数据分析常用的几个方法

数据分析是产品经理必备技能之一，在产品需求阶段可以通过数据分析对用户的需求去伪存真，在产品上线运营阶段，又可以通过数据验证产品的可行性并且进行迭代。所以产品经理要掌握常见的数据分析的方法。 

1.多维度事件分析

多维度事件分析：通常是从多个角度分析数据，从中发现数据具体的变化原因。

举个例子：

客户端+时间

从数据中可以看出：IOS用户端每个月的用户量在增加，而安卓用户端每个月的用户量在减少，从这可以看出总的用户量不变的主要原因是安卓用户端用户量在减少。

2.漏斗分析法

用来分析从潜在用户到最终用户这个过程用户数量的变化趋势，从而寻找到最佳的优化空间。

这个例子是分析从用户提交成功表单到Demo试用的变化趋势。

从用户成功提交表单到Demo上所有事件转化率是4.89%,从Demo上所有事件到提交申请接入数据转化率是0.56%。从表的下面可以看出，用户使用邮件办理的转化率分别是8.12%和0.76%。用户使用电话办理的转化率分别是0.93%和0.31%。从中可以看出电话办理的转化率低于平均转化率，从而要考虑如何去优化和改善电话这方面的流程。当然真实的用户行为往往可能不是按照这个简单的流程来的。所以我们也要去分析为什么用户要经过那么复杂的流程来达到目的，思考着中间有没有优化的可能。

3.留存分析法

留存是产品增长的核心，只有用户留下来产品才有可能得到增长。从产品设计角度出发，找到出发流程的关键行为，帮助用户找到产品的留存的关键节点。比方用户在使用过产品的新建功能留存度非常高，所以我们把新建这个按钮放在很显眼的地方刺激用户使用，结果留存度非常高。

留存关系到产品的生死，有时候产品花费大量的人力物力而导入的流量，留存率太低，用户还没有产生价值就离开。这对于公司是比较大的损失。所以想办法找到产品留存的关键节点把用户留下来是十分重要的。

4.群组分析法

产品经理对用户的精细的分析必不可少，不同的区域，不同的来源，不同的平台用户对产品的使用和感知是有很大的不同。所以产品经理可以对不同属性的用户进行分群，从而观察到群组用户的行为差异，进而优化产品。

之前我们做过一次分析，网站的总体用户注册转化率只有6%。用户用360浏览器的转化率为12%，用IE浏览器的转化率为1%，这样一分就很明显了，可以重点去关注IE浏览器用户的行为路径去查找到底是什么原因。

最后介绍个常用的数据分析模型

AARRR模型

AARRR模型是可以告诉我们产品的几个阶段分别需要注意哪些数据，AARRR分别是几个英文的字母首写，分别代表：获取，激活，留存，收入，推荐。

获取：(指产品推广，用户是从哪里来的）需要关注的数据是：曝光度，打开率，点击率，下载量，用户获取成本。

激活：（指用户使用产品）需要关注的数据是：新用户注册量，日活跃，订阅数，浏览数。

留存：（指用户使用产品的时限）需要关注数据是：次日留存（DAU)，7日留存率（WAU),距离上次使用时长。

收入：（指产品获得的利润）需要关注的数据是：付款率，客单价，付费频率，用户价值。

推荐：（指用户推荐其他人使用我们产品）需要关注数据是：转发数，邀请书，评论数。

总结

以上所讲的都是一些简单常用的数据分析方法，产品经理要最起码要懂得如何去进行数据分析，这样才能根据数据的反馈进行产品的优化。不停奔跑，不停思考，我就是我，进阶的PM丁小二。