本手冊主要面向互聯網(移動互聯網)產品經理，詳細介紹在日常工互聯網產品的創始人(CEO)、用戶體驗、運營、研發等崗位也可作-第一部分基礎篇-第二部分實戰篇*第三章如何衡量產品改版(或新功能)的效果？*第四章如何發現產品改進的關鍵點(驚艷一刻)？*第五章如何結合數據做好用戶畫像(persona)？*第七章什么是同期群分析(CohortAnalysis)？*第八章常見分析模型及應用場景介紹*第九章產品數據分析的一般過程第三部分講述的是通用的方法論和最佳實踐，供有興趣深入學習的讀第一章產品經理該怎樣入門數據分析？?????????????????????????????????????????011.1產品經理做數據分析的入門門檻在哪？?????????????????????????????????????????011.2數據分析入門的「快速路徑」????????????????????????????????????????????????????02小結????????????????????????????????????????????????????????????????????????????????????02第二章產品經理應關注哪些數據指標？????????????????????????????????????????????032.1產品數據分析的「上帝指標」?????????????????????????????????????????????????????032.2互聯網產品的「AARRR」模型??????????????????????????????????????????????????05小結??????????????????????????????????????????????????????????????????????????????????05第三章如何衡量產品改版(或新功能)的效果？???????????????????????????????????063.1衡量改版效果需要哪些基礎數據？??????????????????????????????????????????????063.2衡量產品改版(新功能)效果的操作方法?????????????????????????????????????????07小結??????????????????????????????????????????????????????????????????????????????????14第四章如何發現產品改進的關鍵點？??????????????????????????????????????????????154.1應該從哪里找「改進關鍵點」？????????????????????????????????????????????????????154.2「發現產品改進關鍵點」的操作步驟????????????????????????????????????????????16小結??????????????????????????????????????????????????????????????????????????????????22第五章如何借助數據快速高效構建用戶模型(Persona)？????????????????????????235.1用戶模型構建的傳統方法??????????????????????????????????????????????????????23 2基于用戶行為數據快速、迭代構建用戶模型的方法5.???????????????????????????????26小結??????????????????????????????????????????????????????????????????????????????????33V第六章如何結合數據優化產品的用戶體驗？????????????????????????????????????????346.1什么是用戶體驗？????????????????????????????????????????????????????????????????346.2結合數據優化產品用戶體驗的一般方法????????????????????????????????????????35小結??????????????????????????????????????????????????????????????????????????????????36第七章什么是同期群分析(CohortAnalysis)？?????????????????????????????????????377.1什么是同期群(Cohort)？????????????????????????????????????????????????????????37 2什么是同期群分析(CohortAnalysis)？7.?????????????????????????????????????????387.3Why同期群分析？??????????????????????????????????????????????????????????????????39 4如何應用同期群分析？7.?????????????????????????????????????????????????????????40小結??????????????????????????????????????????????????????????????????????????????????40第八章常見分析模型及應用場景介紹???????????????????????????????????????????????418.1行為統計????????????????????????????????????????????????????????????????????????????418.2漏斗分析????????????????????????????????????????????????????????????????????????????428.3留存分析????????????????????????????????????????????????????????????????????????????448.4用戶洞察????????????????????????????????????????????????????????????????????????????458.5用戶群細分??????????????????????????????????????????????????????????????????????????45第九章產品數據分析的一般過程??????????????????????????????????????????????????47第一步：弄清目標和當前的主要問題?????????????????????????????????????????????47第二步：找出問題相關的數據指標???????????????????????????????????????????????47第三步：對問題指標的相關人群進行畫像分析，探究問題背后的可能原因?????48第四步：改進產品或運營??????????????????????????????????????????????????????????48小結??????????????????????????????????????????????????????????????????????????????????49第十章如何評估選擇合適的數據分析工具？???????????????????????????????????????50附表：互聯網產品用戶行為分析工具對比評估表?????????????????????????????????51后記??????????????????????????????????????????????????????????????????????????????????53致謝??????????????????????????????????????????????????????????????????????????????????53關于我們??????????????????????????????????????????????????????????????????????????????54方面卻遲遲不敢在自己產品中開展數據分析。造成這個現象的原因很多，其中之一便是認為?簡單的數學知識：大部分時候只用到簡單的加減乘除，所以小學或初中學習的數學知?基本的產品分析概念：比如什么是新增、活躍、留存、流失等，這些對產品經理來說都很容易(本手冊后面會有專門的章節對這些概念進行梳理和解釋)；項實踐技能，掌握它需要學會并運用一些方法和工具，對于產品經理?掌握利用數據評估產品改版(或新功能)效果的方法；掌握借助數據發現產品改進關鍵點的方法；?學會在數據的配合下快速完成用戶畫像(persona)的方法；知道如何定義數據埋點以及分析需求，并推動研發團隊實施；?如果您的研發團隊無暇處理數據分析需求，您還應學會至少一種產品數據分析工具的我們甚至建議在第一次做時，不要把數據分析專門當成個事兒來干，而是把數據分析放到您?產品新版本馬上就要發布了(或者已經發布)，那好，我們來看看數據，分析一下新或者，我們正在規劃或設計產品的改版，那好，看看數據研究一下之前的用戶行為，：過)2.我們產品經理的核心工作是通過研究用戶、定義產品來創造價值，數據對我們來說只一下，有幾位產品經理在職業生涯的初期會因為沒有系統的學習Word就拒絕寫產品文檔？?假如上帝是產品經理那么地球就是他的產品(之一)?而人類則是這個產品的用戶注：?新增角：新用戶增加的數量和速度*產品平均每天有1000位新用戶(日新增用戶數)*產品上月新增了3萬位用戶(月新增用戶數)?活躍視角：有多少人正在使用產品*產品平均每天有2千用戶活躍(日活躍用戶數，亦稱「日活」或「DAU」)*產品上月共有5萬名活躍用戶(月活躍用戶數，亦稱「月活」或「MAU」)?留存角：用戶會在多長時間內使用產品*每100位新用戶，在新增的第二天還有多少人使用產品？(次日留存率)*每100位新用戶，在新增的一周后還有多少人使用產品？(周留存率)*微解讀：用戶使用產品的時間越久(活的長久)，對產品的潛在價值越大。?傳播*平均每位老用戶會帶來幾位新用戶？(病毒系數)*老用戶一般在注冊(新增)后多長時間帶來新用戶？(傳播周期)：如果你的產品，新用戶主要靠病毒傳播的方式增長，那么，只有在病毒系數?流失*一段時間內流失的用戶，占這段時間活躍用戶數的比例(流失率)：只有當產品新用戶增長的速度大于老用戶流失的速度時，產品的活躍用戶數?????獲取(Acquisition)：用戶如何發現(并來到)你的產品？留存(Retention)：用戶是否還會回到產品(重復使用)？收入(Revenue)：產品怎樣(通過用戶)賺錢？看到這里，聰明的你已經發現，所謂的「上帝指標」其實和「AARRR模型」相差不大：)第三章如何衡量產品改版(或新功能)的效果？理想情況下，產品在迭代中不斷演化，用戶伴隨迭代不斷增長，直至產品走向成功。但不幸的是，大部分產品最后均以失敗告終，排除戰略、市場、運營等原因不說，在產品開發循環中缺少「衡量」的反饋環節，也是產品失敗的常見原因——很多時候，我們以為產品在迭代中螺旋上升，實際上僅僅在原地轉圈(仿佛追逐自己尾巴卻渾然不覺的那只汪兒)。經理，必須學會在迭代循環中適時進行衡量并確認進展，而這正用戶行為數據的采集、存儲、分析，可以由研發團隊構建專門的系統實現。另一個更快、更(題外話：諸葛io提供的免費版本，足以支撐中小型產品團隊的常見分析場景，歡迎評估在諸葛io中，您可以直接查看某個功能所對應用戶行為的活躍比的變化(比如下圖反映的鈕」用戶占活躍用戶的比例隨時間的變化)。切記：使用人數的多少還會受到功能本身之外的很多因素影響，萬萬不可只憑這一指標判斷如果新功能非常糟糕(比如存在嚴重Bug或體驗極差)，用戶往往在用過一次之后便不會再衡量指標：功能的重復使用用戶比例(用戶在首次使用新功能后的第X天，回訪用戶中使用」(如下圖)一步中，將「留存行為」也選擇為您要評估功能的對應行為，就得到了「使用新如果新上線(或優化)的功能處于某個用戶使用流程(比如分享到第三方平臺的過程、或拍攝并發布照片的過程)中，那么您可能需要評估該功能對流程是否起到了優化的作用。衡量指標：用戶流程的轉化率和完成率(對比改版前后的轉化率和完成率)分析改版前的漏斗轉化率和完成率的漏斗轉化率和完成率對比改版前后，漏斗的轉化率和完成率的變化，即可評估此次改版功能對用戶使用流程的影一般來說，一次成功的改版(或一項優秀的新功能)，會增加用戶對產品的喜愛，而讓用戶衡量指標：留存率(用戶在初始時間后第N天的回訪比例，即為N天留存率，同類的常用新功能上線了，用戶是怎樣用的？他們的使用方法是否與您的預期一致？用戶在使用這個功能前后分別做了什么(場景還原)？1.通過「事件」屬性的「分組對比」了解用戶對新功能的大致使用方法(如下圖，展示2.通過洞察單個用戶的行為記錄，詳細了解用戶的具體用法及場景(如下圖)用戶行為數據，為我們提供了一種低成本、便捷的觀察用戶行為的手段。雖然它不能完全替代產品經理對用戶在真實場景中的觀察和研究(數據傳達的信息沒有現場研究多)，但如果本章為基于數據「評估產品改版(或新功能)效果」提供了一套全面的、系統化的方法，整很多產品經理都夢想能夠做出「爆款」產品，從此功成名就、升職加薪、迎娶白富美，過?Facebook早期通過「博客小掛件」的展示獲得了每月數十億次展示、千萬次點擊和n?……很多人都聽說過這些成功故事，但不幸的是，這些產品關鍵細節的「發現過程」卻鮮有人知道。其實，聽起來像是上帝恩賜的關鍵細節，都是經由一套系統化的方法，通過有組織、有在過去的一年里，諸葛io團隊經過與很多合作伙伴的共同努力，反復探索，終于將「發現用。暴漫團隊是國內最擅長利用數據指導產品和運營的團隊之一，也是最早使用而稍具規模的產品，其用戶數量不會太小，在現實中觀察用戶的實際行為需要消耗的時間和人力成本都很高。因此，在產品中通過埋點記錄用戶行為，并通過軟件工具在海量的行為數據中實現「快速發現」，是一種高效率、低成本的方式。(不過需要注意的是，對行為數據的分析不能完全替代在現實中對用戶的觀察研究，因為「埋點記錄的單個用戶行為數據」中包含的信息量遠低于「在現實中觀察單個用戶的行為」所獲得的信息量，卓越的產品經理應一直到了2015年下半年，他們終于騰出手來，想要提升一下這部分用戶的活躍度。(你可將這群用戶，按照「活躍度高低」(目標)不同，將用戶分成若干群，并從中選取出「非常戶群)人群屬性：您應用能采集到的所有用戶的人口屬性，比如性別、年齡、用戶等級等；戶行為：*某個具體行為的發生次數(比如「成功創作漫畫」的次數)；*某個具體行為發生的特征(比如「第三方分享」的平臺)；化率：?留存：?首先，排除一些理所應當(無趣兒)的差異(比如活躍的用戶會比不活躍的用戶的訪?然后，對剩下的(有趣兒的)差異，探索并其背后的原因。以暴漫團隊為例，他們在對「非常活躍」和「不太活躍」用戶的差異進行分析篩選之后，得??「非常活躍」的用戶，大多在安裝App后的兩天內完成了以下行為(如下圖)：*瀏覽分類漫畫)不過，暴漫團隊并沒有直接據此改進產品，而是從兩群中各抽取了少量的用戶，進行了電話興趣(訪問記錄)展示個性化內容；也就是說，改版后，在活躍用戶數沒有明顯變化(可以排除改版之外其他因素的影響)的情?新用戶的次日留存率是改版前的1.3倍(長期留存的提升與次日留存接近)暴走漫畫團隊是一支非常優秀的團隊，他們在數據驅動產品決策方面走得非常深遠。上文的是他們日常工作的一個縮影，雖然他們也還不能做到每次改版都取得這樣的好成績，但一個優秀的產品，不正是靠千百次的打磨和錘煉才閃閃發光的嗎？！重要的是，在改版前嘗試從數據中發現關鍵機會，改版后進行效果的確認驗證，能夠讓產品團隊有機會在更短的烈推薦每一位產品經理學習掌握并實踐本文提供的方法，如果您愿意實踐，我第五章如何借助數據快速高效構建用戶模型e用戶的系統化方法。它是產品經理、交互設計師了解用戶目標和需求、與開發團隊及相關人但在現實中，一般只有很少的成熟公司，產品經理、交互設計師或用戶研究人員才會花時間?一個主要原因在于，按照傳統方法構建用戶模型的成本高、時間長，不是一般公司和?另一個原因在于，傳統方法對用戶模型構建者的要求很高，尤其是對用戶的訪談和觀方法和技巧，不少產品經理不敢嘗試，有些人嘗試后并沒有得到有用戶模型：基于對用戶的訪談和觀察等研究結果建立，嚴謹可靠但費時；?臨時用戶模型(adhocpersona)：基于行業專家或市場調查數據對用戶的理解建立，0步：對用戶的訪談和觀察(及其他研究)。將用戶當成師傅，自己作為徒弟去觀察師傅的行為，并提出問題。在整個過程中收集并研究用戶行為、環境、談話內容等信息，以發現用戶的行為、情境和目標。(比如，某兒童社區的用戶角色大致分為孩子、媽媽、爸爸和祖為及頻率)、(對產品及相關技術的)態度、能力、動機、技能幾個方面。第4步：找出重要的行為模型。發現訪談用戶中的中的顯著的行為模式組合。(比如兒童社區產品的「某些家長」會「密切關注」孩子在社區中的一舉一動，而「另一些家長」則只是其用戶模型。主要用戶模型是界面設計的主要對象，一個產品的一個界面，只能有一個主要用。在缺乏時間、資源不能做對用戶的訪談和觀察時，可以基于行業專家對用戶的理解、或市場別。軟件產品開發的過程方法以及公司的運作方式都發生了很大改變：以快速迭代為特點的敏捷開發方法取代了傳統的瀑布模型，以「開發→測量→認知」反饋循環為核心的精益創業方法改變著公司的運作方式……之日起并未發生特別大的變化。對于已經習慣了敏捷、快速的產品經理和交互設計師來說：一方面，花很長時間去研究用戶構建用戶模型需要下相當大的決心、更需要下很大力氣才能爭取到所需的時間和資源；另一方面，互聯網產品冷啟動耗費的時間越來越短，為了降低成本和風險，產品團隊在啟動期往往會選擇盡快將產品推向用戶，盡快獲得反饋以「快速試錯」，現實和壓力迫使大多數新產品的PM不敢投入大量時間精力深入的進行用戶研究。這就很容易理解，為什么大家都覺得用戶模型很好，卻鮮有述它們可能是您和所在團隊對用戶的理解，也可能是您產品的業務數據庫中記錄的用戶相關信息(比如用戶的性別、年齡、等級等屬性)，還可能是用戶(在產品內外)填寫的任何表單或留下來的信息(比如用戶填寫的調查問卷、留下的微信賬號等等)。您可以將這些信息映射成為用戶的描述信息(屬性)或用戶的行為信息，并存儲起來形成用戶檔案(最終形成的結果如下圖示意)。注意：從這一步開始，你就需要一個存儲了用戶信息和用戶行為信息的數據庫系統，它能夠支持你快速的進行接下來的各種分析和探索，直至形成用戶模型。如果您團隊的技術人員沒有時間為您搭建這樣的系統，您可以考慮引入類似于諸葛io這樣的分析工具，它可以SDK，方便的記錄用戶的行為數據。首先，在開始時根據已獲得的認知和經驗對用戶分群，這些用戶群是進一步研究的基礎。比如，你覺得用戶也許可以分為孩子、媽媽、爸爸和祖輩等四類，或者你認為購物的用戶可以 (如下頁下圖)。建議最少不低于30個)；?逐個用戶解讀其屬性特征和行為記錄，努力通過這些數據還原出用戶的真實使用場景目標。在解讀的同時，隨時記錄你發現的有趣的行為模式、以及不解之處。(注意，這一步的工作至關重要，對用戶及其行為的感性認識是后續?現的典型行為模式和場景、目標的推測，對用戶群進行更細致的劃分。比如，你發現一些用戶會定期采購大量的辦公用品(有趣的行為模式)，并推測這些人可能是企業行政部門的采購人員，他們要根據其他員工的需求定期完成采購任務(場景和目標)，那么你就可以將這群人劃分出來，作為一個單獨的用戶群(候選的用戶模型)，進行后續的研究。(如下圖示例)??對上一步形成的候選用戶模型(用戶群)，對其屬性和行為數據進行統計分析，初步驗證您的猜想。(如果使用諸葛io，您可以通過用戶群的「群體畫像」、「行為(事件)概覽」等功能快速完成所需分析，如下頁示圖所示)接下來，對上面形成的每個候選用戶模型，進一步完成其目標和動機的推測。同樣，在過程從每個用戶模型中選取少量具有代表性的用戶，進行訪談或調查，以消除您在前面研究中遇到的不解之處。在這一步，如果您有足夠的時間和資源，那么可以多選一些用戶，并盡可能的做現場的訪談和觀察；如果您時間和資源有限，那么可以少選一些用戶，或者采用電話、問卷等方式完成訪談，對于配合度較高的用戶，可以考慮采用錄屏或QQ遠程協助之類的工具觀察用戶的真實行為。因為您在前面的步驟中已經對用戶的真實行為有了一定的了解，所per在完成了上面的工作之后，接下來，您就可以對候選用戶模型進行逐個的審視和修正。合并相似的，補充不完整的，采用敘述的方式描述每個用戶模型，并為其選擇適當的照片，這樣就得到了本次迭代的用戶模型(如下圖示例，圖片來自網絡)。您可以用這個模型指導界溝通……最后，根據您的認知變化和產品需要，可以在合適的時機對之前得到的模型進行新一輪的修正。修正的過程和前面相同，可能您會在幾次產品迭代中穿插進行一輪用戶模型的迭代，本文提供了一種借助行為數據和工具快速、迭代的構建用戶模型(Persona)的方法，這套方法與傳統的用戶模型構建方法相比損失了一定的質量但效率更高，更適合今天的互聯網團隊值得說明的是，這套方法雖經實踐驗證是可行的，但還有進一步探索優化的空間，如果您想「用戶體驗是指『產品如何與外界發生聯系并發揮作用』，也就是人們如何『接觸』和『使上圖是書中給出的用戶體驗的完整模型。您可以看出，用戶體驗并不僅僅是設計個布局或選這就造成：很難有一套十分具體和簡單的方法，我們按照方法去做就一定能優化體驗。因此本文并不會告訴您十分具體的做法，而是給出一套基于數據優化體驗的通用的方法框架，在??的行為數據中，可以有很多方法和指標量化衡量產，您可以是否順暢的量化衡量結果。您可以將這一步中得到的衡量結果作發現一些影響用戶體驗的場景或節點。比如，您可能會發現在3G網絡下，(與4G和WIFI相比)使用支付寶支??下數據，看改進后的指標是否與基準線相比有所提對于優化用戶體驗，數據能幫到您的，是在優化前為「我認為用戶……」提供依據，在優化「上上周新增的用戶」……(當然也可以按天或按月劃分，時間顆粒度可大可小，但重要的是按新增時間劃分)。期群分析是指將用戶進行同期群劃分以后，分析和對比不同同期群組用戶的相同指標，這?對用戶進行同期群劃分?對比不同同期群組(比如本周新增用戶和上周新增用戶的)?的相同指標(比如注冊轉化率)同同期群中的用戶，產生的影響是不同的，分開衡量才更能反映真實「計劃生育」這項偉大的產品策略，只影響「50后~90后」幾個同期群中的用戶。因為：?如果你為產品增加新手引導，那么只對之后新增的用戶(同期群)產生影響，而不會?如果你準備發放優惠券，那么對剛剛注冊的用戶和已長期使用的忠實用戶，產生的效?所以，請確保你已經充分理解了同期群的概念、同期群分析的基本思路以及為什么應該采用同期群分析(如果還不清楚，請重新、反復閱讀前文)。一旦你掌握了它，只要有合適工具(比如諸葛io)的幫助，??????第八章常見分析模型及應用場景介紹用戶行為統計，就是對用戶在產品中的行為發生的次數或人數進行簡單的統計，統計結果一如下圖中，某在線商城用戶的「搜索商品」、「查看商品」、「加購物車」、「付款」等行漏斗分析可以幫你分析使用過程的成功和失敗率(也叫轉化和流失)，以分析用戶在使用產進行漏斗分析，首先需要您結合產品目標，從用戶的使用過程抽取出常見流程，比如：：留存分析是一種衡量產品「黏性」的分析方法——它能夠幫您分析用戶會長期持續使用您的用戶留存的情況一般用留存率來衡量。所謂留存率，就是指一組用戶在初始時間(比如首次打開應用)之后第N天，還在使用產品的用戶比例(即留存下來的用戶比例)，一般稱之增用戶留存」、「活躍用戶留存」和「自定義留存」三種類型的分析方法。關于諸葛io中前面介紹的三種分析方法和模型，基本上都是將大量的用戶行為按照各種方式劃分統計后得而在產品工作中，大多數情況下，幾個指標是不夠用的，我們經常會需要深入的了解和分析指標背后的用戶、以及用戶的行為。這種透過指標觀察其背后用戶的方法，我們稱之為用戶在諸葛io中，絕大多數的統計指標都可以直接點擊，以進一步分析查看指標背后的人群的整體情況