跟着人口和流量红利的降低，互联网行业必定会朝着精益化运营的偏向成长。数据分析在很多互联网人的工作中更加显得重要，而对于产品经理来说，更是如斯。本文将为产品经理介绍数据分析的根本思路，并基于此，衍生出 2 个常见办法和 7 个应用手段，欲望在数据分析的实际应用中能给大年夜家带来赞助。

一、数据分析的根本思路

数据分析应当以营业场景为肇端思虑点，以营业决定计划作为终点。根本思路为 5 步，起重要发掘营业含义、制订分析筹划、大年夜分析筹划中拆搀扶须要的数据、再根据数据分析的手段提炼营业洞察，最终产出贸易决定计划。

接下来我们用一个案例来具体解释这 5 步思路：某国内 P2P 假贷类网站，市场部在百度和 hao123 上都有持续的告白投放，吸引网页端流量;比来内部同事建议测验测验投放 Google 的 SEM;别的，也须要评估是否参加金山收集联盟进行深度告白投放。在这种多渠道的投放场景下，产品经理该若何进行深度决定计划?

1. 发掘营业含义

起重要懂得市场部想优化什么，并以此为核心的 KPI 去衡量。渠道效不雅的评估，最重要的是营业转化：对 P2P 类网站来说，是否『提议假贷』远远比『用户数量』重要。

所以无论是 Google 照样金山渠道，都要根据用户群体的不合，优化响应用户的落地页，晋升转化。

2. 制订分析筹划

以『提议假贷』为核心转化点，分派必定的预算进行流量测试，不雅察比较注册数量及 ROI 效不雅，可以持续不雅察这部分用户的后续价值。

3. 拆分萌芽数据

根据各个渠道追踪流量、落地页逗留时光、落地页彪炳率、网站拜访深度以及订单类型数据，进行用户分群。

4. 提炼营业洞察

在不合渠道进行投放时，要根据 KPI 的变更，推想营业含义。比如谷歌渠道的效不雅不好，可能因为谷歌大年夜部分的流量在杭窃噩可能会造成转化率低。而金山收集联盟有很多展示地位，要持续监测不合地位的效不雅，做出最后断定。

(二) DOSS

5. 产出贸易决定计划

最后根据数据洞察，指导渠道的投放决定计划制。比如停止谷歌渠道的投放，持续跟进金山收集联盟进行评估，而落地页要根据数据指标持续地进行优化。

二、常见的数据分析办法

(一) 表里身分分化法

社交雇用类网站，一般分为求职者端和企业端，向企业端收费方法之一是购买职位的告白位。营业端人员发明『宣布职位』数量在以前的 6 个月里有迟缓降低的趋势。对于这类某一数据降低的问题，大年夜产品经理的角度来说，可以若何拆解?根据表里身分分化法分析如下：

1. 内部可控身分

产品近期上线更新、市场投放渠道变更、产品粘性、新老用户留存问题、核心目标的转化;

2. 外部可控身分

市场竞争敌手近期行动、用户应用习惯的变更、雇用需求随时光的变更;

3. 内部弗成控身分

产品策略(移动端/PC端)、公司整体计谋、公司客户群定位(比如只做医疗行颐魅雇用);

4. 外部弗成控身分

互联网雇用行业趋势、整体经济形势、季候性变更;

DOSS 是年腋荷琐具体问题拆分到整体影响，大年夜单一的解决筹划找到一个范围化解决筹划的方法。

针对该群用户进行建模，监控该模型对于最终转化的影响。

某在线教导平台，供给免费课程视频，同时售卖付费会员，为付费会员供给更多高阶课程内容。如不雅我想将一套计算机技巧的付费课程，推送给一群持续在看 C++ 免费课程的用户，产品经理应当若何帮助分析?

按 DOSS 的思路分化如下：

1. 具体问题

猜测是否有可能赞助某一群组客户购买课程。

2. 整体

起首根据这类人群的免费课程的应用情况进行数据分析，之落后行延长，比如半数体的影响，除了计算机类，对其他类型的课程都进行存眷。

3. 单一答复

表里身分分化法是把问题拆成四部分，包含内部身分、外部身分、可控和弗成控，然后再一步步解决每一个问题。

4. 范围化

(五) 留存分析

之后推出范围化的解决筹划，对相符某种行动轨迹和特点的行动进行建模，将课程推荐模型参加到产品设计中。

三、数据分析的应用手段

根据基本分析思路，常见的有 7 种数据分析的手段。

(一) 画像分群

画像分群是聚合相符某中特定行动的用户，进行特定的优化和分析。

(二) 趋势维度

建立趋势图表可以敏捷懂得市场， 用户或产品特点的根本表示，便于进行敏捷迭代;还可以把指标根据不合维度进行切分，定位优化点，有助于决定计划的及时性;

除了须要存眷整体用户的留存情况之外，市场团队可以存眷各个渠道获取用户的留存度，或各类内容吸引来的注册用户回访率，产品团队存眷每一个新功能对于用户的回访的影响等。

　　推荐阅读

　　如何让隐藏在大数据背后的价值发挥出来？

对于通俗仁攀来说，大年夜数据离我们的生活很远，但它的威力已无所不在：信用卡公司追踪客户信息，能敏捷发明资金异动，并向持卡人发出警示;能源公司应用气候数据分析，可以轻松选定安装风>>>详细阅读

本文标题：产品经理必会的10种数据分析方法

地址：http://www.17bianji.com/lsqh/36497.html

 1/2    1