退出率無論從哪個頁面進(jìn)入網(wǎng)站，最終從這個頁面退出的比例。計算方法：

• 轉(zhuǎn)化率計算方法：

網(wǎng)站的數(shù)據(jù)有很多，我們可以通過先對網(wǎng)站進(jìn)行宏觀的分析對網(wǎng)站有個大體的把握，避免一上來就陷入數(shù)據(jù)的細(xì)節(jié)中，通常我們可以通過回答以下幾個問題來大體的了解網(wǎng)站：

1. 有多少訪客訪問網(wǎng)站，訪問深度怎么樣？查看「受眾群體」概覽頁來了解網(wǎng)站的訪客數(shù)和訪問深度。

2. 這些訪客從哪里來，以及效果怎么樣？查看「流量獲取」的概覽頁來了解網(wǎng)站的流量從哪里來。一般有：引薦網(wǎng)站、直接進(jìn)入、自然搜索、付費搜索、付費流量廣告

3. 訪客在網(wǎng)站上做了什么？查看流量最大的著陸頁的相關(guān)數(shù)據(jù)，著重優(yōu)化，降低跳出率；查看流量最大的頁面的相關(guān)數(shù)據(jù)，并與預(yù)期相比，發(fā)現(xiàn)差異；查看頁面點擊熱圖；查看主要流程的轉(zhuǎn)化漏斗。

• 國外分析工具
  • Flurry
  • Google Analytics
• 國內(nèi)分析工具
  • 友盟
• Crash分析工具
  • Crashlytics

• 用戶獲取
  • 下載量
  • 安裝激活量
  • 激活率
  • 新增用戶數(shù)
  • 用戶獲取成本
• 用戶活躍與參與
  • 數(shù)量指標(biāo)
    • 日活躍用戶數(shù)
    • 月活躍用戶數(shù)
  • 質(zhì)量指標(biāo)
    • 活躍系數(shù)它等于：活躍用戶數(shù) / 月活躍用戶數(shù)
    • 平均使用時長
    • 功能使用率使用某功能的用戶數(shù)占活躍用戶數(shù)的比例
• 用戶留存率
  • 次日留存率
  • 7日留存率
  • 30日留存率
• 用戶轉(zhuǎn)化
  • 付費用戶比例付費用戶占免費用戶的比例，建議將付費用戶和免費用戶區(qū)別對待，因為他們在行為上差異挺大的。
  • 首次付費時間用戶激活多久后才會開始付費。
  • 用戶平均每月營收一個月的收入除以月活躍用戶數(shù)
  • 付費用戶平均每月營收一個月的收入除以月付費用戶數(shù)
• 獲取收入
  • 收入金額
  • 付費人數(shù)

注：在利用指標(biāo)去評估版本迭代的效果時，盡量使用新用戶的數(shù)據(jù)，因為老用戶會存在忠誠度等因素影響數(shù)據(jù)。

我們在評估新版本的迭代的效果時，可以看以下幾個數(shù)據(jù)指標(biāo)

1. 新用戶的留存率新版本發(fā)布后，新版本發(fā)布前14天內(nèi)的新用戶次日留存率。留存數(shù)據(jù)整體提高，表明移動端版本迭代的效果較好。

2. 核心功能的使用率同比：舊版本發(fā)布后14天環(huán)比：新版本發(fā)布前14天通過同比和環(huán)比14天的數(shù)據(jù)觀察核心功能的使用率是否有提升。

3. 新功能的使用率，繼續(xù)使用率和新功能的核心貢獻(xiàn)在新的版本中，增加了功能A

   1. 需要查看功能A的使用率
   2. 功能A的繼續(xù)使用率
   3. 功能A的核心貢獻(xiàn)：使用過功能A的聽歌人數(shù)比例 - 未使用過功能A的聽歌人數(shù)比例

通過觀察以上指標(biāo)基本上就可以大概的判斷這個版本改版的效果了。

• 銷售額這里是指電商網(wǎng)站的收入，這是電商網(wǎng)站最重要的指標(biāo)。由于移動互聯(lián)網(wǎng)的崛起，這里還需要統(tǒng)計下移動端占比。

• 購買客戶數(shù)（按照賬號去重計算）

  • 老客戶數(shù)當(dāng)天之前就購買過商品的用戶數(shù)，表示網(wǎng)站的粘性
  • 新客戶數(shù)統(tǒng)計當(dāng)天首次購買的用戶數(shù)，表示網(wǎng)站客戶增長速率

• 客單價每個客戶購買的金額，等于銷售額/購買客戶數(shù)

• 購買轉(zhuǎn)化率訪客中購買了商品的比例，等于購買客戶數(shù)/訪客數(shù)

• UV訪客數(shù)，來到網(wǎng)店的人數(shù)

• 詳情頁UV訪問商品詳情頁的人數(shù)

• 訂單數(shù)訂單數(shù)關(guān)系到支付壓力和倉庫發(fā)貨的任務(wù)量

• 妥投及時率妥投到客戶的訂單中，按照約定時間妥投的比例，它是個非常重要的用戶體驗指標(biāo)。現(xiàn)在京東的一個很好的優(yōu)勢就在于它的物流。

• 重點商品缺貨率爆款缺貨的比例。有時候用戶想購買的物品缺貨，容易導(dǎo)致客戶的流失。

我們前面說到，銷售額是電商網(wǎng)站中最關(guān)鍵的指標(biāo)，沒有之一。銷售額 = UV 轉(zhuǎn)化率 客單價那我們接下來一個一個的分析這三個因素

1. 流量變化的因素

分析流量的變化就需要從流量的來源上來入手。

分析思路大致是，先按照終端細(xì)分，先看下PC端、App端、Wap端分別變化了多少，然后在細(xì)分對應(yīng)的終端流量是從哪里來的。PC端和Wap端可以細(xì)分到媒體，App端又分Android端和iOS端，Android端可以從渠道包中來區(qū)分來源，iOS端可以用一些跟蹤工具或者IDFA來跟蹤。具體可以看下圖：

流量分析

舉例說明

2. 客單價變化的原因下面我們來看下客單價的公式

客單價 = 人均購買件數(shù) * 件單價

• 人均購買件數(shù)是指每個客戶購買幾件商品，這個指標(biāo)也經(jīng)常用來衡量關(guān)聯(lián)銷售的效果，也就是關(guān)聯(lián)銷售效果越好，人均購買件數(shù)就會越多。
• 件單價是指商品的平均價格，等于銷售額除以銷售量，這個指標(biāo)用來衡量網(wǎng)站上的商品價格高低。

客單價的變化經(jīng)常會與促銷活動有關(guān)系。如下圖：

客單價變化因素

3.轉(zhuǎn)換率增長因素 - 轉(zhuǎn)化漏斗 正所謂一圖勝千言，看下面這張圖大家應(yīng)該就可以明白了。

轉(zhuǎn)化漏斗

首先解釋下什么是UGC，UGC就是以用戶創(chuàng)造內(nèi)容為主的應(yīng)用，比如博客，微博，朋友圈等UGC產(chǎn)品的關(guān)鍵指標(biāo)就是「用戶參與度」用戶參與度指標(biāo)

• 訪客數(shù)
• 停留時長
• 產(chǎn)出內(nèi)容（比如：點贊、評論、發(fā)表文章等）不同的產(chǎn)品關(guān)注的產(chǎn)出內(nèi)容關(guān)鍵點也不一樣，比如：微博關(guān)注的是轉(zhuǎn)發(fā)微博、發(fā)表微博；朋友圈關(guān)注的是朋友圈發(fā)表狀態(tài)；博客關(guān)注的是發(fā)表的博客數(shù)。

舉個例子：輕博客的參與度指標(biāo)

• 活躍用戶規(guī)模

  • 訪客數(shù)訪問網(wǎng)站或者打開App的人數(shù)，等于web端訪客數(shù)+移動端訪客數(shù)
  • 登錄訪客數(shù)及占比登錄的訪客數(shù)以及占總訪客的比例

• 留存以及訪問深度

  • 沉默用戶數(shù)及占比超過7天未訪問的賬號數(shù)占總賬號的比例
  • 平均停留市場總停留時長除以訪客數(shù)

• 核心功能使用情況

  • 點贊訪客數(shù)及占比點贊的訪客 / 登錄訪客數(shù)
  • 推薦訪客數(shù)及占比點擊推薦的訪客 / 登錄訪客數(shù)
  • 分享訪客數(shù)及占比點擊分享的訪客 / 登錄訪客數(shù)
  • 創(chuàng)作訪客數(shù)及占比創(chuàng)作訪客數(shù) / 登錄訪客數(shù)
  • 文字、圖片、音樂、視頻創(chuàng)作訪客數(shù)及占比

另外UGC產(chǎn)品還特別依賴于優(yōu)質(zhì)內(nèi)容的產(chǎn)出，那如何去篩選優(yōu)質(zhì)內(nèi)容了？

首先我們要對優(yōu)質(zhì)內(nèi)容建一個評分模型，比如微博的優(yōu)質(zhì)內(nèi)容模型為：

熱度 = 轉(zhuǎn)發(fā) + 評論 + 點贊

然后可以對各個指標(biāo)定義下所占比例，這樣就可以憑借熱度這個指標(biāo)去篩選優(yōu)質(zhì)內(nèi)容了。

三、分析數(shù)據(jù)

舉個例子，改版的App發(fā)布后，想看下改版后的效果，這個時候就需要用到橫向?qū)Ρ攘耍蜕弦粋€版本進(jìn)行對比。

橫向?qū)Ρ?/div>

3.1.2 縱向?qū)Ρ?p>縱向?qū)Ρ染褪呛透偲穼Ρ取?/p>

舉個例子，微信支付和支付寶在除夕這天的一些數(shù)據(jù)對比（數(shù)據(jù)純屬虛構(gòu)）：

縱向?qū)Ρ?/div>

3.1.3 象限分析

象限法指根據(jù)數(shù)據(jù)中的（質(zhì)量、數(shù)量等）的兩個重要屬性作為分析的依據(jù)，進(jìn)行分類分析。

比如對App的渠道分析，我們可以用「質(zhì)量」和「數(shù)量」兩個維度來進(jìn)行，如下圖：

象限分析

3.1.4 交叉分析

交叉分析的主要作用就是從多個維度細(xì)分?jǐn)?shù)據(jù)，它的作用主要是從中發(fā)現(xiàn)最為相關(guān)的維度來探索數(shù)據(jù)變化的原因。

舉個例子，統(tǒng)計一款A(yù)pp的新增用戶數(shù)，我們采取交叉分析法，把終端、時間和渠道三個維度結(jié)合到一起，如下圖：

交叉分析法

3.2 AARRR數(shù)據(jù)分析框架

AARRR是Acquisition、Activation、Retention、Revenue、Refer，這個五個單詞的縮寫，分別對應(yīng)這一款移動應(yīng)用生命周期中的5個重要環(huán)節(jié)，具體模型如下圖：

AARRR模型

那產(chǎn)品經(jīng)理應(yīng)該可以利用AARRR模型來做什么了？

它提供很好的精細(xì)化數(shù)據(jù)分析思路，能夠?qū)⒄麄€是數(shù)據(jù)鏈打通，而不會僅限于某個具體的指標(biāo)。

下面我們舉個具體的例子來說明：

某App通過渠道A引入了100000個用戶，單個用戶成本為3元。通過渠道B引入了50000個用戶，單個用戶成本為10元。

如果我們不通過AARRR模型來分析，這樣就很簡單的判斷是渠道A效果會更好，但是我們?nèi)绻ㄟ^AARRR模型來看。

渠道A的AARRR模型：

渠道A的AARRR模型

渠道B的AARRR模型

渠道B的AARRR模型

通過上面兩張圖我們可以看出其實是渠道B的效果會更好一些的。

3.3 邏輯拆解分層框架

什么是邏輯拆解分層框架？

對于一個產(chǎn)品來說，它的數(shù)據(jù)指標(biāo)非常的多，對于產(chǎn)品經(jīng)理來說，我們不可能時時關(guān)注每個指標(biāo)，通知我們需要重點關(guān)注最核心的指標(biāo)。

舉個例子來說：

1. 對于網(wǎng)易考拉海購來說，最重要的指標(biāo)就是銷售額
2. 對于夢幻西游這個游戲來說，最重要的指標(biāo)就是ARPU（用戶平均收入）
3. 對于網(wǎng)易新聞Web端的，最重要的指標(biāo)就是UV（網(wǎng)站訪問人數(shù)）當(dāng)我們關(guān)注核心指標(biāo)的變化時，是什么原因?qū)е逻@些核心指標(biāo)的變化了？我們需要怎樣去解釋這些變動了？

這里我們舉個電商的例子，電商的核心指標(biāo)是銷售量，我們對銷售量這個指標(biāo)進(jìn)行邏輯分層，得到下面這張圖：

銷售量的邏輯分層

得到這張圖后，我們通過分析銷售量的指標(biāo)的變化，就可以更精確的去定位是什么原因的導(dǎo)致的了。

3.4 漏斗模型分析框架

漏斗模型，就是從起點到終點有多個環(huán)節(jié)，每個環(huán)節(jié)都會產(chǎn)生用戶流失，依次遞減，每一步都會有一個轉(zhuǎn)化率。

比如很典型的商品購買流程：

漏斗模型

我們通過這張圖就可以很清楚的知道用戶在哪個步驟流失的最多，然后我們就可以針對該步驟進(jìn)行優(yōu)化。

3.5 使用數(shù)據(jù)時需要注意的事項3.5.1 數(shù)據(jù)圖形的欺騙

我們先來看下下面這兩張圖：

7日活躍趨勢圖

7日活躍趨勢圖

這兩張圖其實表達(dá)的數(shù)據(jù)是一樣的，但是看第一張圖會感覺活躍用戶增長趨勢比第二張圖好很多。

那怎么避免這種問題了，答案是給這套曲線增加一個公式，用公式來表現(xiàn)曲線的斜率。

3.5.2 數(shù)據(jù)抽取樣本的問題

舉個現(xiàn)實生活中的例子：

在2008年奧運會上，姚明的三分投籃命中率為100%，科比的三分投籃命中率為32%。

那么我們是不是說姚明的三分投籃命中率要比科比高了？顯示不能這么說，因為那屆奧運會，姚明只投了一個三分，科比投了53個三分。

決定樣本量大小的因素有：

1. 總體大小
2. 總體內(nèi)部差異程度。

所以在抽取樣本的時候，盡可能的多覆蓋，盡可能的找差異程度大的用戶。

3.5.3 數(shù)據(jù)被平均

這里先舉個例子說明下：

對于一個新推廣的的網(wǎng)站：

網(wǎng)站平均訪問時長：55秒；用戶平均訪問頁面2.16個。

這個是不是就可以說明用戶主動瀏覽其他頁面，但是我們這時候看下頁面瀏覽和訪問時長的分布圖：

頁面瀏覽和訪問時長的分布圖

這個時候你就會發(fā)現(xiàn)你被平均數(shù)帶到坑里去了。

那么問題來了，什么時候平均數(shù)可以代表整體的情況了？

答案是當(dāng)數(shù)據(jù)為正態(tài)分布時，就可以用平均數(shù)代表整體的情況了。當(dāng)數(shù)據(jù)的分布為長尾分布時，我們可以選取數(shù)據(jù)比較集中的部分進(jìn)行分析。

正態(tài)分布和長尾分布

3.5.4 辛普森悖論

當(dāng)人們嘗試探究兩種變量(比如新生錄取率與性別)是否具有相關(guān)性的時候，會分別對之進(jìn)行分組研究。然而，在分組比較中都占優(yōu)勢的一方，在總評中有時反而是失勢的一方。

下面舉個具體的例子來說明下：

數(shù)據(jù)

當(dāng)產(chǎn)品經(jīng)理看到上面這組數(shù)據(jù)時，是不是就可以決定要先從電腦版開始開發(fā)了？

我們接下來再看另一組數(shù)據(jù)：

數(shù)據(jù)

從這組數(shù)據(jù)來看是不是和上面那組數(shù)據(jù)得到的結(jié)論完全相反了。

3.5.5 忽略沉默用戶

用戶迫切需要的需求 != 產(chǎn)品的核心需求

有時候我們所聽到的需求，或許只是少部分用戶迫切需求，而大部分用戶并不在乎。

舉個微信的例子：

很多用戶都反饋說為什么不給消息加個消息狀態(tài)，這樣我就可以知道對方有沒有看我的消息了。說實話剛開始看到這個需求的時候，我就想到了陌陌和WhatsApp，他們都做了消息的狀態(tài)功能。然后就想當(dāng)然的覺得微信其實也應(yīng)該加一個。

后來我看到這樣Allenzhang的回答：

如果我們針對需求一個人去滿足，你可能獲取了這部分用戶，但是得罪了另外一部分用戶。有人就挺不喜歡把我的已讀狀態(tài)暴露給別人，你想這樣的話，如果你的上級找你，你看了然后你又不回，就很麻煩。我們要給人撒謊的機會，我們說人性是什么？給他撒謊的機會，說我沒有看到。你看短信不太準(zhǔn)確，我們經(jīng)常會說，你那個短信丟了，我們沒有看到。如果我們把人都像機器一樣約束起來不一定是好事。

我們?yōu)槭裁床蛔鲆阉瓦_(dá)的狀態(tài)？因為我們覺得未來的系統(tǒng)是絕對可靠的，我們有這個信心，肯定會送達(dá)，除非他關(guān)機了，我們不會再專門做一個是不是已送達(dá)，只有不自信的系統(tǒng)才會做這樣一個狀態(tài)。而且你每發(fā)一個消息還有個已送達(dá)或者發(fā)送中，那很丑陋的，多了一個東西在那里。所以這也是一種態(tài)度。對于這種用戶要什么就給什么，其實這是考驗產(chǎn)品經(jīng)理水準(zhǔn)的東西，因為我滿足需求很容易，但是你怎么找到理由拒絕他，或者說找到什么方式實現(xiàn)它這個非常難。

微信對人性的把握太精準(zhǔn)了。

所以說很多時候我們要站在更高的角度去考慮問題，不能聽到用戶的聲音的時候就立馬做出決策，而忽略了產(chǎn)品大部分目標(biāo)用戶的核心需求。

3.5.6 過分依賴數(shù)據(jù)

我們觀察我們生活中的很多的偉大的產(chǎn)品都不是通過分析數(shù)據(jù)得出了。比如，當(dāng)年汽車誕生的時候，我們通過分析馬車的相關(guān)數(shù)據(jù)，只能得出用戶需要一匹更快的馬車。

所以說，產(chǎn)品經(jīng)理還需要把自己的理性思維和感性思維更好的結(jié)合在一起。

3.5.7 錯判因果關(guān)系

什么是因果關(guān)系？

就是A的發(fā)生，導(dǎo)致了B的發(fā)生。比如醉酒駕駛導(dǎo)致交通事故，那么醉酒就是交通事故的原因之一。

什么是相關(guān)關(guān)系？

就是A和B兩件事情的出現(xiàn)，都是出自同一個原因，數(shù)據(jù)上顯示火鍋消費高峰期和冰淇淋消費低谷期總是同一個階段出現(xiàn)，而這兩件事情都有同樣一個原因，即天氣變冷，氣溫下降。

有時候我們在分析數(shù)據(jù)時常常把相關(guān)關(guān)系錯判為因果關(guān)系。

這里我們舉幾個現(xiàn)實生活中的例子：

1. 吸煙真的是短命的原因嗎？
2. 玩網(wǎng)游讓學(xué)生成績變差？
3. 打籃球讓人長高？

所以說，我們在面對數(shù)據(jù)的時候要時刻保持獨立思考的狀態(tài)，要多問幾個為什么，要多好奇心 。

四、利用數(shù)據(jù)

4.1 數(shù)據(jù)應(yīng)用的場景4.1.1 需求層面

需求一般有兩個來源，一個是用戶層面，一個是公司層面，數(shù)據(jù)在面對這兩個方面的需求所起到的作用是不一樣的，下面我們分別看下這兩個層的需求來源。

1. 用戶層面。一般來說用戶層面的需求一般來自普通用戶或者產(chǎn)品經(jīng)理自身。這個時候數(shù)據(jù)主要是用來「去偽存真」。

   有時候用戶會基于自身層面提出很多需求，但是這些需求都非常的主觀，我們這時候就可能需要利用數(shù)據(jù)來驗證這些需求了。

   比如說，有時候一個用戶說，你們這個網(wǎng)頁打不開啊！產(chǎn)品經(jīng)理就是個垃圾。

   這個時候我們可以自己使用下，看下問題是否能復(fù)現(xiàn)，如果不能的話。再看下這個頁面的退出率是否存在異常，如果沒有，這個問題也可能是網(wǎng)絡(luò)、設(shè)備等原因引起的。

2. 公司層面面對高層需求，從數(shù)據(jù)入手，驗證觀點，并提供合理化建議。

   高層的需求通常是基于公司戰(zhàn)略目標(biāo)提出來的，這個目標(biāo)可能會與用戶體驗有一些沖突，這個時候產(chǎn)品經(jīng)理就可以利用數(shù)據(jù)來驗證并提供合理化建立。

4.1.1 產(chǎn)品設(shè)計階段

1. 設(shè)計前通過數(shù)據(jù)分析發(fā)現(xiàn)問題，確定行之有效的量化標(biāo)準(zhǔn)。

   比如：網(wǎng)站首頁的改版，可以看到各個模塊的點擊率，轉(zhuǎn)化率等。看下是否需要調(diào)整模塊的位置。

2. 設(shè)計中輔助決策，判斷思路

   比如：我們在購物網(wǎng)站中，優(yōu)惠券的有效時間設(shè)置多長比較合適了？1小時？12小時？1天？3天？

   這個時候其實就可以利用數(shù)據(jù)來分析下用戶之前使用優(yōu)惠券的時間分布圖，最后確定時間的長度。另外還可以使用A/B Test來測試。

3. 設(shè)計后這個階段主要是數(shù)據(jù)來驗證方案是否符合預(yù)期。

4.2 數(shù)據(jù)驅(qū)動產(chǎn)品的方法

數(shù)據(jù)驅(qū)動產(chǎn)品最重要的保持?jǐn)?shù)據(jù)驅(qū)動產(chǎn)品的思維方式（具體見下圖），可以看出，利用數(shù)據(jù)，產(chǎn)品可以不斷的進(jìn)行優(yōu)化。

數(shù)據(jù)驅(qū)動產(chǎn)品的思維方式

4.3 如何培養(yǎng)數(shù)據(jù)分析的能力

首先我們有一個好奇的心，保持自己的求知欲望。這些是引領(lǐng)我們前進(jìn)的內(nèi)在動力。我們在生活中就可以發(fā)現(xiàn)很多數(shù)據(jù)，如果我們有足夠好奇心的話，其實可以發(fā)現(xiàn)很多有趣的問題的。

比如，分析在春節(jié)時候的自己朋友圈轉(zhuǎn)發(fā)文章的閱讀數(shù)、點贊數(shù)等一些數(shù)據(jù)。你會發(fā)現(xiàn)哪些文章的轉(zhuǎn)發(fā)率高，自己朋友圈的一些特征等。

其次我們要有正確的數(shù)據(jù)驅(qū)動產(chǎn)品的思維方式。

然后我們要非常熟悉我們所在產(chǎn)品的業(yè)務(wù)，我們要重視數(shù)據(jù)，保存對數(shù)據(jù)的敏感程度。