产品数据分析应该怎么做，我来告诉你

在这样一个【数据驱动】的时代，很多产品团队都选择在产品早期就引入或搭建数据分析平台，并希望能够通过数据驱动产品的快速成长，但即便如此，大多数的初创企业还是难逃失败的厄运。除去战略、经营等导致企业死亡的情况，数据分析的“深度不够”也是让产品铩羽的重要原因——大多数企业构建的数据分析平台仅仅能看一些统计指标——而这并不足以指导产品改进，并使之走向成功！

第一章：产品数据分析的三个层次

对产品用户和行为数据的研究可以大致划分为宏观层、微观层和中间层三个层次：

宏观层：由一系列的数据指标构成。如产品每日的“活跃用户数”、“新增用户数”、“订单数量”、“点赞的次数和人数”、“次日或7日留存率”等，这些指标能够帮您从整体上把握产品的运营状况；

微观层：由产品中每个用户及其行为的细节数据构成。如每一个用户的年龄性别……、他在什么时间打开应用、做了什么、他的购物车里都有哪些商品等，这些数据可以让您去深入的了解和理解每一个用户以及用户的行为？

中间层：中间层由一系列相互关联的分析方法、模型以及相应的数据构成。如行为分析、漏斗、留存、细分、画像洞察等等。

第二章：决定成败的【中间层】

【中间层】是至关重要的一层——针对您产品和业务目标展开的大部分分析，都需要在中间层的方法模型支持下完成。这是因为：

1、 宏观层的数据指标过于概括，虽然可以帮您了解产品的整体状况，却很难基于这些指标直接构建出切实的产品改进策略；

2、 而微观层的行为的数据量实在太大，海量细节让人无从下手。

如果，中间层能够基于丰富的维度提供有效的方法和模型，您就有机会对存在问题的宏观数据指标进行逐级深入的剖析（Drill down），逐步缩小问题的范围和人群，甚至深入微观层洞察相关的用户及行为，直至对问题原因得到清晰的认识（或有效猜测）——并据此构建出产品改进策略并逐步改进，产品就有机会走向成功。

相反，如果中间层缺失，或提供的方法模型不能支持您对问题指标进行足够的剖析，您就只能回到“看数据→拍脑袋”的老路上去，产品快速增长并最终走向成功的几率将因此降低。

第三章：典型实例剖析

以某【视频分享社区】产品为例：

1、 发现问题

该产品的运营负责人通过数据发现：新用户在注册第二天只有20%人回访（【宏观层】」指标“次日留存率”低）；

2、 深入分析

接下来，她将某天新增的用户划分为“第二天回访的用户”和“第二天不回访的用户”两个群体（作者按：【中间层】的人群细分），并且：

对这两群用户从各个维度进行了分析对比（作者按：【中间层】的细分、群体画像、行为分析等方法），结果发现这两群人的一个典型区别是：

• “回访的用户”往往在首次使用时就“拍摄了至少1段视频”并且“分享到微信朋友圈”；
• 而“不回访的用户”大多在首次使用时“没有拍摄视频”或“没有分享到朋友圈”。

根据上述差异，这位运营负责人猜测——首次使用时“拍摄并分享”会影响到第二天及以后的留存率。

于是，她进一步在两个群体中各抽取了少量用户，并查看他们的行为记录（作者按：【微观层】的用户及行为细节数据），发现：在首次使用时“拍摄并分享视频”的用户，往往会在收到朋友圈好友评论时返回应用，以便查看或回复评论。并且，得到评论较多的用户很快会“拍摄新的视频”。而“没有拍摄和分享视频”的用户则情况刚好相反。这位运营负责人的想法通过这些细节数据得到验证。

第四章：总结

宏观层的指标相对容易得到。而选择或构建合适的分析工具将中间层和微观层“解锁”，才是决定数据分析成败的关键！