在產(chǎn)品發(fā)展的全部生命周期中，數(shù)據(jù)分析是基于產(chǎn)品本身優(yōu)化更新的重要理論依據(jù)之一，也是基于產(chǎn)品戰(zhàn)略發(fā)展重要的需求挖掘手段之一。在產(chǎn)品經(jīng)理實際工作過程中，數(shù)據(jù)分析也是產(chǎn)品經(jīng)理驗證前期工作是否正確的重要手段之一。

例如用溫度計測量體溫，當(dāng)溫度計顯示39度時，只能證明該人目前發(fā)燒，并不能證明發(fā)燒的原因。醫(yī)生再通過其他如血壓，血脂，脈搏等多方面數(shù)據(jù)指標(biāo)對比就能判斷病人病情，診斷病例，對癥下藥，當(dāng)各項數(shù)據(jù)恢復(fù)正常，就說該病人已經(jīng)康復(fù)。此案例只是一個簡單的數(shù)據(jù)分析過程，如果將以上案例病人換成產(chǎn)品，身體指標(biāo)換成產(chǎn)品指標(biāo)，就可以看做是一個產(chǎn)品數(shù)據(jù)分析過程。

通過案例也可以論證出數(shù)據(jù)分析對產(chǎn)品發(fā)展的重要性。進(jìn)而可以論證出脫離數(shù)據(jù)分析的產(chǎn)品經(jīng)理空有理論，沒有依據(jù)，無異于紙上談兵。

數(shù)據(jù)分析是伴隨產(chǎn)品全部生命周期的重要分析行為之一，在產(chǎn)品發(fā)展的不同階段，數(shù)據(jù)分析的側(cè)重點也有所不同。

產(chǎn)品初期，通過對市場及競品的數(shù)據(jù)分析，可以更好的為自身產(chǎn)品開發(fā)提供理論依據(jù)，從而避免產(chǎn)品沒有市場需求或者避免產(chǎn)品踩到競品踩過的坑。

產(chǎn)品發(fā)展期，通過數(shù)據(jù)分析可以優(yōu)化產(chǎn)品功能，提升用戶體驗，使產(chǎn)品更好的符合用戶需求，贏得市場。

產(chǎn)品成熟期，通過數(shù)據(jù)分析可以獲取對產(chǎn)品新的想法，擴(kuò)展產(chǎn)品功能，使產(chǎn)品二次創(chuàng)新，為產(chǎn)品未來發(fā)展布局，避免進(jìn)入產(chǎn)品衰亡期。

常見的關(guān)鍵數(shù)據(jù)指標(biāo)（KPI）

網(wǎng)頁端數(shù)據(jù)指標(biāo)

訪問量（Visits）

指一個人來到一個網(wǎng)站瀏覽一些內(nèi)容和做了一些操作后離開網(wǎng)站的過程。因此，訪問量（Visits）就是一段時間內(nèi)的會話次數(shù)。  ps：關(guān)閉瀏覽器或30分鐘內(nèi)沒有任何動作，都將歸為訪問結(jié)束。

訪客數(shù)（UV）

訪客數(shù)也稱為獨立訪客數(shù)（Unique Visitor，簡稱UV）就是訪問網(wǎng)站的人數(shù)。 根據(jù)用戶的IP、ID等信息判斷是否為同一個用戶。

瀏覽量（PV）

瀏覽量（PV，Page Views），就是瀏覽某一頁面的數(shù)量。

頁面停留時長

也就是訪客一次訪問在某個頁面上停留的時間，通過這個頁面的總停留時長除以這個頁面的總訪問量得來。

網(wǎng)站停留時長

訪客在一次訪問的時間長度，通過網(wǎng)站的總停留時長除以訪問量得出。

跳出率

一次非常重要的指標(biāo)，表示訪客來到網(wǎng)站后沒有任何動作就直接離開的比例，代表著落地頁面（訪客進(jìn)入網(wǎng)站的第一個頁面）是否對訪客有吸引，常用的計算方式是落地頁面的訪問量除以總訪問量。

退出率

退出率衡量從某個頁面退出網(wǎng)站的比例，通過單個頁面的退出次數(shù)除以訪問次數(shù)。

轉(zhuǎn)化率

根據(jù)網(wǎng)站業(yè)務(wù)設(shè)定目標(biāo)，比如電商網(wǎng)站就設(shè)定用戶提交訂單為目標(biāo)，轉(zhuǎn)化率是指達(dá)到目標(biāo)的訪問量占總訪問量的比例，或達(dá)成目標(biāo)的訪客數(shù)占總訪客的比例。

ps：以上數(shù)據(jù)都可以通過網(wǎng)站監(jiān)測工具很方便的獲取到。

免費的網(wǎng)站排名工具 ：中國網(wǎng)站排名、網(wǎng)絡(luò)媒體排名（iwebchoice）

免費的網(wǎng)站監(jiān)測工具 ：Google Analytics、百度統(tǒng)計、CNZZ網(wǎng)站分析

移動端數(shù)據(jù)指標(biāo)

按照整個移動應(yīng)用從用戶下載使用到付費，分為以下5個階段，每個階段所對應(yīng)數(shù)據(jù)指標(biāo)各不相同。

用戶獲取

下載量（別忘記應(yīng)用商店的排名和評分） 、激活率 、新增用戶數(shù)量 、用戶獲取成本

用戶活躍

日活用戶數(shù)（DAU）、月活用戶數(shù)（MAU）等（各行業(yè)根據(jù)用戶在一定周期內(nèi)使用時長及登錄次數(shù)作為活躍基準(zhǔn)）、平均使用時長 、功能使用率（使用某功能的用戶占活躍用戶數(shù)的比例）

用戶留存

次日留存率 、7日留存率 、30日留存率 （參考各行業(yè)的值是否屬于合格）

用戶轉(zhuǎn)化

付費用戶比例（付費用戶與免費用戶區(qū)別對待） 、付費用戶平均每月營收 、首次付費時間間隔

用戶收入

收入金額 、付費人數(shù)、投資回報率（ROI）

國外：Flurry、Google Analytics 
國內(nèi)：友盟、TalkingData 
Crash分析工具：Crashlytics

關(guān)鍵數(shù)據(jù)指標(biāo)（KPI）也可以基于用戶路徑和產(chǎn)品節(jié)點兩個維度進(jìn)行劃分。

用戶路徑

指用戶為達(dá)到某種目的（產(chǎn)品注冊、頁面瀏覽、支付等）的單一或多個操作行為數(shù)據(jù)量，主要體現(xiàn)在數(shù)量。比如：下載量、用戶注冊數(shù)，頁面瀏覽量，活躍用戶、訪客數(shù)、頁面停留時長等。

產(chǎn)品節(jié)點

指用戶為達(dá)到某一目的，需要對當(dāng)前產(chǎn)品進(jìn)行單個或多個操作的行為，主要體現(xiàn)在操作前后的比例，即轉(zhuǎn)換率。例如：激活率，付費轉(zhuǎn)換率，跳出率等

啟動次數(shù)

一段時間內(nèi)單個或多個用戶對產(chǎn)品的啟動次數(shù)，標(biāo)明用戶對產(chǎn)品的粘性

啟動時間及持續(xù)時長

單個或多個用戶的啟動時間及持續(xù)時長結(jié)合啟動次數(shù)了解用戶使用場景。比如通過天氣類APP用戶啟動時間多在早晨8點左右，那么我們可以在早上7點發(fā)送天氣信息推送。

事件完成情況

指單個或多個步驟功能的操作數(shù)量及比例。比如完成注冊人數(shù)，注冊完成轉(zhuǎn)行率等。

使用出錯率

除了bug類的錯誤以外，還有基于產(chǎn)品頁面設(shè)計、功能引導(dǎo)、流程難易度等，使用戶放棄下一步操作的比例。比如進(jìn)入注冊頁面人數(shù)與完成注冊人數(shù)比例，及注冊完成率。如果注冊完成率低于市場標(biāo)注，就可以說明注冊流程過于繁瑣或頁面設(shè)計不太友好。

用戶活躍情況

多個數(shù)據(jù)指標(biāo)的比較，比如活躍用戶（日活、月活等），用戶留存率（次日，月等），付費轉(zhuǎn)換率，新增注冊率等多個數(shù)據(jù)?？梢哉f明用戶對產(chǎn)品的喜愛及認(rèn)可程度，如果各項數(shù)據(jù)偏低，可以針對產(chǎn)品本省設(shè)計或者內(nèi)容進(jìn)行更新。

用戶屬性

從用戶的基本屬性（如性別、使用地區(qū)、下載渠道等）合理優(yōu)化產(chǎn)品或者優(yōu)化宣傳渠道等。

新的數(shù)據(jù)指標(biāo)

凈推薦值 （NPS=Net Promoter Score）

愿意將產(chǎn)品推存給其他人使用占用戶總數(shù)的比例，凈推存值越高表明用戶對產(chǎn)品喜愛或滿意度越高。

凈推薦值(NPS)=(推薦人數(shù)/總樣本數(shù))×100%-(貶損人數(shù)/總樣本數(shù))×100%

（具體內(nèi)容看圖）

定性

對數(shù)據(jù)分析的目的進(jìn)行性質(zhì)歸納，明白我們做哪方面的數(shù)據(jù)分析，明白數(shù)據(jù)分析的目的。

比如目前用戶注冊轉(zhuǎn)換率不高，是因為注冊頁面設(shè)計不美觀？還是注冊流程太復(fù)雜等，就需要對注冊流程設(shè)計進(jìn)行定性分析。

再比如，當(dāng)溫度計顯示39度時，只能說明病人發(fā)燒（與目前用戶注冊轉(zhuǎn)換率不高相同），屬于表象。病人發(fā)燒的原因可能是感冒、可能是中暑、也可能是體溫調(diào)節(jié)中樞下丘腦損傷等等（注冊頁面設(shè)計不美觀？還是注冊流程太復(fù)雜等相同）。對發(fā)燒（等于注冊流程設(shè)計）的原因進(jìn)行研究，就屬于定性研究。定性研究屬于假設(shè)階段。

定量

對數(shù)據(jù)分析的目的進(jìn)行相關(guān)數(shù)據(jù)統(tǒng)計，以數(shù)據(jù)變化作為依托的論證。即通過數(shù)據(jù)統(tǒng)計分析對定性的問題進(jìn)行理論的驗證。

如通過大量潛在用戶調(diào)查問卷，用戶訪談等形式得出90%的用戶放棄注冊是因為注冊流程太過復(fù)雜。

結(jié)合上面的例子方便大家理解，醫(yī)生通過對病人打噴嚏頻次、嘔吐頻次、脈搏，血壓及其他的數(shù)據(jù)研究（等于產(chǎn)品大量潛在用戶調(diào)查問卷，用戶訪談后的數(shù)據(jù)研究），得出病人是因為感冒引起的發(fā)燒（等于注冊流程太過復(fù)雜）。此時的研究階段屬于定量驗證。

明白數(shù)據(jù)分析針對的問題是什么？分析要達(dá)到什么樣的目的？通過那種方法收集數(shù)據(jù)？對產(chǎn)品有什么意義？

如：目前產(chǎn)品注冊轉(zhuǎn)行率偏低，為達(dá)到提升注冊轉(zhuǎn)化率的目的，我們要通過潛在用戶調(diào)查問卷或訪談等方法收集相關(guān)數(shù)據(jù)，通過數(shù)據(jù)分析明白產(chǎn)品注冊轉(zhuǎn)行率偏低的原因，從而找到對應(yīng)方法，優(yōu)化產(chǎn)品性能，提升轉(zhuǎn)化率。

收集與數(shù)據(jù)分析目的相關(guān)的數(shù)據(jù)，可以是產(chǎn)品自身數(shù)據(jù)庫、也可以用戶訪談、問卷調(diào)查等。

去除毫無意義的數(shù)據(jù)，假數(shù)據(jù)。并說明去掉的數(shù)據(jù)為什么為假數(shù)據(jù)，留下的為什么為真數(shù)據(jù)

對有價值的數(shù)據(jù)進(jìn)行統(tǒng)計描述，有針對性的歸納和總結(jié)。

數(shù)據(jù)方法

AHP層次分析法，漏洞模型法等（由于篇幅太多，本文不做累述）

針對分析結(jié)果，找到對應(yīng)的解決方案或者降低負(fù)面影響

對改進(jìn)后的方案進(jìn)行持續(xù)監(jiān)控和反饋，迭代更新。

正確的選擇數(shù)據(jù)來源渠道。產(chǎn)品自己的運營，用戶反饋，調(diào)查問卷等數(shù)據(jù)，也可以是競品公開第三方網(wǎng)站流量統(tǒng)計，公開的數(shù)據(jù)報表等，還可以是行業(yè)的分析報告，熱點大數(shù)據(jù)等。

數(shù)據(jù)分析一定要先明確分析目標(biāo)，提針對性的取相關(guān)數(shù)據(jù)，有價值的數(shù)據(jù)，不能被假數(shù)據(jù)蒙騙。

分析數(shù)據(jù)不能只針對數(shù)據(jù)本身，更需要挖掘數(shù)據(jù)背后的深層原因。