转载声明：文章来源https://zhuanlan.zhihu.com/p/56971713

数据分析，是产品经理的基本能力。很多产品经理的招聘描述对数据分析能力都是有一定的要求。产品经理的数据分析能力，平常做产品设计的时候或许体现不出来，但是一旦线上出现问题的时候，其分析问题效率和处理问题的效率往往比缺乏经验没有思路的同学要高出一个数量级

从业务来说数据分析主要是分为三块

1. 通过数据发现用户需求以创造产品、新增功能或者优化产品，比如各种的用户的报告和用户行为的分析等；

2. 提升产品效率，找到数据环节的漏斗，并且进行针对性的提升，比如对应用新增在不同场景的转化环节进行分析得到产品新增效率的提升点；

3. 定位问题，当应用线上出现问题，对线上的问题进行评估、定位和解决时，需要进行不同程度的数据分析，比如产品注册率付费率下降、线上核心功能用户减少等等需要进行定位并解决；

在数据分析基本方法论之前，首先需要了解下数据分析的几个基本的概念：

1. 同比：和上一时期、上一年度或历史相比的增长（变化幅度）。同比发展速度主要是为了消除季节或者时间周期变动的影响，用以说明本期发展水平与去年同期发展水平对比而达到的相对发展速度。如，本期2月比去年2月，本期6月比去年6月等。

2. 环比：表示连续2个单位周期（比如连续两月）内的量的变化比。环比增长率=（本期数-上期数）/上期数×100%。 反映本期比上期增长了多少；环比发展速度，一般是指当前的数据与前一个时间周期之比，用于分析相邻两个时间周期的数据的变动，有环环相扣的意思，表明产品的逐期的发展趋势；

3.同比和环比，在数据分析中都非常重要，比如产品的核心指标（环比）在春节期间出现较大的波动，那么就可以通过同比数据分析看看，在前几年相同的时间段的同比数据如何，以此进行数据的验证和分析；

数据分析的基本方法论

数据分析既然是一门学问，自然就会有一定的方法论。结合实际的工作，我认为有几个基本的方法还是会经常用到并且效果很好。一般基础的数据分析使用这几种方法就够了。

一. 漏斗分析法
漏斗分析不仅仅是一个数据分析的模型，更是一种可以普遍适用的方法论，或者说是一种思维方式。漏斗分析方法就是明确目标，然后根据关键链路进行分解和量化。

举个商业变现的例子：搜索引擎，搜索收入 = 用户搜索量 * 广告展现率 * 广告点击率 * 平均广告点击价格；那么如果我们想提升搜索广告为目标，我们就需要一个一个的看具体的指标提升点。比如如何提升用户的搜索量（提升搜索技术、生产优质内容，控制搜索入口等），如何提升广告的展示率（加大广告的展示率、搜索关键词从精准匹配到模糊匹配、关键词从语义相关到行为相关等等），这时候，你对目标的思考可以发散到不仅仅局限在商业变现这一领域的思考，也有产品模式、流量模式的思考，这样也会让思考更加的系统。漏斗分析法可以很好的让你的思维沿着关键目标逐层的思考，更加系统；

漏斗分析法，还有一个显著的用途就是，发现功能或者活动的薄弱环节，举个例子，如下用户在电商平台上购买产品的漏斗图（数据仅举例不代表真实数据）：

漏斗分析模型示意图

通过这样的一个漏斗分析，我们可以看到用户在转化的过程中是哪一个步骤损耗最大从而进行有针对性的优化。

漏斗分析方法也是进行目标回顾和自我审查的一个很好的管理工具，通过环比或者同比，定期的review我们所做的工作会对哪个环节的数据产生影响并加以监控；

二. 对比分析法
漏斗分析法更多是针对产品目标、功能或者活动的关键链路进行分析的方法，这个分析方法主要找出薄弱环节转化率问题的分析方法。但是，这个方法无法知道每个关键路径的“目标值”多少才合适。

需要结合对比分析法就可以发现更多的问题；对比分析需要结合上文提到的“同比“和”环比“的数据进行。对比分析通常又分了几种情况：

1.产品本身数据的对比分析，即单个数据变动的分析，往往使用的是对比分析方法。比如说产品在春节期间的用户出现较大的波动，有时候老板就会问为什么数据变动这么大。这个时候先不要慌，常见的分析思路就是进行数据的“同比“和”环比“分析，分析当前时期与相邻时期的数据波动比例，并且与去年或者多两年的数据进行同比分析，看看数据是否存在异常情况。若波动比较接近，那么对于当前产品来说可能是没问题的（为什么是可能？因为产品可能一直有问题，只是没发现）。若存在异常情况，则需要继续分析问题。

2.与竞品或者相同产品的对比分析，产品自身数据的对比分析，通常可以分析数据与“自身”之前数据参考是否有异常，但是无法确定你分析的数据天花板在哪里？确定天花板的一个很好的方式就是进行不同产品数据的对比，比如游戏的在信息流场景下的分发效率，你可以针对自己的漏洞分析得到每个流程的流失和转化数据，但是具体要做到多少合适，你心里其实是没底的，这时候，若有竞品或者相关行业优秀的数据进行对比分析，就可以很好的发现数据问题，然后针对差异大的点进行分析和实验进行效率的提升。当然，还有一种情况就是，你做的产品已经是行业第一了，这时候就没有可参考的对象，这个时候，就需要接触更多的信息来源对数据场景进行类比，找到相似的场景优秀的行业数据进行对比。

3.对比分析的更多应用场景：

1）. 发现优化点和进行功能验证：对比分析，不仅可以从整体流程上发现问题，还可以进行更多维度的对比，以发现需求、优化点和进行功能验证，比如针对产品版本新功能的对比来验证上线的一个功能效果情况，需要对不同版本进行效果对比；比如针对不同渠道的数据对比，针对细分渠道进行产品数据的对比，可以发现不同渠道的用户质量情况（留存率、活跃率、ROI）等；

2）. 发现不同场景用户需求：对比分析，核心是通过不同场景，不同条件的数据进行对比以找出差异。通过分析数据，对比用户的行为可以挖掘更多的用户需求，比如当前的火热的用户下沉趋势，可以发现，一二线城市和三四线城市的用户在内容娱乐、电子商务、游戏影音上都有不少的区别，同时，我们通过数据分析也可以看到，现在中老年人开始接触互联网，他们的行为跟年轻人区别也很大，那么通过对比分析后得到针对不同的用户进行不同的产品策略、用户的增长策略等等；

未完待续......