产品经理如何利用数据分析提高自己的话语权
刚刚接触产品的新人，对于数据分析这四个字即亲切又迷茫。大家往往都知道产品的迭代方向与数据分析得到的结果息息相关，可重点是，我要分析什么？数据从哪儿来？拿到数据了怎么分析？看着这一堆数，一堆图，我能干嘛，用什么方法分析？
我要分析什么——明确分析的目的
大家都知道产品是有生命周期的，一般产品的生命周期可以分为四个阶段，分别是：导入期、成长期、成熟期、衰退期。我们在接手一项工作的时候不可能说所有的时候都从第一阶段开始，有可能是在任何一个阶段来介入。那么我们接手以后不是埋头苦干，首先要做的是看下产品处于哪个阶段，然后确定我们的目标，目标确定以后就有了分析的思路。
举例：现有用户是如何获得：从什么渠道来、不同渠道的转化率如何、不同渠道占了多少比例、获得一个真实用户的成本是多少、下载量是多少、下载成功的有多少、下载成功后有多少安装了等等，都是我们想要分析的问题。
我们还需要了解：
［用户是否已经激活］新增用户的总量，注册成功的，哪个步骤流失了用户，使用什么设备来进行访问的。
［留存情况如何］这块就是大家熟悉的uv、pv、ip，各种活量、留存、流失情况。
［商业收入情况］用户的付费频率、付费的总人数、用户的付费转化率情况、二次付费的情况、平均消费。
［再传播情况］用户进行分享的次数、分享到第三方后转化成真实用户的转化率如何。等等
数据从哪儿来——数据埋点
说白了，数据埋点就是在产品流程的关键部位植入相关统计代码，用来追踪每个用户的行为，得到统计数据。数据埋点不可能一次就把所有的关键部位都想到，产品经理可以先进行主要需求的数据埋点，比如大家关注的uv、pv，注册量、日活数等等。再迭代产品以后，我们可以根据初步的数据进行细化，是一个先主干后枝叶的过程。除了拜托程序员哥哥做数据埋点以为，还可以使用第三方工具，比如：友盟、百度移动、 App Annie 等等。
拿着这些数字、图标，我要干什么——数据分析结果
没有建议或解决方案的数据分析就是瞎扯淡。
在用这些数据直接得到开头提到的第一个问题［我要分析什么］的结果之外，更要分析背后的原因，从根本上分析与解决问题。
所以，作为产品经理脑子里要时常充满“为什么”：为什么是这样的结果，为什么不是那样的结果，是什么原因导致的这个结果，为什么结果与预期的不同。
通过数据结果，我们要能够做到了解现状、找出业务变动原因、对于未来的发展预估等，要思考数据背后的事实与真相。
不论是在埋点的前期还是得到结果后的分析，都可以使用成熟的营销理论模型来套。
例如： PEST 分析法就可以作为我们的理论参考依据。(下图为境外租车的pest分析)
政治 ( Political Factors ) ： 国家是否出台了相关政策，对于本产品是有促进还是有制约？相关法律有哪些，是否有影响？
经济 ( Economic Factors ) ： GDP 及增长率如何？进出口总额是否有变化？消费指数有何变化？失业率如何？居民可支配收入是否增长？
社会 ( Sociocultural Factors ) ： 目标用户的人口规模、性别比例、年龄结构、人口分布、生活方式、购买习惯、教育情况、宗教信仰等方面
技术 ( Technological Factors ) ： 技术的发展、传播、更新、商品化速度、技术发展趋势、国家重点支持的项目、研发、专利等
从这四个方面来进行数据结果背后的分析，虽不能说特别全面，但也基本概括了。我们不能够为了数据分析而分析，数据分析最终结果是为了产品设计与迭代服务，是为了驱动产品的改进和用户增长为目的。最重要的是从中得到结果，数据优秀继续沿路前行，数据不好，根据分析结果优化调整。
作为产品经理，我们需要在“产品——数据——结论”这一螺旋式上升的行为中，利用数据来优化我们的产品，确定产品迭代的方向，提升用户体验。做到有理可依，从而提高产品经理在整个环节中的话语权。
关键字：产品经理, 数据分析, 分析
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
