資料分析並不是簡簡單單的資料整理

如果你不能衡量它，那麼你就不能有效增長它。

你是否聽過這樣的故事：隔壁老王開了一家水果鋪子，

你問他每天生意怎麼樣，他可以回答賣的不錯/很好/最近不景氣。這些都是很虛的詞，因為他認為賣的不錯也許是賣了50個，而你認為的賣的不錯，是賣了100。

現代管理學之父彼得·德魯克曾說過：“如果你不能衡量它，那麼你就不能有效增長它。”

產品經理要想做好資料分析，應該有一套完整的思維體系，在價值觀、方法論和工具三個層面上儲備相關知識。

確認運營目的，分析核心指標，指標系統分解，資料獲取，資料分析及決策支援同時立足於產品和使用者，用資料來打磨產品，用資料來檢驗反覆運算，不斷提升用戶體驗。

那麼…

什麼是資料分析？

用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。在實用中，資料分析可説明人們作出判斷，

以便採取適當行動。需要注意的是，資料分析是從資料中提取有用的資訊，而不是流於形式。分析產品過往的資料，來洞悉問題，驅動有目標的產品反覆運算。

資料分析的核心方法

AARRR（Acquisition、Activation、Retention、Revenue、Refer）是矽谷的一個風險投資人大衛 · 麥克魯爾在2008年時創建的，

分別是指獲取、啟動、留存、收入和推薦。AARRR是Acquisition、Activation、Retention、Revenue、Refer，這個五個單詞的所寫，分別對應這一款移動應用生命週期中的5個重要環節。從 AARRR 框架 ( 獲取、啟動、留存、變現與推薦五個環節）入手進行產品分析，這是一個非常好的分析方法。當我們瞭解在AARRR的每個環節中，應當關注什麼樣的資料，什麼樣的資料表現才是正常的。

資料分析的工具

App

友盟：國內最早做移動資料統計，產品免費，使用最廣泛GrowingIO：創新「無埋點」技術，可做到先集成、後提取需要資料Google Analytics：功能強大，技術成熟，但受限國內訪問不穩定性

Web

CNZZ：國內較早做網站統計，已被友盟合併，功能足夠，用戶基數大百度站長平臺：功能與CNZZ類似，但增強了SEO、SEM方面功能Google Analytics：功能強大，技術成熟，其定位「分析」已遠超「統計」功能，獨有自訂分析、電子商務集成等。國內網路統計收集可正常運行。

資料獲取（埋點）主要方法第1種：使用協力廠商統計分析標準SDK接入到應用中第2種：使用無埋點方式第3種：自己開發，精細化運營與產品決策

下圖為統計工具的使用流程，請做參考：

資料的關鍵指標DNU：日新增用戶數DAU：日活躍用戶數WAU/MAU：周/月活躍用戶數DAU/MAU：用戶活躍度留存：第0日新增用戶在第N(1/3/7/30…)天打開數量占比UV：獨立訪客數PV：頁面流覽次數IP：獨立IP訪問用戶ARPU：每活躍用戶平均收益ARPPU：每付費用戶平均收益ROI：投入產出比

接下來…

我們一起看看…

資料分析的思維框架

1、建立指標體系：指標體系沒有放之四海而皆準的範本，不同業務形態有不同的指標體系

移動APP和網站不一樣SaaS和電子商務不一樣低頻消費和高頻消費不一樣好比一款婚慶相關的APP，不需要考慮複購率指標；互聯網金融，必須要風控指標；電子商務，賣家和買家的指標各不一樣

2、明確好壞指標：好指標應該是核心驅動指標（拿活躍用戶數說明就懂了，我們活躍用戶有10萬，這能說明什麼呢？這說明不了什麼。如果產品本身有千萬級別的註冊用戶，那麼10萬用戶說明非常不健康，產品在衰退期。如果產品只擁有四五十萬使用者，那麼說明產品的粘性很高。）

核心指標是整個運營團隊、產品團隊乃至研發團隊都統一努力的目標核心驅動指標和公司發展關聯，是公司在一個階段內的重點方向互聯網公司常見的核心指標是用戶數和活躍率好的指標還有一個特性，它應該是比率或者比例

3、建立正確的指標結構：指標結構的構建核心是以業務流程為思路，以結果為導向

舉例：假設你是內容運營，需要對現有的業務做一個分析，提高內容相關資料，你會怎麼做呢？

參考答案如下圖：

資料分析流程

我們可以試著樹立整體的流程：1.明確分析目的和思路 →2.資料收集 →3.資料處理 →4.資料分析 →5.數據展現 →6.報告撰寫。

這個流程只是從“資料”的角度闡述了前後的流程，並未結合業務實際；但值得注意的是資料分析的最終目的是為了指導實踐，而不是寫一份報告。

小Q來總結：

一個優秀的產品經理在產品設計工作中是同時具備運營思維的，將想法轉化成產品和運營方法。然後分析其中的資料，衡量產品或者運營的效果。如果好的話保持並大力推廣，如果不好的話總結問題及時改進。在「構建」-「衡量」-「學習」的不斷迴圈中逐漸優化，不斷推動產品的進化。資料分析是一門多學科、多領域的交叉學問，涉及到的東西非常多。

本文由 @Mandy權 原創發佈于人人都是產品經理。未經許可，禁止轉載

我們一起看看…

資料分析的思維框架

1、建立指標體系：指標體系沒有放之四海而皆準的範本，不同業務形態有不同的指標體系

移動APP和網站不一樣SaaS和電子商務不一樣低頻消費和高頻消費不一樣好比一款婚慶相關的APP，不需要考慮複購率指標；互聯網金融，必須要風控指標；電子商務，賣家和買家的指標各不一樣

2、明確好壞指標：好指標應該是核心驅動指標（拿活躍用戶數說明就懂了，我們活躍用戶有10萬，這能說明什麼呢？這說明不了什麼。如果產品本身有千萬級別的註冊用戶，那麼10萬用戶說明非常不健康，產品在衰退期。如果產品只擁有四五十萬使用者，那麼說明產品的粘性很高。）

核心指標是整個運營團隊、產品團隊乃至研發團隊都統一努力的目標核心驅動指標和公司發展關聯，是公司在一個階段內的重點方向互聯網公司常見的核心指標是用戶數和活躍率好的指標還有一個特性，它應該是比率或者比例

3、建立正確的指標結構：指標結構的構建核心是以業務流程為思路，以結果為導向

舉例：假設你是內容運營，需要對現有的業務做一個分析，提高內容相關資料，你會怎麼做呢？

參考答案如下圖：

資料分析流程

我們可以試著樹立整體的流程：1.明確分析目的和思路 →2.資料收集 →3.資料處理 →4.資料分析 →5.數據展現 →6.報告撰寫。

這個流程只是從“資料”的角度闡述了前後的流程，並未結合業務實際；但值得注意的是資料分析的最終目的是為了指導實踐，而不是寫一份報告。

小Q來總結：

一個優秀的產品經理在產品設計工作中是同時具備運營思維的，將想法轉化成產品和運營方法。然後分析其中的資料，衡量產品或者運營的效果。如果好的話保持並大力推廣，如果不好的話總結問題及時改進。在「構建」-「衡量」-「學習」的不斷迴圈中逐漸優化，不斷推動產品的進化。資料分析是一門多學科、多領域的交叉學問，涉及到的東西非常多。

本文由 @Mandy權 原創發佈于人人都是產品經理。未經許可，禁止轉載