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

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
          • 同类群组分析
          • 受众特征
          • 兴趣
          • 地理位置
          • 行为
          • 技术
            • 用户的浏览器、分辨率
          • 移动
            • 用户在移动设备上的使用行为
        • 流量获取：描述用户从哪里来
          • 概览
          • 所有流量
          • Adwords
          • 搜索引擎优化
          • 社交
          • 广告系列
        • 用户行为：用户的参与情况
          • 概览
          • 行为流
          • 网站内容
            • 浏览了哪些页面，热门着陆页、高退出页
          • 网站速度
          • 网站搜索
            • 搜索了哪些关键词，了解用户需求
          • 事件
            • 点击动作
          • 发布商
          • 实验
          • 网页内分析
            • 点击热点，哪些区域点的最多
        • 用户转化：用户的达成目标情况
          • 目标
            • 自定义目标，如电商中的购买
          • 电子商务
          • 多渠道路径
            • 转化漏斗
          • 归因
        • 对网站宏观分析
          • 1、有多少访客访问网站，访问深度怎么样？
            • 查看“受众群体”概览页来了解
          • 2、这些访客从哪里来，效果怎么样？
            • 查看“流量获取”的概览页了解网站的流量从哪里来
              • Referral
                • 引荐网站：指向本网站的其他网站，如博客、联盟等
              • Direct
                • 直接进入
              • Organic Search
                • 自然搜索
              • Paid Search
                • 一般是付费的广告流量
              • Other
                • 付费搜索
            • 各类渠道的效果怎么样
              • 哪种渠道跳出率比较高等
          • 3、访客在网站做了什么？
            • 流量最大的着陆页
              • GA“行为”模块的“着陆页”，着重优化，降低跳出率
            • 流量最大的页面
              • GA“行为”模块的“所有页面”
            • 页面点击热图
              • GA“行为“模块的”网页内分析“
            • 主要流程的转化漏斗
              • GA“行为”模块的“渠道可视化”定义转化漏斗，找出流失最多的步骤，着重优化
    • 博客：网站分析在中国
  • 移动应用类数据指标（免费）
    • 指标
      • 用户获取
        • 下载量
          • 已下载应用的用户数量，以及应用商店排名和评分
        • 安装激活量
          • 安装并打开应用的设备数
        • 激活率
          • 激活设备数／安装设备数
        • 新增用户数
          • 设备是首次激活应用，那么这个设备就是新增
        • 用户获取成本
          • 每获取一个用户所需要的费用
      • 用户活跃与参与
        • 数据指标
          • 日活跃用户数
            • 一段时间内启动过应用的设备数，表示用户规模
          • 月活跃用户数
            • 相对稳定，一般用这个
        • 质量指标
          • 活跃系数
            • 日活跃用户数／月活跃用户数（0.2以上市委合格）
          • 平均使用时长
            • 平均每个用户一天使用应用的时间
          • 功能实用率
            • 使用某功能的用户数／活跃用户总数
      • 用户留存
        • 次日留存率
          • 统计日期新增的用户或活跃用户，在第N天又来使用的比例 可以参考行业值来对标自己应用的留存是否健康
        • 7日留存率
        • 30日留存率
      • 用户转化
        • 付费用户比例
          • 付费用户／总用户，单独对待付费用户！
        • 首次付费时间
          • 用户激活后多久才会开始付费，把握转化用户的时间点
        • 用户平均每月营收
          • 一个月的收入／月活跃用户数
        • 付费用户平均每月营收
          • 一个月的收入／月付费用户数
      • 获取收入
        • 收入金额
        • 付费人数
    • 留存率低怎么办？
      • 次日低，新手指南太差？
      • 7日低，内容不好玩？
      • 30日低，版本迭代规划不好？
    • 如何用上面指标评估版本迭代效果？（云音乐）
      • 整体数据-关注留存
        • 同比
        • 环比
      • 整体数据-核心功能的实用率
      • 新功能使用-使用率和继续使用率
      • 新功能使用-对核心功能的促进效果
        • 核心贡献率：使用过功能A的听歌人数比例-未使用过功能A的听歌人数比例
    • 移动应用分析工具
      • 国外：flurry、GA
      • 国内：友盟、TalkingData
      • Crash分析工具：crashlytics
  • 电商类数据指标（考拉海购）
    • 关键指标
      • 销售额
        • 网站的收入
        • 销售额=访客数（UV）*转化率*客单价
      • 购买客户数
        • 购买了商品的人数，账号去重计算
          • 老客数
            • 统计当天之前就购买过商品的客户数
            • 统计当天首次购买商品的客户数
          • 新客数
      • 客单价
        • 每个客户购买的金额，销售额／购买客户数
      • 购买转化率
        • 购买客户数／访客数
          • 详情页到达率
          • 商品详情页下单率
          • 支付成功率
      • UV
        • 访客数，来到网店的人数
      • 详情页UV（IPV_UV）
        • 访问商品详情页的人数
      • 订单数
        • 关系到支付压力和仓库发货的任务量
      • 在线商品数
      • 妥投及时率
        • 按照约定时间妥投的比例
      • 重点商品缺货率
        • 爆款缺货的比例
    • 分析指标变化方法
      • 流量增长因素
        • PC端／Web端
          • 媒体1
          • 媒体2
        • APP端
          • Android
            • 渠道包
          • IOS
            • IDFA
            • 跟踪工具跟踪来源
      • 客单价增长因素
        • 客单价=人均购买件数*件单价
          • 人均购买件数：衡量关联销售的效果
            • 组合装／单件装比例
            • 推荐效果：推荐带来的销售额
          • 件单价：销售额／销售量
            • 热销商品价格变动
      • 转化率增长因素：转化漏斗
        • 入站UV
        • 浏览商品详情页
          • 详情页来源
            • 直接落地到详情页
            • 从首页进入详情页
            • 从频道页进入详情页
            • 从分类页进入详情页
            • 从品牌页进入详情页
            • 通过关联销售从一个商品到另外一个商品
            • 导出率：点击该页面上的链接的次数／进入该页面的次数 商品导出率：在该页面上点击商品详情页的次数／进入该页面的次数 推荐商品点击率：在商品详情页看到推荐的访客中，点击推荐商品的比例
        • 提交订单
        • 支付成功
  • 用户生产内容（UGC）类数据指标
    • UGC产品的特征
      • 目标：让用户产出内容
        • 发表文章
        • 点赞
        • 订阅
        • 评论
        • 其他行为（分享）
        • 访客-->产出内容
    • UGC产品的参与度
      • 参与度指标
        • 访客数
        • 停留时长
        • 产出内容（点赞、评论、发表文章等）
          • 微博：转发微博、发表微博
          • 易信、朋友圈：发表状态
          • 博客：发表博文
    • 举例：网易LOFTER参与度指标
      • 活跃用户规模
        • 访客数：访问网站或打开APP的人数，等于web端访客数+移动端访客数
        • 登陆访客数及占比：登陆的访客数以及占总访客的比例
      • 留存及访问深度
        • 沉默用户数及占比：超过7天未访客数来访的账号数占总账号的比例
        • 平均停留时长：总停留时长／访客数
      • 核心功能使用情况
        • 点赞访客数及占比：点赞的访客数／登录访客数
        • 推荐访客数及占比：点击推荐的访客／登录访客数
        • 分享访客数及占比：点击分享的访客／登录访客数
        • 评论访客数及占比：发表评论的访客／登录访客数
        • 创作访客数及占比：创作访客数／登录访客数
        • 文字、图片、音乐、视频创作访客数及占比
    • 如何评价一篇内容是否优质？
      • 热度=分享次数+评论次数+点赞次数，代表文章的受欢迎程度
    • 分析工具：同上，把点赞定义成一个事件，计算事件使用率
  • 互联网产品指标思路
    • 1、有多少访客，访客有什么特征？
      • 访客访问的时间段
      • 在哪些地域访问
      • 用什么设备以及用什么网络
    • 2、访客从哪些渠道获取，效果怎么样？
      • 带来多少新访客、浏览深度怎么样、是否留存、转化率情况
      • web端网站：新访客占比（代表渠道拓展用户的能力）、跳出率、浏览页面数、转化率
      • 移动应用：新设备占比、次日留存率、转化率
    • 3、访客的参与深度如何？
      • 跳出率
      • 浏览页面数
      • 转化率
    • 4、这些访客最终有没有转化？转化漏斗是否顺畅？
      • 任何有意义的动作都可以认为是转化
  • 获取指标的方式
    • 分析日志
      • 1、程序员记录日志
      • 2、分析师／产品经理给出计算逻辑
      • 3、程序员计算指标
      • 4、Excel分析或报表
      • 难度较大
    • 分析工具
      • 网站分析工具
      • 移动应用分析工具
      • 自定义事件分析功能使用率；自定义转化漏斗分析转化流程和参与深度
• 分析数据：产品数据分析框架
  • 基本分析方法
    • 数据分析更多的是基于业务背景来解读数据，把隐藏的数据背后信息提炼和总结出来，发现有价值的内容
    • 对比分析
      • 横向对比--跟自己比
      • 纵向对比--跟别人比
    • 举例：APP版本分析
      • 评估指标：访问频次、使用时长、启动次数、关键事件达成率、留存率。。
      • 对比方式：对比新版本发布前后新版本用户和老版本用户个数据指标的差异--不合理
        • 通常做此类分析会选择两个版本发布初期的新用户，保证对比指标之外的其他因素尽可能保持一致！
    • 数据多的时候有没有快捷方法？
      • 画图！
      • 象限分析法
        • 依据数据的不同将各个比较主体划分到四个象限中
    • 交叉分析法
      • 对数据在不同维度进行交叉展现，进行多角度的结合分析
      • 举例：APP分析
        • 终端维度
        • 时间维度
        • 渠道维度
  • 数据分析框架
    • 数据分析方法：具体方法，用来挖掘数据背后隐藏的有用信息 数据分析框架：分析思路，教我们如何开展数据分析的工作
    • 数据分析框架有什么具体作用？
      • 把抽象的问题具体化，基于业务特征和数据指标来构建相关的分析体系，保证分析结果的准确性、可靠性和针对性
    • 常见的分析框架
      • PEST分析框架
        • 政治、经济、社会、技术
      • SW2H分析框架
      • SWOT分析
        • 战略分析
      • SMART分析
        • 目标管理
      • 4P理论
    • AARRR模型
      • 分析新公司和新产品的可行性，提出赢得客户的五个阶段
        • 获取（Acquisition）：曝光数、点击数、打开率、下载量、用户获取成本
        • 激活（Activation）：设备激活量、新注册用户数、订阅数量、事件达成数、浏览数、日活跃率
        • 留存（Retention）：次日留存率、7日留存率、距离上次使用时长、DAU/MAU（日／月活跃）、七日回访率
        • 收入（Revenue)：付费率、付费频次、客单价、用户价值
        • 推荐（Refer）：转发数、邀请数、评论数、K因子值
      • 举例：渠道分析
        • 渠道A：引入10w个用户，单个用户成本3元
          • 获取：10w，3元
          • 激活：5w
          • 留存：5k，60元
          • 收入：1k，300元
        • 渠道B：引入5w个用户，单个用户成本10元
          • 获取：5w，10元
          • 激活：4.5w
          • 留存：2.5w，20元
          • 收入：1.5w，33元
    • 逻辑分层拆解框架
      • 产品经理最为关注的核心指标
        • 网易云音乐--日活跃用户数
        • 网易考拉海购--销售额
        • 网易游戏--ARPU（用户平均收入）
        • 网易新闻web端--UV（网站访问人数）
      • 逻辑拆解
        • 寻找跟核心指标逻辑相关的指标，必须清楚了解它们是如何影响核心指标的
      • 分层拆解
        • 第一层：核心指标变动的大的方向
        • 第二层：针对这个大方向的细分，从而能够将问题定位的更加准确和可操作
        • 原则：同一层各指标没有相关性
      • 举例：核心指标--销售额
        • UV
          • 推广来源流量
          • 新访客、老访客
        • 转化率
          • 跳出率
          • 购物车流失率
        • 客单价
          • 新用户客单价
          • 老用户客单价
        • 避免不全，可以头脑风暴
    • 漏斗分析
      • 进入网站
        • 100%／100%
      • 浏览商品
        • 40%／40%
          • 上个月 40%，行业均值 36%
            • 要对比！
      • 加入购物车
        • 20%／50%
      • 支付订单
        • 16%／80%
      • 支付成功
        • 13%／82%
          • 上个月 91%，行业均值 90%
  • 数据会说谎
    • 如何避免数据图形的欺骗？
      • 添加趋势线和对应公式，看斜率！
    • 样本量的大小
      • 总体大小
      • 样本内部差异程度
    • 被平均
    • 辛普森悖论
      • 产品形态是个混淆变量，细分之后可能就不具有可比性率
• 利用数据：数据驱动产品
  • 数据应用的场景
    • 需求分析
      • 用户层面
        • 普通用户
        • 产品经理自身
        • 数据作用：去伪存真
      • 公司层面
        • 高层想法
        • 战略目标
        • 数据作用：验证并提供证据
    • 产品设计
      • 设计前：通过数据分析发现问题
      • 设计中：数据辅助决策，判断思路
        • 案例：考拉海购新人礼失效时间--数据分析！
        • 小tips：A/B test
          • 抽样
            • 50%流量--A方案
            • 50%流量--B方案
      • 设计后：数据验证方案
    • 开发测试
    • 产品上线
    • 迭代升级
  • 数据驱动产品的方法
    • 数据驱动产品的闭环
      • 发现问题
      • 确定指标
      • 产品设计
      • 开发测试
      • 产品上线
      • 数据验证
      • 发现问题
    • 案例：考拉海购首页改版
      • 通过数据分析发现问题
        • 问题1 部分模块吸引力不足
        • 问题2 频道页分走较多流量，首页信息展现不足
        • 问题3 部分用户需求未得到满足
        • 问题4 pc和移动端风格不统一
      • 确定改版数据指标
        • 首页导出率：从首页点击到下级页面的浏览量／首页的总浏览量
        • 首页点击率：首页的点击数／首页的浏览量
        • 用户整体满意度：通过问卷调查收集
      • 产品设计
        • 品牌调性
        • 首页架构
        • 个性化推荐
        • 凸显品牌
      • 上线后的数据验证
      • 发现问题
  • 如何培养数据分析能力
    • 心法层面：热爱生活
      • 好奇心
      • 求知欲
    • 基础层面
      • 核心基础概念：PV、UV、跳出率、转化率、访问数、点击数
      • 基本统计原理：cookie、访问请求、日志等
      • 推荐网站：网站分析在中国、蓝鲸的网站分析笔记
      • 推荐书籍：《精通Web Analytics 2.0--用户中心科学与在线统计艺术》、《流量的秘密》
    • 实战层面
      • 学会数据驱动产品的思维方式
      • 对业务足够了解
      • 重视数据，保持敏感