資料產品三段式：分析-策略-測試 該文主要傾向於如何做分析 目錄 一、為什麼產品經理要做資料分析 - 大致原因都差不多，沒有太過出彩的新理論；GMV萬歲，kpi萬歲.... 二、14年資料分析經驗總結出來的三點精華 - 技術活兒的經驗之談 三、推薦書單 - 按照段位不同推薦不同的書，很有層次感 四、7大工具 五、10大資料分析方法 - 縱橫不出方圓，萬變不離其宗，又要念一遍基礎理論：獲取使用者→衡量表現→分析→測試改進 六、轉化的三重境界 - 轉化專題篇 七、一個優秀的產品經理是怎樣煉成的 八、產品迭代三大案例 一、為什麼產品經理要做資料分析 1、growingio的基本理論 - 構建想法（產品）→分析資料→衡量效果→迴圈改進（補充） - 以上理論跟流量祕密分析中的基本理論相差不大，大致思路就是分析測試改進，迴圈往復，不同之處在於這個是在一定程度上，由產品提出想法來做某個事情，《流量的祕密》中側重改進不良。 2、舉例證明

- 文中比較聰明的舉了正面例，可以有一個對照。 - eg：facebook的新改版，在測試效果和資料分析後，沒有起到正面作用，反而使部分指標倒退下降，於是FACEBOOK停止了該版本，沒有全站推廣；另一方面，天朝的人人網照抄了FB的該版本，一直沿用，於是掛了。很多時候資料被產品拿來做專案推動的輔助，這個用資料說"不"的例子，還是很有分量的。 3、通過資料洞察使用者 - 文中舉了ins的例子，ins原本是做定位簽到的，後來發現定位簽到這塊使用者興趣平平，反而在分享照片方面，有很多使用者願意分享，於是改成了現在這個社交分享的朋友圈的樣子。這個例子有過份誇大資料意義的嫌疑（不過這本來就是growingio為自家寫的軟文），實際上這樣的轉型決策，和公司操盤手的格局、行業洞悉程度都有很大的關係，資料只是其一個參考依據，萬不可全看軟文，把資料當成神，產品經理，山中無神，心中也無神，沉下心來多看多研究比什麼都重要。 - 資料分析如何避免淪為形式、避免才坑 （1、發聲使用者和沉默使用者 這裡主要是對兩種使用者做了區分，一種使用者是比較願意提意見、提需求，這些使用者什麼人都有，所以對待來自他們的需求慎重，比如有個功能，只要是願意說話的使用者，都說可以搞，我們很喜歡，實際上，可能還有1w個使用者沒有說話，這一萬個裡面，有多少人願意為新功能買單呢？這裡就要用資料說話了。再比如做網遊的公司，論壇上使用者都在喊，這遊戲太坑太燒錢了，我們要點卡收費，保證呼朋引伴的來玩！本來道具收費佔公司90%應收的，這要是聽了使用者的話，財報離昇天也不遠了。 （2、先入為主和保持客觀 核心是不要只關注一個數據，不能做拆東牆補西牆的荒唐事（可能產品自己本身沒有意識到），發現某個指標提升了，以為功能其效果了，其實不然，這裡的先入為主，“先入”的東西，主要來自領導和KPI。綜合權衡，才能儘量客觀。 （3、報告驅動和業務驅動 主要觀點是拒絕資料分析的形式化，資料分析是一個需要落實到業務上、落實到策略上、最終能帶來利潤的事情，並且需要長期的、迴圈的過程去優化，不是一個分析報告的形式就可以搞定的，裡面還涉及到諸多的策略方法，當然報告也可以做一做，但是更傾向於做成果分析，策略結論的報告。 二、三點資料分析經驗

總結起來三個字，器、術、道。 - 道 （1、主要是要認識到資料分析的意義，正確看待資料分析的價值，作為產品，客觀的認識到這個東西的作用就行了，不要神化。 - 術 （1、資料分析的框架（引用原圖，帶上logo，對得起growingio了吧！） 整個分析框架可以分為四大層次，依次是:資料規劃、資料採集、資料分析和資料決策從使用者、業務系統，到資料採集平臺、ETL、資料倉庫，再到分析、BI、DM、Al洞察，再到決策、行為、價值，最終回到使用者 （2、業務上的AARRR模型 著名的增長黑客海盜法則，AARRR：獲取使用者→激發使用者→提高留存→增加收入→傳播擴散，覆蓋使用者的整個生命週期， 對於產品分析，主要是因人制宜，根據使用者的不同生命週期，做不同的分析（目前不是特別明白，怎麼針對週期做分析，原理在哪裡，作者只是紅口白牙提一下，存疑之。） - 器 （1、工具合集 先貼在這裡，回頭研究Hivesql的時候再一起看。 三、十大分析方法 （2、3、4段加起來一共十大方法） 做分析和推薦，不僅是因為人口和流量紅利下降，更多的是在挖掘使用者價值，解決資訊過載問題，不管有沒有流量紅利，問題都是存在的，至不過對於部分boss來說，可能要等到沒有紅利的，才反應過來挖掘現有使用者價值，按道理來說，資料分析和關於資料的所做的一些策略，在前期就應該要著手去實行，不光是能帶來利潤，還能讓使用者體驗更好，更加青睞某個產品（對留存、活躍指標的影響）。 1、基本思路 - 文中所說基本思路是五步：挖掘業務含義→制定分析計劃→查詢資料→業務洞察→商業決策 - 這塊說的主要是從業務出發，而不是從現有資料出發，對於資料產品經理，目標是比上述五步所代表的核心要清晰明確的，上面五步適用於產品決策。 2、內外因素拆解法（產品遇到業務bug時可用此方法分析一下） - 方法將問題拆解成四個部分，分別是內、外因素，可控&不可控； - 這裡主要是拆解問題的一個方法論，主要搞清楚問題來源於哪裡，按照象限分出來，最終定位問題，平時遇到問題自己畫個表格列一下想一下。 3、DOSS方法（這個是問題，不是難題，也可以說是idea從問題出發，最終決策。） - 具體問題→整體影響→單一回答→規模化方案 - 不好理解的話可以類比 鄧爺爺在深圳畫的圈，先遇到改革開放的問題，考慮到整體國情，然後做一個特區的試點，最後推廣使用，over。 4、資料分析的應用手段 （1、畫像分群 - 劃定特定的人群進行分析，能夠更聚焦問題。不過如果分析時人群沒有劃好（只劃取了部分遊相關的人群），分析的結果也是不準確的，應當把與問題有關的所有人群都考慮。 （2、趨勢維度 - 從不同的維度，交叉看資料 （3、漏斗觀察 - 漏斗觀察可以定位問題節點（或是可以著手先優化的點） （4、行為軌跡 - 從行為軌跡中可以提取更多的特徵點，這比看pv/uv更加精細 （5、留存分析 - 合格在GA上就能看到，主要是看新使用者的引入以及老使用者的留存，反饋到獲客成本等的計算上，對網站整體的流量以及使用者生命週期有個大概的輪廓。 （6、AB測試 - 這個就不講了，現在都搞多維度多變數測試了，A/BT是最基礎的方法 （7、優化建模 - 優化策略優化使用者標籤等，對網站的指標起到提升的效果。 ----------------- 接下來是軟文推廣 ，就不做贅述了 --------------------- ps：原文pdf文件下載：https://www.growingio.com/pm-analysis-form