
人人都應(yīng)學(xué)會(huì)的4個(gè)數(shù)據(jù)分析思路
數(shù)據(jù)分析能力對(duì)于一名產(chǎn)品經(jīng)理來(lái)說(shuō)是最基本的能力。
在面試的過(guò)程中,社招會(huì)有面試官會(huì)問(wèn)你以往你負(fù)責(zé)的產(chǎn)品的相關(guān)數(shù)據(jù),如何看待這些數(shù)據(jù),如何通過(guò)這些數(shù)據(jù)來(lái)做接下來(lái)的產(chǎn)品優(yōu)化;校招的面試官可能會(huì)問(wèn)小伙伴們關(guān)于分析數(shù)據(jù)的思維;在產(chǎn)品經(jīng)理的日常工作當(dāng)中,要時(shí)長(zhǎng)盯著數(shù)據(jù)的報(bào)表來(lái)分析產(chǎn)品的健康程度。本文不再對(duì)一些基本的數(shù)據(jù)定義再做描述,而是從分析的思路總結(jié)了一些心得,歡迎各位一起來(lái)討論。
1.看數(shù)據(jù)的維度
在對(duì)一款產(chǎn)品或者一款產(chǎn)品的其中的一個(gè)模塊進(jìn)行分析時(shí),我們可以從兩個(gè)大維度去分析數(shù)據(jù)。
首先是從廣闊的視角先去查看數(shù)據(jù),這里需要對(duì)該產(chǎn)品所處的行業(yè)數(shù)據(jù)有一個(gè)清晰的了解,該產(chǎn)品所處的行業(yè)自己所處的市場(chǎng)占有率的排名,一般市場(chǎng)占有率指的是用戶的占有量,一般從行業(yè)報(bào)告可以看出大概的數(shù)據(jù)。
然后接下來(lái)需要分析這款產(chǎn)品的總的數(shù)據(jù)情況,比如下載量、DAU、WAU、MAU等,以及該產(chǎn)品的最核心的數(shù)據(jù)是什么,并且如何有可能從側(cè)面去了解這款產(chǎn)品的競(jìng)品的相關(guān)數(shù)據(jù)是什么。
當(dāng)了解完以上這些總體的信息,我們心中應(yīng)該對(duì)自己所負(fù)責(zé)的產(chǎn)品有了一個(gè)宏觀的概念,自己在行業(yè)內(nèi)所處的位置,以及現(xiàn)在最需要提升哪些數(shù)據(jù)指標(biāo)都有了一個(gè)清晰的認(rèn)識(shí)。接下來(lái)就可以從大緯度切入到小緯度,進(jìn)一步去分析一些細(xì)節(jié)的數(shù)據(jù)。例如重要的數(shù)據(jù)信息,包括用戶的基本的構(gòu)成信息,每個(gè)模塊自己建立的漏斗信息等。一般在做分析的時(shí)候應(yīng)該注意的是數(shù)據(jù)的異?,F(xiàn)象,出現(xiàn)局部的極值(包括極大值和極小值)都需要進(jìn)行分析。
2.什么才是好的數(shù)據(jù)指標(biāo)?
在做數(shù)據(jù)分析的過(guò)程中,我們需要了解什么樣的數(shù)據(jù)才是好數(shù)據(jù),如果單純地去看一個(gè)數(shù)據(jù)是沒(méi)有太大意義的,數(shù)據(jù)本身也具有相應(yīng)的欺騙性,比如從運(yùn)營(yíng)同學(xué)那得到了日新增用戶數(shù)1W,那么單純看這個(gè)數(shù)據(jù)沒(méi)有什么意義,我們可以說(shuō)這個(gè)數(shù)據(jù)很好,因?yàn)榭瓷先ズ艽螅悄憧赡軟](méi)有看到同期的數(shù)據(jù),有可能昨天的數(shù)據(jù)達(dá)到了2W。
第一,好的數(shù)據(jù)一定是首先最好是以比率的形式存在的,不要絕對(duì)數(shù),要相對(duì)數(shù)據(jù)。
比如上面的那個(gè)數(shù)據(jù)我們換成增長(zhǎng)率,換成環(huán)比這個(gè)數(shù)據(jù),我們就可以進(jìn)一步的了解到這個(gè)數(shù)據(jù)的好壞。
第二,就是通過(guò)對(duì)比來(lái)判斷數(shù)據(jù)的好壞。
我們將數(shù)據(jù)的日增長(zhǎng)量做成一個(gè)折線圖,從折線圖我們就能看出這個(gè)數(shù)據(jù)是在高點(diǎn)還是在低點(diǎn)。通過(guò)對(duì)比,我們就會(huì)得知這個(gè)數(shù)據(jù)所處的位置是什么樣的。另外,通過(guò)對(duì)比不同的渠道,對(duì)比不同的版本,對(duì)比不同的用戶群等不同緯度的數(shù)據(jù),都可以從側(cè)面反映出這個(gè)數(shù)據(jù)的真實(shí)情況。
第三,數(shù)據(jù)不是一成不變的情況,要?jiǎng)討B(tài)的去看數(shù)據(jù)。
單純只看一個(gè)點(diǎn)的數(shù)據(jù)情況是沒(méi)有意義的,我們要在數(shù)據(jù)中加入時(shí)間的緯度。引入一段單位的時(shí)間去看待數(shù)據(jù)整體的變化趨勢(shì),這樣才能更為客觀的判斷產(chǎn)品的健康程度。
3.發(fā)現(xiàn)數(shù)據(jù)異常后如何分析?
有時(shí)候從總量的角度是無(wú)法洞察出一些問(wèn)題的。比如在某段時(shí)間內(nèi),下載量出現(xiàn)了下跌,我們需要去找到這個(gè)當(dāng)中問(wèn)題出現(xiàn)在哪里。從總量的角度看,安卓的渠道要比IOS的總量大很多,這并不能說(shuō)明問(wèn)題。那么我們首先需要將時(shí)間的緯度引入到當(dāng)中,將這幾個(gè)月緯度的數(shù)據(jù)進(jìn)行對(duì)比,一定可以看到在安卓當(dāng)中有一個(gè)月份的數(shù)值相比其他較低。然后我們?cè)偃タ催@個(gè)月份的情況。一般情況下,在找到這個(gè)異常會(huì)先從渠道的角度去分析,查看是哪個(gè)渠道發(fā)生了異常的現(xiàn)象。在針對(duì)性的去對(duì)渠道進(jìn)行優(yōu)化。
然后我們還可以從版本的角度去分析,去查看最近近期是否有新版本的更新,如果有新版本的更新,是否設(shè)置了新的功能出現(xiàn)了BUG等問(wèn)題無(wú)法解決,導(dǎo)致了用戶出現(xiàn)卸載應(yīng)用的情況。當(dāng)然這些角度都要加入時(shí)間的緯度去判斷。
另外,數(shù)據(jù)異常也不一定是壞事情。比如在分析用戶行為的過(guò)程中,如果發(fā)現(xiàn)了某些類別的用戶的關(guān)鍵指標(biāo)表現(xiàn)良好,那么就一定要分析為什么這些用戶的數(shù)據(jù)表現(xiàn)為什么十分良好,這也是增長(zhǎng)黑客的分析思路。比如在facebook早期發(fā)現(xiàn),如果一名用戶在剛使用產(chǎn)品的早期可以快速添加10明好友以上的用戶,這類的用戶的活躍程度就明顯高于其他的用戶。在比如airbnb在早期發(fā)現(xiàn)那些放置的照片十分精美的住家的出租率較好,發(fā)現(xiàn)了這個(gè)特性后,內(nèi)部產(chǎn)品技術(shù)團(tuán)隊(duì)又進(jìn)行了一次AB測(cè)試,發(fā)現(xiàn)果然是存在這樣的優(yōu)化點(diǎn)。
所以在早期一個(gè)關(guān)鍵的指標(biāo)就是如何能快速提高用戶添加其他好友的數(shù)量。這里需要我們從底層數(shù)據(jù)分析當(dāng)中要注意對(duì)用戶進(jìn)行分層的處理,從不同的緯度分層找到數(shù)據(jù)異常的族群,找到共性,歸納表現(xiàn)良好的用戶的共性,然后將其作為優(yōu)化的指標(biāo)進(jìn)行優(yōu)化。
4.關(guān)鍵指標(biāo)應(yīng)隨產(chǎn)品階段性變化
在做數(shù)據(jù)分析的之前,需要我們對(duì)我們分析的目標(biāo)進(jìn)行確認(rèn),每個(gè)階段的目標(biāo)也存在著不同的目標(biāo),是為了增強(qiáng)用戶粘性,還是為了提升營(yíng)收,或者是為了提高病毒傳播系數(shù)。
比如在對(duì)渠道的判斷中,不能只關(guān)心拉過(guò)來(lái)的新用戶量,最重要的是我們要關(guān)心這些新拉過(guò)來(lái)的用戶對(duì)產(chǎn)品的關(guān)鍵指標(biāo)的影響,比如在社區(qū)產(chǎn)品,相比新進(jìn)用戶的數(shù)量更應(yīng)該關(guān)心這些用戶的活躍度,發(fā)布帖子的數(shù)量,點(diǎn)贊的數(shù)量等關(guān)鍵指標(biāo)。換句話說(shuō)更應(yīng)該關(guān)注的是漏斗模型最下方的那個(gè)量,關(guān)注轉(zhuǎn)化率的最底層的那個(gè)數(shù)據(jù)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10