本文作者從自己多年的實踐經(jīng)驗中，總結(jié)了一套簡單又能打的數(shù)據(jù)分析小白五步法，相信對你有用，一起來看看~

不管是哪個行業(yè)，當前處于任何階段的產(chǎn)品經(jīng)理，躲不開的一個詞便是：數(shù)據(jù)分析。

提到數(shù)據(jù)分析，它一般會出現(xiàn)在以下的場景中：

• 做版本規(guī)劃的時候，如何設(shè)立指標來進行功能驗證？
• 功能上線后，如何做數(shù)據(jù)復(fù)盤？
• 如何通過數(shù)據(jù)來快速定位問題？
• 在眾多的數(shù)據(jù)中如何識別哪些是需要呈現(xiàn)的重要數(shù)據(jù)？
• ……

像大多人一樣，幾年前我也是試圖尋求各種數(shù)據(jù)分析的書籍來找解決方案，在翻看了十幾本數(shù)據(jù)分析的書后，結(jié)論如下：沒想到這個行業(yè)發(fā)展之快，書籍的出版速度已經(jīng)遠遠跟不上行業(yè)需要了??！就像是你手里拿著一個iPad在看windows 95視窗操作系統(tǒng)的使用手冊一樣難過~

經(jīng)過這幾年的摸爬滾打，我的產(chǎn)品逐漸從0用戶做到1300w+后，麗莎阿姨總結(jié)了一套簡單又能打的數(shù)據(jù)分析小白五步法：

• 第一步：弄清楚問題到底怎么樣（給問題定性）？
• 第二步：可能出了什么問題（提出假說）？
• 第三步：有哪些證據(jù)可以證明以上問題（列出問題清單）？
• 第四步：逐一找證據(jù)（把數(shù)據(jù)碼出來）
• 第五步：分析驗證（用你僅有的小學(xué)數(shù)學(xué)知識來完成）

產(chǎn)品團隊實踐了一年多以來，相信阿姨，只要跟著這個方式來做，再一窮二白的小白（前提是小學(xué)數(shù)學(xué)要及格）兩到三次就能上道~

手把手教學(xué)的之前，我們要達成共識的基礎(chǔ)前提：你覺得數(shù)據(jù)分析是一種方法工具還是一種思維方式？？？

如果你覺得數(shù)據(jù)分析就是一種方法工具，那從此我們江湖別過，后會無期。

數(shù)據(jù)分析的本質(zhì)一定是一個思維方式?。。?/p>

見過不少的產(chǎn)品經(jīng)理的操作：首先把結(jié)論給下了，然后去找數(shù)據(jù)來證明自己的結(jié)論正確。這種解應(yīng)用題一般的令人窒息的操作請不要再發(fā)生了??！

數(shù)據(jù)分析應(yīng)該是站在毫無立場的客觀數(shù)據(jù)前，找到核心的指標，來對比業(yè)務(wù)中的兩組變量之間的關(guān)系，用來解釋業(yè)務(wù)，并引領(lǐng)你前行，畢竟沒有對比的數(shù)據(jù)就是耍流氓啊~~~

你確保真的理解了麗莎阿姨這段話，那GMF，然后再繼續(xù)進行接下來的手把手操作階段吧。

手把手操作第一步：感知問題

感知問題，顧名思義就是要有能力知道問題，這個部分是數(shù)據(jù)分析里最最最重要的部分。

在這里要引入一個概念叫：OMTM（One Metric That Matters ），也就是你的業(yè)務(wù)形態(tài)里最重要的那個指標（俗稱 北極星指標）。業(yè)務(wù)可以復(fù)雜，但你的業(yè)務(wù)目標一定是簡單的。

如何找到你業(yè)務(wù)的北極星指標呢？當前看到的產(chǎn)品形態(tài)無非是以下四種情況：

（1）黏著式增長引擎，唯一關(guān)鍵指標：留存

• 根據(jù)黑客增長AARRR模型，簡單理解就是只有用戶來了第一次，還想來第二次；粘性的提高才能帶來了增長與轉(zhuǎn)化。
• 適用的產(chǎn)品與模塊：工具型產(chǎn)品，絕大多數(shù)產(chǎn)品的MVP版本，任何一款產(chǎn)品的核心功能模塊，現(xiàn)有功能的迭代。

（2）付費式增長引擎，唯一關(guān)鍵指標：營收

• 用戶在產(chǎn)品上貢獻的價值大于獲取用戶的成本，才可能一直驅(qū)動營收增長。簡單理解就是你的客戶終生價值要大于獲取成本這個生意才能做的下去，CLV>CAC。
• 適用的產(chǎn)品與模塊：課程類產(chǎn)品；絕大多數(shù)B端產(chǎn)品；會員類產(chǎn)品；知識付費類產(chǎn)品；市場投放等。

CAC（Customer Aqusition Cost）客戶獲取成本

CLV (Customer Lifetime Value) 客戶終生價值

（3）爆發(fā)式增長引擎，唯一關(guān)鍵指標：病毒系數(shù)K

• K=I * Conv=分布密度×感染強度；當K>1時，裂變才能進行下去
• 適用的產(chǎn)品與模塊：裂變運營活動（砍價、拼團、瓜分紅包、任務(wù)寶）；新技術(shù)驅(qū)動類產(chǎn)品等

I：Invitation，即每個用戶發(fā)送的邀請數(shù)量，反映了分布密度

Conv ：Conversion rate，即每個邀請成功的概率，反映了感染強度

（4）簡單指標&復(fù)合指標

一些簡單指標，例如：頁面PVUV、登錄用戶量、頁面停留時長、活躍用戶數(shù)等，僅能幫助你快速的了解產(chǎn)品狀態(tài)。

如果我們把這些簡單指標做一個除法，就會得到一些有魔法的復(fù)合指標，例如：

• 頁面PV/訪問數(shù)量=平均訪問深度；
• 訪問時長/訪問數(shù)量=平均訪問時長；
• 每周付費用戶/用戶活躍數(shù)=平均每周每人購買數(shù)量。

你看，這些復(fù)合指標是不是能讓你一眼就能觀察到產(chǎn)品的用戶真實情況呀。

只有弄清楚你業(yè)務(wù)的本質(zhì)，數(shù)據(jù)分析才有最根本的前提與基礎(chǔ)，脫離業(yè)務(wù)本質(zhì)的數(shù)據(jù)分析一文不值啊，小盆友們！

手把手操作第二步：提出假說

提出假說，就是字面上的意思，提出各種可能性，方法有以下兩種，找一個你喜歡的。

方法1：歸納式，就是根據(jù)個案進行總結(jié)

例如一個知識付費產(chǎn)品用戶的付費問題：團隊可以一起頭腦風(fēng)暴，提出各種可能的因素，也可以對分層的用戶進行抽樣深讀訪談，了解他們不使用或繼續(xù)用下去的原因及看法，然后來歸納驗證。

方法2：演繹式，就是根據(jù)模型進行推演

例如：針對部分用戶在打開app后不使用直接離開的問題，我們可以根據(jù)對用戶行為模型的理解進行拆解，而拆解的有效與否，其實就是關(guān)于你的模型多少、拆解的深度。

提出假說，就是一個思維發(fā)散的過程，不拒絕任何可能性。在這個過程中，補充各個角度的思考是非常有必要的。

手把手操作第三步：選擇表征

到這一步，麗莎阿姨要送給你的一句話：If you can’t measure it, you can’t improve it（不可被數(shù)據(jù)量化，就不能被改變）

在與產(chǎn)品經(jīng)理溝通的時候，經(jīng)常會聽到的一句話，提出這個問題的用戶挺多的，所以我們就做了這個XXX功能。

然后可怕的麗莎阿姨我都會追問幾句：挺多的是多少？這部分用戶占你全量用戶的多少？“挺多的”這部分用戶他們是你的核心用戶嗎？

所以…請以后講數(shù)據(jù)的時候，不要用“挺多的”好嗎？拉鉤鉤……

所以小盆友們，在你們選擇數(shù)據(jù)表征元素的時候，需要知道：

• 選擇的數(shù)據(jù)表征能夠充分代表第二步中提到的假說的內(nèi)涵；
• 選擇的數(shù)據(jù)盡量是用戶客觀行為數(shù)據(jù)而非主觀態(tài)度數(shù)據(jù)；
• 選擇的數(shù)據(jù)是有被記錄或比較容易獲取。

仍然沿用前面的例子：

你看你是不是很酷的掌握了前面三步呢？？

手把手操作第四步：收集數(shù)據(jù)

這一步可以說是數(shù)據(jù)分析里面最簡單的一步了，只要你的產(chǎn)品有基礎(chǔ)的數(shù)據(jù)平臺，或者一個靠譜的后臺開發(fā)，都容易獲取到基礎(chǔ)數(shù)據(jù)。

但這個步驟也一定要記得：

• 一切的前提是你做了數(shù)據(jù)埋點（一個標準的PRD是包含數(shù)據(jù)埋點的）
• 當數(shù)據(jù)出來后，不要著急分析，先看看是否合理，要去掉明顯不合理的數(shù)據(jù)，其次，對開發(fā)小哥的數(shù)據(jù)上報要永遠抱有懷疑態(tài)度（哪怕他把胸脯拍爛。）

手把手操作第五步：分析驗

這一步就是利用你小學(xué)數(shù)學(xué)知識的時候了！！

很多小盆友會把這一步作為數(shù)據(jù)分析最重要的一步，但在麗莎阿姨看來，這一步其實已經(jīng)不那么重要了。

• 確定好了x與y的含義和數(shù)據(jù)，通過數(shù)據(jù)可視化的方式，表現(xiàn)出x與y的關(guān)系，就能發(fā)現(xiàn)其中是否存在有價值的規(guī)律。
• 發(fā)現(xiàn)x與y存在某種關(guān)系的時候，最好通過數(shù)據(jù)進行再次驗證。選擇另外一組數(shù)據(jù)，再次進行分析，看確定的關(guān)系是否再次被復(fù)現(xiàn)。（答應(yīng)阿姨要時刻捍衛(wèi)自己的產(chǎn)品經(jīng)理職業(yè)形象，OK？）

數(shù)據(jù)可視化可以幫助你更好的看到數(shù)據(jù)背后的原因，并幫助其他人理解你的意圖，那如何選用數(shù)據(jù)可視化圖形呢？

麗莎阿姨吐血整理：

• 只有一個變量，且相加為100%的情況下，就用餅圖，例如：用戶來源渠道；
• 當有兩個變量存在，不出意外，就用折線圖與柱狀圖，例如：不同時間段內(nèi)用戶的留存情況；
• 用演繹法推導(dǎo)用戶就用漏斗模型，例如：拼課功能的用戶行為；
• 其他的數(shù)據(jù)可視化都是辣雞，還不如直接展示excel表格（嚴肅臉）。

通過以上五步的刻意練習(xí)，再小白的產(chǎn)品經(jīng)理都能快速上手（阿姨已經(jīng)把胸脯拍爛）。

寫在最后

請根據(jù)下圖找出世界上最高的山峰是哪個？？

要記住，通過數(shù)據(jù)僅能讓你找到局部最大值，而更高的山峰只會建立在你更廣闊的視野與深厚的認知上。

本文由 @Lisa Deng 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。公眾號 麗莎D的產(chǎn)品手記 未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議