科技猎写给产品经理：如何有效的进行产品数据分析（中）
产品经理如何有效的进行产品数据分析？上篇文章给大家介绍了第一步：Make it right 保持正确动作“
写给产品经理：如何有效的进行产品数据分析（上）
”，接下来看看第二步。
“Just do it 做起来就是了”
第一件事，在分析开始前制定分析目标。对于你负责的每个产品线来说，是第一件事情。
在不同的产品开发阶段，我们需要侧重关注不同的分析目标。例如，在没有解决用户转化之前，大可不必过多的关注用户的留存、流失指标。因为我们在没有确保核心的产品形态稳定前，大多数的用户去留，都是由是否满足用户需求而决定的。所以这个时候，用户的留存、流失分析就变成了后置结论。可以有，但不是重点，因为它们并不能帮助我们解决眼前的问题。（产品上线早期，我知道了我们的次日流失率是80%，但是它仅仅是个结论，我们并不能通过这个指标进行改变任何事情，因为结论不能改变结论本身！）
关于分析目标，我们对于一个产品线，通常有以下四类目标可以逐个关注：
1.产品设计是否满足预期，每个环节的基本转化是否正常，当下哪里有问题？（我们已知的不确定的问题）；
2.用户增长/留存/流失情况，我们的用户池是否正常，是否还有运营提升空间？（我们已知的且确定的问题）；
3.用户交互行为结果，如浏览时长、决策时间等行为特点，如何运用它？（我们还不知道的确定问题）；
4.用户是否还有其它潜在需求，是否可以挖掘，它有多大价值空间？（我们不知道的未知问题）。
第二件事，在分析过程中，我们明确分析目标后，要搭建行之有效、简单明了的分析框架和指标体系。
事实上，大部分的分析过程都是可复用的，掌握几个现成的方法可以帮助我们快速入手。并且我们大部分的分析都离不开这些基本方法。关于搭建模型，其实是另一个较大的内容，在后面的文章中我会单独分享，本文我只能说一些基本思路。
除了一些常见的诸如AArrr、RFM等模型，我们还能怎样有效的分析数据呢？其实我们可以使用一些简单的分析模型思路，做到开箱即用：
因果前后切分指标：
这有点类似漏斗分析，当我们所分析的某个目标，在其前后存在前置或后置的逻辑节点，那么我们就应该先分析前置节点，再观察后置结论。
例如：
新用户启动App到注册过程，我们要做注册转化率分析。假定我们有一个用户注册产品设计，并且完全依赖它完成注册转化。那么对于注册转化率的分析，引导策略差异分析就是前置分析。此时如果我们只看转化率和转化效能（如注册转化率、注册人数、注册时长区间），而忽视用户注册引导策略的差异因素，实时上我们是无法发现和解决真正问题的。此时我们应该关注不同策略的触达执行效果（ABC策略，是否符合预期、行业标准、是否存在较大差异），以及其注册后的用户行为目标是否健康（是否存在大量“未转化的注册用户”、不同策略是否存在后续差异），才能知道我们注册转化率它是否真的正常，问题出在哪里，且是否是有效。
我们对前因后果进行切分，它并不跑题，而是细化拆解。透过同一个口径的不同结果，来找到结论。
影响因素分析：
我们在分析某个用户目标时，是否存在多个并行的影响因素。那么我们应该找出其对目标的影响程度，并分析是那几个因素出了问题。
例如：我们在分析自家应用的用户下单转化时，在用户点击详情前，通常有几个并行因素影响。比如价格与优惠对用户的点击吸引、标题描述与图片对用户点击的吸引、排序与曝光度对点击可能的影响、曝光场景对点击可能的影响等等。以上因素通常是并行存在的，这时我们就要透过分析，先找出最大的影响因子（或发现都差不多），然后分析问题。价格是否敏感、描述是否影响决策、排序与曝光策略是否正确、场景是否存优化空间。
受篇幅所限，这里我不再展开更多的内容，仅提供一些启发。
内容有点多，大家一定要耐心的看完，这些都是一些干货知识。下篇文章会将这些内容做一个简单的总结，帮助大家快速消化，继续去看看吧！
以上就是“写给产品经理：如何有效的进行产品数据分析（中）”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站。
“Just do it 做起来就是了”
第一件事，在分析开始前制定分析目标。对于你负责的每个产品线来说，是第一件事情。
在不同的产品开发阶段，我们需要侧重关注不同的分析目标。例如，在没有解决用户转化之前，大可不必过多的关注用户的留存、流失指标。因为我们在没有确保核心的产品形态稳定前，大多数的用户去留，都是由是否满足用户需求而决定的。所以这个时候，用户的留存、流失分析就变成了后置结论。可以有，但不是重点，因为它们并不能帮助我们解决眼前的问题。（产品上线早期，我知道了我们的次日流失率是80%，但是它仅仅是个结论，我们并不能通过这个指标进行改变任何事情，因为结论不能改变结论本身！）
关于分析目标，我们对于一个产品线，通常有以下四类目标可以逐个关注：
1.产品设计是否满足预期，每个环节的基本转化是否正常，当下哪里有问题？（我们已知的不确定的问题）；
2.用户增长/留存/流失情况，我们的用户池是否正常，是否还有运营提升空间？（我们已知的且确定的问题）；
3.用户交互行为结果，如浏览时长、决策时间等行为特点，如何运用它？（我们还不知道的确定问题）；
4.用户是否还有其它潜在需求，是否可以挖掘，它有多大价值空间？（我们不知道的未知问题）。
第二件事，在分析过程中，我们明确分析目标后，要搭建行之有效、简单明了的分析框架和指标体系。
事实上，大部分的分析过程都是可复用的，掌握几个现成的方法可以帮助我们快速入手。并且我们大部分的分析都离不开这些基本方法。关于搭建模型，其实是另一个较大的内容，在后面的文章中我会单独分享，本文我只能说一些基本思路。
除了一些常见的诸如AArrr、RFM等模型，我们还能怎样有效的分析数据呢？其实我们可以使用一些简单的分析模型思路，做到开箱即用：
因果前后切分指标：
这有点类似漏斗分析，当我们所分析的某个目标，在其前后存在前置或后置的逻辑节点，那么我们就应该先分析前置节点，再观察后置结论。
例如：
新用户启动App到注册过程，我们要做注册转化率分析。假定我们有一个用户注册产品设计，并且完全依赖它完成注册转化。那么对于注册转化率的分析，引导策略差异分析就是前置分析。此时如果我们只看转化率和转化效能（如注册转化率、注册人数、注册时长区间），而忽视用户注册引导策略的差异因素，实时上我们是无法发现和解决真正问题的。此时我们应该关注不同策略的触达执行效果（ABC策略，是否符合预期、行业标准、是否存在较大差异），以及其注册后的用户行为目标是否健康（是否存在大量“未转化的注册用户”、不同策略是否存在后续差异），才能知道我们注册转化率它是否真的正常，问题出在哪里，且是否是有效。
我们对前因后果进行切分，它并不跑题，而是细化拆解。透过同一个口径的不同结果，来找到结论。
影响因素分析：
我们在分析某个用户目标时，是否存在多个并行的影响因素。那么我们应该找出其对目标的影响程度，并分析是那几个因素出了问题。
例如：我们在分析自家应用的用户下单转化时，在用户点击详情前，通常有几个并行因素影响。比如价格与优惠对用户的点击吸引、标题描述与图片对用户点击的吸引、排序与曝光度对点击可能的影响、曝光场景对点击可能的影响等等。以上因素通常是并行存在的，这时我们就要透过分析，先找出最大的影响因子（或发现都差不多），然后分析问题。价格是否敏感、描述是否影响决策、排序与曝光策略是否正确、场景是否存优化空间。
受篇幅所限，这里我不再展开更多的内容，仅提供一些启发。
内容有点多，大家一定要耐心的看完，这些都是一些干货知识。下篇文章会将这些内容做一个简单的总结，帮助大家快速消化，继续去看看吧！
以上就是“写给产品经理：如何有效的进行产品数据分析（中）”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站。
