產品經理最常用的幾個數據分析方法

Glen

產品經理

work@tencent

看完本文，你能對互聯網產品經理日常工作中常用的數據分析方法有個大體的了解。大部分基礎的產品工作基本都能分析，其他行業我想應該也能復用。

漏斗模型

世界上的任何東西，發生相互之間的傳遞、轉化時，一定會導致損耗，換句話說，你投入的資源不可能完全轉化為你想要的東西。這就是漏斗模型的基本原理。下圖舉了個簡單的例子，一個餐館的就餐模型。從路上的人流到最後的就餐，每一步都是有轉化的。

我們在做產品時，最常用的數據分析工具就是漏斗模型。某個功能上線後，監控從登錄->曝光->點擊->付費，是一條可以直觀評價該功能品質的方法。用好這個，基本能解決產品70%以上的數據問題。

行為軌跡追蹤（Event Tracking）

Event Tracking顧名思義，就是用戶使用一個產品時，ta的操作行為軌跡路徑。幾乎100%的產品經理經常犯一個錯誤，那就是想當然。以為用戶跟我們想的是一樣的，但往往我們辛辛苦苦設計的產品流程， 但用戶的使用方式會令我們大吃一驚。這個時候，做用戶使用產品的行為軌跡追蹤就很有必要了。他能跟蹤用戶使用產品時的操作路徑和停留時長等，這個便於我們優化產品的使用流程。

上圖的眼動分析就是一種行為軌跡分析，它會記錄使用產品時的用戶眼睛視角轉移動態，並且記錄使用時長。這個分析的成本還是蠻高的，因為你要請用戶過來進行測試。當然也可以使用代碼的方式實現，即將產品內的點擊行為由始至終的記錄，從父節點帶到子節點再帶到孫節點，以此類推，直到用戶的操作行為中斷。

用戶運營模型&用戶分類

互聯網產品的用戶是可以根據不同的特性進行分類的，針對不同類型的用戶，我們需要制定不用的產品策略和運營策略，提高產品的體驗和被接受程度。

一般來說可以將用戶分為干係人（潛在用戶）、普通用戶（吃瓜群眾）、目標用戶（金主）、種子用戶（大金主）。這樣劃分可以讓我們在宏觀上對不同類型的用戶進行專項的運營。但是有時候這樣的劃分還是稍顯粗略，所以我們還會用到用戶細分：

分類是我們簡化認識、理解世界最常用的方式之一。世界本為一體，我們為了便於理解，把原子及以下層面的事情叫做物理學，原子組成了分子，進入化學領域，有機大分子，又和生物沾邊，生物越來越複雜，有了人類學，人類個體研究叫心理學，一群人就是社會學，衍生出經濟、政治、文化、歷史等（——引用自《人人都是產品經理2.0》）。我們在進行產品設計時，也需要對我們的用戶進行非常深度的細分，便於我們做出最準確的決策。上圖即為一個簡單的用戶分類，之前QQ秀的前輩，他在做產品設計時，將用戶按照操作行為分成了50多類，幫助他做出了很好的決策。

感謝讀到這裡，如果喜歡的話， 可以關注一下Glen，後面還會分享更多有意義的文章。

友情幫推廣，對數據分析和AI感興趣的可以看看：

感謝閱讀，本文由Glen版權所有，轉載請註明出處，違者必究，謝謝您的合作。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！