导图社区产品经理第四课：精益数据分析

产品经理第四课：精益数据分析

一、认识数据：产品经理与数据分析 1.数据的客观性 2.培养面对数据的“智慧” 3.数据分析当中的“误区” 二、获取数据：产品分析指标和工具 1.web网站数据指标 2.移动应用类数据指标 3.电商类数据指标 4.用户生产内容类数据指标 5.互联网产品指标思路 6.获取指标的方式三、分析数据：产品数据分析框架 1.基本分析方法 2.数据分析框架 3.数据会说谎四、利用数据：数据驱动产品 1.数据应用的场景 2.数据驱动产品的方法 3.如何培养数据分析能力

编辑于2020-12-19 11:48:54

巧克力丽丽

产品经理第四课：精益数据分析

社区模板帮助中心，点此进入>>

巧克力丽丽

相似推荐
大纲

产品经理第四课：精益数据分析

认识数据：产品经理与数据分析

数据的客观性

数据真的是客观的吗？什么情况下数据会犯错？

人在处理数据时犯错，因为分析方法和手段有主观因素

女生，身高170cm，不同人看法不一样

网站改版调研

网站A：满意度20%

其实，网站A发展很好，但参与调查数占总人数不到10%，沉默用户未发声

网站B：满意度80%

已经比较失败了，只剩铁杆粉丝在用

要看样本范围，看样本提取手段等其他因素

面对数据要有谨慎和求证的态度，要追问

数据的来源？

是否经过二次处理？

数据的样本是否完整？

数据对产品经理意味着什么？

量化事物的手段

最终要强调的一点

“数据“本身具有天然的客观性，无论我们是否触碰它，它已经发生并且就在那里。而在面对海量数据的时候，我们更像是一个”求知者“。如果我们希望在数据当中找到答案，我们更应该带着一个”求证“的态度，去读取，去分析，去解读。

怎么探索数据背后隐含信息？如何为产品经理所用？

取决于解决什么问题，对问题的理解，对答案方向的预判

举例：10%用户会点赞后取消点赞，为什么？

行为时间分布数据，90%第一天内，大部分一分钟、几秒钟内--->误操作！

处理方式：更改页面交互设计，数据回归正常

培养面对数据的“智慧”

培养数据敏感性

真正优秀的产品经理，既不是任由自己的感性思维天马行空，也不是让自己的理性思维控制自己，而是能够控制自己的感性和理性，在该发散的时候有巧妙的想法，在该聚集的时候有思辨的逻辑。

反复的练习以及对各种数据的阅历会反过来让产品经理综合的“智慧”更加的饱满

举例：吃汉堡大餐，发现生产芝麻的商机

如何开始与数据打交道？

第一，学习如何提出数据统计需求

提出数据需求的过程，是一个“界定产品目的和目标，根据目标提出假设、预判产品效果”的过程，要求对功能目标、功能预期有完整且清晰的掌握

一个完整的数据需求包括

1、功能设计方案

2、功能目的和目标

3、功能上线后需要跟踪的数据指标，及指标精确定义

案例：网站注册流程功能的数据统计需求

注册流程的完整方案设计文档

做这个功能的意义：让所有新用户快速完成注册流程，并正确提供所需的必要个人信息

所需指标及定义：围绕2中的目标设计所需的数据指标，思考哪些数据指标，可以描述目标完成情况；比如：每一个注册环节的用户跳出率，每一个注册填写字段的出错率，各类注册错误的出现频次分布等

第二，学习如何解读数据

对数据足够敏感，能够敏锐的发现数据当中的隐含信息，并通过逻辑推理，进一步提出好的追问和假设，然后通过数据或其他手段来验证。

案例：周日电商网站成交量下降-->可以考虑

周日的转化率是否与其他工作日持平？是下降还是升高？

周日的网站访问量下降比例幅度是多大？周日仍然留在网站上购物的用户，有没有一些共通的特性？

周日的成交量下降，是每一类商品的成交都在下降吗？会不会有个别类目周日的成交不降反升？

进一步追问、推测

好的追问，能指引产品经理发现机会；而提出好的追问，就需要实践经验的积累

数据分析当中的“误区”

误区1：忽略沉默用户

案例一：网站改版调研

用户迫切需要的需求不等于产品的核心需求：你所听到的需求，或许只是少部分用户迫切需要，而大部分用户并不在乎。结论：没有始终全盘的去考虑用户需求，听到用户声音的时候就做出了决策，而忽略了产品大部分目标用户的核心需求。

误区2：过分依赖数据

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

很多优秀甚至伟大的产品决策，并非通过数据发现的，而是一个PM综合智慧的体现

例子：更快的马车->发明汽车

产品经理要有自己独立思考和灵活判断的智慧

误区3：错判因果关系和相关关系

因果关系：A发生导致了B的发生。比如醉酒驾驶导致交通事故，醉酒就是交通事故的原因之一。

相关关系：A和B两件事情的出现，都是出自同一个原因。比如火锅消费高峰期和冰淇淋消费低谷总是在同一阶段出现，都是因为天气变冷，气温下降。

例1：电商网站商品的评论数量和销售额成正比。那么商品评论和销量是什么关系？---相关关系，因价格、质量、季节等

例2：吸烟真的是短命的原因吗？玩网游让学生成绩变差？打篮球让人长高？

误区4：通过数据表达方式欺骗

误区5：妄谈大数据

什么是大数据？

用全部数据

当通过数据分析一个问题的时候，涉及到所分析问题的所有数据都必须纳入到计算范围当中，无论是常规合理数据，还是一些异常的样本数据都必须包含。甚至传统数据分析中可能都完全忽略的数据，都需要包含在大数据分析当中。

注重相关关系

通过大数据分析，最终分析获得并关注数据当中的相关关系，并通过相关关系指导分析、决策、预测，但对因果关系的探索，将不再是这种数据分析所关注的核心内容。

全新的计算方法

计算过程不再是传统数据分析中，必须精确统计、不容许任何脏数据、错误数据的分析方法，而是包含了各类混杂数据的简单相关性计算。

阅读《大数据时代》这本书

获取数据：产品分析指标和工具

Web网站数据指标

网站分析工具

免费的网站排名工具：Alexa、中国网站排名、网络媒体排名

免费的网站监测工具：Google Analytics、百度统计、CNZZ网站分析

网站监测关键指标

访问量

什么是访问？一次访问就是指一个人来到网站，然后浏览了一些内容之后离开网站的过程。这个过程也被称为会话，也就是session。

定义：一段时间的访问量就是这段时间内的会话次数（进入网站后访问第二个页面都算一个会话中）

访客数

也称为独立访客数（Unique Visitor，缩写UV），就是访问网站的人数。

如何识别一个用户？依据用户的浏览器、设备型号等信息，为用户分配一个编号，这个编号称为cookie

访客数就是访问网站的cookie数，如果同一个人换了浏览器或设备访问网站，那么他的cookie也就变化了

浏览量

PV(PageViews)，就是浏览页面的数量。

网站停留时长

访客一次会话的时间长度，等于网站所有访问量的总停留时长／访问量

页面停留时长

访客一次访问在某个页面停留的时间，等于这个页面的总停留时长／这个页面的访问量

跳出率

网站的所有会话当中，来到网站之后没有任何动作就离开的比例。等于只访问了落地页面的访问量／总访问量

退出率

衡量从某个页面退出网站的比例，等于从一个页面的退出次数／访问次数

跳出率vs退出率？--退出率是无论从哪个页面进入网站，最终从这个页面退出的比例；跳出率是指从这个页面进入网站，没有做任何事，就从这个页面退出的比例

转化率

达成某种目标的访问量／总的访问量，或达成某种目标的访客数／总访客数

采用访问量还是访客数作为分母？--业务理解！访问量：意味着每次访问都认为是下单或购买的机会；访客数：认为一个访客在购买之前，多次访问是正常的。

达成目标：比如客户提交订单

举例：网站监测工具--Google Analytics

主要模块

受众群体：描述用户特征

概览

活跃用户