本文是该平台上的一篇特别文章。未经许可禁止再现。

全文有5834个单词和15张图片，并且已阅读超过14分钟。

———— / / / - - -

这次，我们将讨论产品经理的基本技能：数据分析，这也是我在2018年获得的最大收益之一。

我将其概括为三个原因，为什么我想独自谈论它：

没有进一步的ADO，主要文本开始了。

1。数据分析的作用

在达到这一点之前，让我们总结数据分析的作用。

通常的答案是对产品当前状态和业务开发的理解是什么。这还不够一般。严格定义中有4个数据分析功能：

因此，名称的描述性分析主要是为了对数据发生的事实进行准确的描述。例如，某个企业的订单履行率从上个月的98％下降到95％，这是一项基本工作。

诊断分析知道发生了什么事，更重要的是，我们需要了解为什么会发生。例如，经过分析后，发现履行率下降的原因是无法生产成品，并且交付无法完成。

根据上述两个分析级别的预测分析，我们发现规则，即，原材料供应商的及时交付率将影响成品订单的履行率。如果上个月通过建模，原材料供应商A的及时交付率仅为70％，我们可以预测该供应商将在本月将我们的订单履行率降低2％；

处方分析。通过预测分析的结果，我们不再需要事后看来，而可以提前计划和采取措施。在上面的示例中，供应商A将导致我们的订单履行率在本月下降。我们可能采取的措施是替换A，但现在有两个供应商B和C可以选择。我们应该选择哪一个？通过分析和计算，可以得出结论，选择供应商B将比选择C高1％，因此建议选择供应商B。

在正常情况下，产品经理只需要掌握诊断分析以进行数据分析，并根据诊断分析结果绘制相应的解决方案。后两个更多是关于数据分析师的工作，这些数据更专业，深入。

2。一个真实的情况

在介绍此案之前，让我在处理数据分析时讨论自己的步骤：阐明分析，数据收集，数据处理，数据分析，数据显示和报告写作的目的。

我不会谈论展示和撰写本文，它因人而异。

我主要谈论目的，数据收集和分析链接：

确定目的，不要那么容易。说10个人中有8个人不知道他们想做什么并不夸张。

数据收集实际上是关于定义指标，并明确定义指标和规则。这取决于它的活跃程度，活跃的天数以及如何被视为活动，这在很大程度上决定了研发的时间段。在许多情况下，该产品不想在开发过程中反复进行通信和反复确认规则，从而导致数据获取成本非常大，并且不可避免地会延迟。

为了进行数据分析，我们需要选择科学分析方法。当前，有多种类型的分析方法，例如比较分析，交叉分析，结构分析，平均分析等，并基于这种情况选择了最合适的数据分析方法，因此我们可以用一半的努力来实现两倍的结果。

在情况开始时，让我们先同步背景。有一个内容类型的迷你程序。您可以将其理解为迷你程序版本的头条新闻。您要研究的是Mini程序的默认刷新或手动刷新会影响用户流失。当前，输入Mini程序后，用户需要手动刷新。如果将其更改为进入程序后的默认刷新，则将减轻损失。

您将如何回答这个问题？

可以直接分析目标并定义指标。

抱歉，但是我首先要做的是现状流程图，以使我们对发生的事情有更清晰的了解。

让我们首先从目的开始 - 目的是什么？

可以从该主题中学到的关键行为包括两个关键节点：刷新和流失。连接这两个节点，发现中间部分是刷新后的反馈，也就是说，令人耳目一新的内容，令人耳目一新，没有内容：

可以看到，通过历史数据，用户可能的后续行为可以看出，存在出口行为，其他产品功能，浏览行为和刷新行为：

根据当前情况绘制流程图：

尖端：

1。这是产品经理绘制流程图的好习惯，这将帮助自己和他人了解您将要做的事情并指出问题。

2。产品经理的工作也不简单。考虑做出决策很简单。它不太简单就可以清楚地考虑这个问题，并且可以节省大量人。

其中，退出行为分为：有效退出，无效退出，没有退出行为。

有效退出定义了有效的退出时间，例如大于10秒的退出时间输入时间。

有人说：不是只有直接退出吗？

我需要在这里提及那些有互动的人已经分开了，只有退出，为什么我们仍然要分开？因为用户可能会认真观察此屏幕的内容，并且上次已经查看了屏幕，但是新的屏幕对这次不感兴趣，或者用户上次意外触摸和登录了用户，这一次，他重新输入并仔细观察，但仍然不感兴趣，但他不感兴趣，所以他退出了。

无效的出口是：用户在分析过程中必须判断为要删除的用户数据，但必须详细说明用户退出条件。

为了解决它，您可以看到下表：

用完上述情况后，下表可以看到情况：

有12种类型，不多。下一步该怎么办？产品经理的另一个功能是分析，标记每个用户行为的原因，并过滤您所关心的内容以及与之比较的内容，例如：

您还记得最初的问题吗？将手动刷新更改为默认刷新会对用户产生影响。我们需要拆卸您要使用的许多内容，并删除无用的信息进行分析。

我们需要清楚地思考我们想要的东西，并清楚地定义我们想要的东西，这是最困难的。

从互动的角度来看，它被分为刷新和未经验证。它可以理解为将未重新验证的用户转变为系统以帮助您刷新，而刷新自己的原始用户则被用作对照组，结果将无效出口使用。

一般而言，没有刷新，肯定不会有新的内容。如果有刷新，它将是统一的，并最终估计影响范围。

一般而言，根据该业务的情况，影响范围将包括在线时间，文章浏览和重新注册。主要考虑因素是重新注册，因为您担心的是损失。

在正常情况下，可以做到这一点的人基本上可以结束。

纳尼，结束了吗？

这么多准备。不，还早！

如果根据5W2H分裂，谁，在哪里，做什么，何时和为什么，以上只包括做什么，还有很多事情！

让我们谈谈“谁”首先将其分开：

通过广泛的定义，我们可以区分新用户和旧用户。直言不讳：新用户是从未输入Mini程序的用户。规则是，确定在同一天生成的开放ID是同一天活跃的新用户。无论在同一天返回访问访问量的次数多少次，它也被确定为同一天活跃的新用户。老用户是生成开放ID的用户。老用户还可以使用主动行为将其分层。一般而言，它们可以分为第二天的活跃，7天的活动，30天的活动，90天的活动，并在一年之内。由于该产品的推出不到一年，因此采用了前几种类型。

从历史数据来看，该业务可能对性别更敏感，并且对省，城市和地区不太敏感。因此，省和城市暂时不会考虑性别因素（您将知道该省和城市不会考虑挽救多少生命）。

好的，根据上述组合，您可以列出用户层次结构如下：

这只是硬用户层次结构。在考虑问题时，必须添加业务状态机。

什么是状态机器？

也就是说：您的用户目前经历了哪些业务行为或关键功能，您认为与此实验有关的内容必须包括在内。如果您是扩大领土的人，则必须考虑所有变量，然后构建一个数字仓库，以承受随后的多维组合分析。

我不会谈论这个分析实验，我只会谈论两种最重要的商业状态机器：一个是订阅，另一个是是否有浏览行为。

有些学生可能已经猜到了我要在下面做什么，是的，表现出现：

有必要这么麻烦吗？

不幸的是，产品经理的价值都在这里 - 如果您在早期阶段没有麻烦，那么如果您以后发展该怎么办？ skr ~~

这是仅有4个州合并后的用户分层情况列表和40个情况。它们每个人都必须连接到后续行为以进行访问分析 - 因为每个组都可以在随后的情况下采取任何行动，因此该分析与多维是多维的。

只有在明确表明之后，您才能知道您真正要分析的数据是什么；请记住不要害怕麻烦，这是因为您不够小心。

不用担心，完成分析工作后仍然存在过程状态：当用户进入迷你程序时，有5种行为，加上上述4个（浏览行为，令人耳目一新的行为，其他功能行为和退出行为），并且还有其他滚动行为：

这与上面的用户状态不同 - 因为它是一个过程，所以五个过程可以任意更改之前和之后的顺序，例如在滚动前和滚动之前刷新而不浏览或先浏览并先浏览并在刷新之前进行浏览；并且每个行为都可以进一步细分为状态，滚动可以分为3种类型：一般滚动行为，滚动到最后一个浏览，没有滚动。

清楚地思考之后，下一步该怎么办？

是的，绘制桌子显然会很大：

我没有进行过程切换，而只使用初始状态来说明；如果我真的进行了不加区分的分析，我将在严格进行可行性分析后输出所有状态。以这项业务为例，极限状态就是这种可能性 -

但是，很容易看到其中一些可以合并，例如DZ-72，无论如何更换它们，这都是相同的。

对于数据可视化工具，此表是，该产品：

我们为什么要做这么多？

用户动机。

是的，上面的排序称为过程动机。当我们分析时，我们可以从结果动机开始，我们需要将类似结果动机的过程放入小组中。以上述为例，结果动机是有效退出或无效退出。

例如，数字DZ1-3可能是正常的用户行为，DZ4-6可能是尚未阅读感兴趣的文章的用户（我该怎么办？优化算法！），DZ7-9似乎与我们的测试有关。如果将这些用户转变为刷新行为（DZ1-3），可以改善多少重新记录计数，阅读计数和在线持续时间（KPI）？

- - 这是完善的分析。

不同的订单因不同的动机而异。例如，我们一开始就会刷新，这似乎是我们将优化的预期情况？比较哪个原始组？优化后可以改进多少个KPI指标？你能做出预测吗？

以这种方式进行比较和比较将导致严格且可控的结果，并将用于指导您的决策。

最初的对照组1和2也可以产生结果 - 但是您将始终处于小学生的水平，不能成为初中生或高中生。

请记住，这些任务都是关于培训产品经理的另一种核心竞争能力：用户动机判断，包括心理和产品水平，您必须自己了解用户，然后才能做到这一点。

因此，当您回头看时，您是否认为初始流程图仍然称为流程图？您提出的要求是否仍称为请求（我想分析默认刷新和手动刷新之间的损失关系，只需埋葬手动刷新的数量）吗？不打架？

但是话又说回来，当它真正用于数据分析时，不得以这种方式对其进行分类和分析。这种分析将崩溃，这种需求也会杀死您。需要的是掌握产品经理的另一种异常能力 - 业务抽象能力。

我通常会根据此提取下表以进行研发，因此很明显，您还可以检查丢失并填补这些空白：

您只需要了解研发的是维度，而交叉分析是如果您想将其交给或数据分析师本身，则应做的。

不要以为成千上万的可能性很糟糕，因为数字分析师更有可能轻松处理这些可能性。如果这是对用户属性敏感且对用户敏感的业务，则必须将其分配到随后的分析过程中，即表格编号为ny。每个属性用户后续操作的转换率可能不同：

您可能已经制定了一种适用于大多数用户群体的策略，而正数的数字越多，负数较少，而且数字似乎是有效的：

但这不是对种植产品的态度。市场增长意味着要使用所有事情并从差距中抢夺事情。

将每种策略的正面和负面方面汇总给用户，保留新策略的正面用户组，而回滚其他用户组将不会减少：

如果您继续这样做，尽管您的产品变得越来越复杂，但您可以真正获得真正的认知产品，分析结论和用户增长。

这些数据维度和指标不仅代表您的产品强度，而且代表您的需求水平。在计划您的需求时，您必须考虑这些事情。只有当您进行后续研究和开发才能更好地估计难度和施工期时 - 否则，等待您的内容要么是没有结论或黑暗延迟的修改。

如果您可以弄清楚自己想要的内容，请澄清要求。

不要把它视为理所当然。每个动作都涉及许多因素。清楚地思考并采取行动。

此外，我仅在执行关键操作之前限制拆卸，然后随后的影响分析更重要，即，上述回流，阅读，在线持续时间等。

假设您有一种策略并使用欺骗来提高用户的转化率，但是总体7天的效率已经下降 - 这真是太神奇了。如果时间表很短，则必须清楚地考虑对其他业务和职能的影响。如果很严重，如果您影响充值功能，该怎么办？

您必须考虑后果。

上表仅作为示例，因此我不会进行更多详细的拆卸和分析。有兴趣的朋友可以继续这样做，这对刚进入产品的学生有帮助。您必须从相同的结果动机开始，并找到一个具有相同过程动机的比较组以了解用户。只有在修订之前进行数据辅助分析，您才能真正估计修订的合理性和需求的真实性。

得出结论后，您还必须学会验证结论。您可以使用交叉验证方法，可用于间接验证结论以使分析更加可靠和严格。

3。其他一些单词

以上列出了最近的案例，这不是我自己的案例，这一切都是基于我的个人兴趣来深入研究。

但是，数据分析不是万能的，并且对您提出了一些误解：

1。选定的样本量不正确

忽略有效的用户，并包括无效的用户。

在上述情况下，如果用户行为被分解，则可以找到许多不同的特征和细节。同时，有时由于样本能力，很少的样本会使结果无法预测，而太多的样本可能只关心少量用户数据并忽略整体 - 有时需要制定相同的采样规则，以减少分析结论的偏差。

2。因果关系的误解

如果您错误地判断因果，您是否必须出售更多产品评论的产品？在上述情况下，您能发现损失是刷新的信用吗？

未必。有时，分母是您得出错误结论的罪魁祸首。

分析数据时，您应该正确判断数据指标的逻辑关系，找到几种而不是因果关系之间的相关性。

3。被数据的表达技能蒙蔽

进行数据分析时，我们需要警惕数据处理的某些小写，最小间隔，上和下部极值，主要和次级坐标轴等，并且不会因数据的视觉效果而蒙蔽。

4。超依赖数据

不要过多地依赖数据，而要进行一些有价值的数据分析。许多很棒的产品决策并未通过数据发现，而是反映在产品经理的全面智慧中。

最后，尚未关注数据分析的公司应关注它。传统的旧沃尔玛从数据分析中获得了巨大的宝藏。足以解释以下三个方向的所有内容：

就价值意识而言，传统企业需要意识到数据分析可以带来巨大的价值，并且可以保留该价值并具有独特的竞争障碍；

在方法论方面，传统企业不必在不同部门实施各种方法进行数据分析。这些系统已由欧洲和美国总结了至少30年，其中许多系统无需重新发明。

在技​​术工具方面，雨后在中国产生了许多数据分析平台。如果您想做一份好工作，则必须首先提高工具。这是每个企业提高效率的最佳手段和方式，这大大减少了传统企业将转变为高科技企业的困难。

总结

说了很多话，希望每个人都不会被互联网上的许多概念所困扰。产品经理无法为了数据分析而进行分析，而应关注产品和用户。

数据分析应帮助产品经理不断优化产品设计和迭代，推动产品和用户增长，并在成本控制方面做得很好。风险预测是​​基本目的。

注意工作中的所有事物都可以避免许多误解。产品经理几乎做出涉及许多方面的所有决定。

锐化刀不会延迟木材的砍伐。思考更多然后做，效果可能会更好。

上述案例是偶然听到的，不是通过自己的经验，而是根据自己的利益而听到的，并且可能有一些分析不足，因此您可以了解更多。

我希望为您提供用于数据分析的好主意，这足够了，欢迎您进行更多的沟通。

- -/结尾 / - -