产品经理（二）

精益数据分析

要尽可能获取真实的数据，而不是处理之后的数据。

（1）数据分析

产品经理在与数据打交道的时候要做到两点：
①学习如何提出数据统计需求。这是一个“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、功能预期效果有完整和清晰的掌握。
②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，进一步提出更好的追问和假设，然后通过数据或者其他手段来验证。

（2）网络数据的指标

web网站数据指标

几个关键的指标：浏览量、访客数、访问量、跳出率、页面停留时长、网站停留时长。

移动应用的指标

电商类数据指标

销售额=UV转换率客单价
其中UV*转换率为购买客户数

客单价=人均购买件数*件单价
人均购买件数是指每个客户购买几件商品，这个指标也经常用来衡量销售的效果，也就是关联销售效果越好，人均购买件数也就越多。件单价是指商品的平均价格，等于销售额除以销售量，这个指标用来衡量网站上的商品价格高低。

用户生成内容类数据指标

web端的产品指标思路
①有多少访客，访客有什么特征。
②访客从哪些渠道获取，效果怎么样。
③访客的参与度怎么样（跳出率，浏览页面数和转化率）
④这些访客最终有没有转化，转化漏斗是否顺畅。
获取指标的方式：
①分析日志
程序员日志——分析师/产品经理给出计算逻辑——程序员计算指标——excel分析或报表
②分析工具
网站分析工具
移动分析工具

（3）基本分析方法

①对比分析
横向对比：跟自己比。如比较新老用户，会选择两个发布初期的新用户，保证在对比指标之后外的一切因素尽可能保持一致。
纵向对比：跟竞争对手比
②象限分析
③交叉分析
④宏观分析框架：PEST、政治经济社会…、SW2H、SWOT、4P。
⑤AARRR模型：

举例

（4）数据分析框架

1. 逻辑分层拆解

产品经理最为关心的核心指标
网易云音乐——日活跃用户数
网易考拉海购——销售量
网易游戏——ARPU（用户平均收入）
网易新闻web端——UV（网站访问人数）

①逻辑拆解：寻找和核心指标有逻辑关系的相关指标。找到的指标一定能够影响核心指标的变动，他们之间对应存在强烈的逻辑关联，选用这些指标之前，我们必须清楚了解他们是如何影响核心指标的。

②分层拆解：第一层直接解释核心指标变动的大的方向。第二层是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性。同一层里面的各个相关指标都是代表一个寻找方向，所以他们之间不能有相关性。

举例：销售额
销售额=UV转化率客单价
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

2. 漏斗分析

要注意对比，比如第二环节虽然是40%，但是行业的转换率只是36%，说明这个还是不错的。

注意：数据会说谎。决定样本量大小的因素，总体大小，总体内部差异程度。

（5）数据运用

1. 需求分析
   用户层面：普通用户和产品经理自身
   公司层面：高层想法和战略目标
   对于来自用户层面的需求要去伪存真
   对于公司层面的需求要验证并提供证据
2. 产品设计
   三阶段：
   ①设计前——通过数据分析发现问题
   ②设计中——辅助决策，判断思路
   ③设计后——数据验证方案
   

（6）培养数据分析的能力