做为产品经理，在整个产品生命周期都面临做各种决策，而数据分析，无疑是产品决策的主要参考之一，重要性不言而喻。本篇文章我会从数据的初步认识、获取数据、分析数据三个方面，讲一讲我对数据分析的学习心得。
一、认识数据
数据是客观的，是量化事物的手段。但分析数据的人或多或少会加入主观因素。某些主观，有可能造成对数据的误读。
数据分析的误区有哪些呢？
1、忽略沉默用户。比如部分用户对某个功能需求特别强烈，当产品经理听取意见改版后，发现关键业务指标并没有提升反而下降，究其原因是发声的用户并不是核心用户，所以用户迫切需要的需求≠产品的核心需求。
2、过分依赖数据分析。比如，分析马车的数据，很可能得出的结论是用户需要一匹更快的马，那就不会有福特汽车的诞生了。所以说过度依赖数据也会局限了我们的思维。
3、错判因果关系和相关关系。如某电商网站数据显示，商品评论的数量与商品销售额成正比。即一个商品评论数量越多，那么该商品的销售额也会越高。但深入分析就会发现，影响销售额的因素除了评价，还有价格、质量、活动等。
4、警惕表达数据的技巧。
从上图可以看出图二的转化率增长更快，但实际上这是相同的一组数据，不同的只是纵轴范围，造成视觉效果的区别。
5、不要妄谈大数据。尤其初级产品经理，先学会通过基本的数据分析方法解决产品问题，而大数据除了少数公司，几乎都应用不到。如果真有兴趣，建议读一读《大数据时代》。
说了数据分析的误区，再讲讲如何面对数据。
1、学习如何提出数据统计需求。这是一个界定产品目的和目标、根据目标提出假设、预判产品效果的过程。
2、学习如何解读数据。发现数据的隐含信息，通过逻辑推理，进一步提出追问和假设，再通过数据验证。
总的来说，一个完整数据包括：功能设计方案；功能目的和目标；功能需要跟踪的数据指标。
二、获取数据
这里从产品载体（网站、移动）、产品形态（电商、UGC）四个方面讲述。
1、网站数据指标。关键指标有：
访问量：一段时间网站的会话次数
访问客数：UV
浏览量：PV
页面停留时长和网站停留时长：指平均时间
跳出率和退出率：跳出率是指从这个页面进入，无任何操作，并从这个页面退出的比例；退出率指无论从哪个页面进入，都从这个页面退出的比例。
转化率：达成目标的访问量/总访问量或达成目标的访客量/总访客量
推荐工具：
网站排名工具：Alexa、中国网站排名、网络媒体排名
监测工具：Google Analytics、百度统计、CNZZ网站分析
2、移动应用数据分析。关键指标：这里从用户生命周期的角度分别讲述。
①用户获取
下载量（还包括商店排名、评分）
新增用户数
用户获取成本
安装激活量
激活率
②用户活跃与参与
日活/月活
活跃系数：=日活/月活
平均使用时长
功能使用率
③用户留存
次日/七日/三十日留存，这里建议参考行业值
④用户转化
付费用户比例
首次付费时间
用户平均每月营收
付费用户平均每月营收
⑤获取收入
收入金额
付费人数
这里举一个产品改版的例子。考察改版效果，应该参考哪些指标呢?
①、新用户留存（同比、环比）
②、核心功能使用率
③、新功能使用率和继续使用率
④、新功能核心贡献
推荐工具：
友盟、Talking data、crashlytics（crash分析工具）
3、电商类数据指标
销售额：=UV*转化率*客单价
购买客户数：新客户、老客户
客单价
购买转化率：转化漏斗（UV→详情页→提交订单→支付）
UV和详情页UV
订单数
供应链方面：妥投及时率、重点商品缺货率
4、UGC产品数据指标。
从访客到产生内容，中间的指标叫做参与度。
参与度：访客数、停留时长、产出内容（点赞、评论、发表文章等）
三、分析数据
1、基本分析方法：
①对比分析：横向分析和纵向分析
②象限分析
③交叉分析
2、数据分析框架：给产品经理进行数据分析时提供思路的指引
AARRR模型：即获取用户→激活用户 →留存用户→收入→引荐，分析数据变化
逻辑分析拆分：找到与核心指标相关的指标，分层拆解，层与层之间不要相关
漏斗分析法
最后
推荐给大家一些有帮助的资源：网站分析在中国（博客）、《流量的秘密》、《精通Web Analytics2.0》
本文节选自网易产品经理微专业的精益数据分析课程，内容有删改。
