随着互联网的发展，数据的重要性越来越大，我们不再只是凭着自己的直觉优化产品。

我们通过在网站或APP应用中进行数据埋点，获取用户对产品的使用和行为数据，并进行基于产品体验优化的数据统计分析，发现问题，科学迭代。

今天，我们就来看看产品经理是如何进行产品数据分析的。

数据分析流程

一、数据分析概述

数据分析可以作为产品的眼睛和大脑，提供客观衡量的依据，帮助产品经理理性思考，持续优化改进产品。

数据分析一般可以解答下面这些问题：

• 从哪里来？
  用户从哪里来、来了多少
• 什么样的用户？
  用户属性、用户地域、用户设备
• 做了什么？
  访问了哪些页面、使用了哪些功能、消费了多少钱、花了多少时间
• 表现如何？
  哪些流程可能有问题、忠诚度如何、活跃度如何、有没有达到目标、和行业相比如何
• 如何离开？
  流失情况如何、离开之后是否还回来

网站分析数据来源可以分为两类，一种是通过服务器日志收集，另一种则通过JS页面标记来收集。

这两者数据获取的方式各有利弊：

• 服务器日志的优势是可以进行完整的服务端请求记录；但日志的获取和清洗有过滤成本，许多页面的操作无法记录。

服务器日志原理

• 页面标记数据获取灵活可控，可以对页面操作进行记录，获取的数据比较完整、丰富；但是，需要在页面植入JS标记代码，而当用户禁用JS功能时，数据将无法获取。

页面标记数据原理

二、基础分析指标

互联网产品的数据分析，常常伴随着运营指标。而不同的产品形态和产品属性，往往也衍生出不同的数据指标。

以下仅罗列了常见的指标供大家参考：

1、web端常用基础指标

• PV：
  即页面浏览量，网页浏览数是评价网站流量最常用的指标之一。用户每1次访问网站中的页面均被记录1次。用户对同一页面的多次访问，访问量累计。
• UV：
  即独立访客，是指通过互联网访问、浏览这个网页的自然人。
• UPV：
  Unique Pageview，唯一身份综合浏览量。
• 访问：
  在一定时间范围内，网站所有访问者对网站发访问总次数。从访客来到网站到最终关闭网站的所有页面离开，计为1次访问。

2、复合指标

• 跳出率：
  指用户来到网站，只浏览了一个页面就离开的访问次数，占全部访问次数的百分比。（“来了就走”）
• 退出率：
  访问者离开网站被记录为一次退出。退出率指某一范围内退出的数量/该范围综合访问量。
• 访问时长：
  网站停留时长；页面停留时长；应用使用时长；访问时长是访问质量的一个衡量指标，较长访问时长表明访问者与产品进行了较多互动。
• 访问深度：
  可以理解为单个用户平均访问的页面数，就是PV/UV的比值。访问深度也是访问质量的一个衡量指标，可以考察用户是否和网站进行了较多互动。这个比值越大，代表网站的粘性也越高。
• 转化率：
  指在一个统计周期内，完整转化目标行为的次数占总访问次数的比率。根据设置不同目的进行计算，如注册转化率、付费转化率等。转化率是分析中非常重要的一个指标。

3、移动端基础指标

移动端设备主要是指手机，产品也多指需要下载的APP。

这类产品的基础指标与web端产品略有不同，但分析思路大致相同。

除了上述基础指标，还有新增设备数、累计设备数、启动次数、单次使用时长等。

注意：在使用数据报告，或者统计平台时，一定要先了解清楚各个指标来源和定义，不同平台可能会有差异。

三、常见分析内容

根据一个用户使用产品的路径，我们可以总结出常见的分析内容包括流量分析、用户分析、行为分析、路径转化、流失分析等。

用户路径对应的指标

1、流量分析

通过基础产品数据的反馈，我们可以直观的判断出用户是从哪里来的。

来源一般可以分为以下三类：

• 引荐流量： 通过其他网站来到目标网站所产生的流量
• 直接访问：直接通过网站域名进入到网站的流量
• 搜索引擎：通过点击搜索结果访问网站产生的流量

这些不同来源的对比分析，渠道效果显而易见，也为之后的推广方向和运营策略提供了参考依据。

2、用户群分析

通过采集到的数据，我们可以很快的梳理出自己的产品中有什么样的用户，并把他们按照不同维度进行分类，如新/老用户、活跃用户、流失用户、留存用户、高价值用户、回访用户等。

也因此产生了一系列的基础用户指标：

• 新增用户：DNU、WNU、MNU
• 活跃用户：DAU、WAU、MAU、DAU\MAU
• 留存率：次日留存、7日留存、14日留存、30日留存
• 流失率
• 回访率
• 一次性用户
• 用户生命周期

3、行为分析

通过有计划的数据埋点，我们可以进行用户访问路径分析，了解用户的行为走向，并进行定量分析，快速还原出用户如何使用产品。

用户路径

另外，我们还可以根据这些数据，直观的分析出用户访问的内容、访问的速度以及点击行为等情况。

访问内容分析

访问网站速度

点击行为分析

4、路径转化分析

根据数据的分析，我们可以梳理出产品的关键流程，测量出关键环节，并找出薄弱环节加以优化，进一步提升产品数据，最后验证是否完成了目标。

一般，一个互联网产品的用户路径会形成一个典型的漏斗模型，如下图所示：

漏斗模型

5、流失分析

最后，根据用户流失数据的分析，我们可以了解到用户粘性如何，及时优化产品，尽可能多的挽回这些用户，提高留存率。

四、常见分析思路

常见的数据分析思路有趋势分析、对比分析、细分分析和多种数据结合分析。

• 趋势分析：重点关注的是环比增长率、同比增长率和定基比增长率。
• 对比分析：可以使用改版前后对比、A/B test等方法。
• 细分分析：按照不同维度，可以细分为用户来源、媒介、地理位置、访问时间、浏览器、使用设备、用户属性等；按照不同指标，可以分为流量量、跳出率、停留时间、访问次数、访问深度、转化率等。
• 多种数据结合分析：从获取基本数据，到定量分析，再到定性分析，最后得出结论，通过一系列专业的逻辑推导进行综合分析，具体如下图所示：

多种数据结合分析

关于具体的分析思路，这里就不再详细描述了，如果对数据分析感兴趣，推荐下面两本书，供大家参考研究：

• 《网站分析实战》
• 《精益数据分析》

在工作过程中，如果还遇到数据分析上的其他问题，欢迎留言交流～