产品数据分析指南

诸葛IO公司总结了一篇文章《产品经理－数据分析实战手册》。这个文章非常好，对于产品运营的指导意义很大。

原文章的链接如下：https://zhugeio.com/solutions/product/treasure/zhugeio-pm-data-analysis-guide-v0.285714.pdf

下面是对这个文章的核心内容的总结：

产品数据分析的"上帝指标"
新增
活跃
留存
流失
传播

互联网App运营的AARRR模型（海盗模型）
获取(Acquisition)
激活(Activation)
留存(Retention)
传播(Referral)
收入(Revenue)

如何衡量产品改版（新功能）的效果？

步骤：设计 -> 开发 -> 发布 -> 衡量

衡量方法
改版（新功能）是否受欢迎（活跃用户使用的比例）
用户是否重复使用（重复使用比例）
对流程转化率的优化结果（转化率）
对留存的影响（留存率）
用户在怎么样使用新功能

如何发现产品改进的关键点？

步骤：目标 -> 用户分群（同期群）-> 对比 -> 发现 -> 改版 -> 衡量

如何快速构建用户模型？
初始认知
用户分群
分析行为数据
推测目标动机
访谈调查，验证（必要）
用户模型建立修正

如何结合数据优化用户体验？
衡量，结合目标
发现问题
优化
评估

同期群分析

按照用户的新增时间将用户分群，得到的每一个群叫做同期群。

常见的分析模型模型以及应用场景介绍

用户行为统计

就是对用户在产品中的行为发生的次数或人数进行简单的统计,统计结果一般以折线图和表格的方式呈现,这是用户行为分析的最基本的方法。

漏斗分析

分析使用过程的转化率和流失率

留存分析

分析产品粘性和用户质量

用户洞察

某个用户群体的整体情况查看分析

用户群细分

将某个用户群通过一些过滤条件进行更细粒度的选择，然后对结果进行各种分析

产品数据分析的一般过程
弄清目标和当前的主要问题
找出问题相关的数据指标
对问题指标的相关人群进行用户分析，探究问题背后的可能原因
根据原因，改进产品和运营
观察指标和画像，分析改进的效果
作者简介：屈世超，对高并发系统设计开发感兴趣，现专注于大数据开发工作。曾任职小米科技公司服务端后台开发工程师，现担任快看漫画数据开发负责人。