II產品經理數據分析實戰手冊PAGE\*ROMANPAGE\*ROMANIV目錄第一章 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？ ???????????????????????????????????????????? 2.1產品數據分析的「上帝指標」 ????????????????????????????????????????????????????? 2.2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 ??????????????????????????????????????????????????????235.2基于用戶行為數據快速、迭代構建用戶模型的方法???????????????????????????????26小結 ??????????????????????????????????????????????????????????????????????????????????33產品經理數據分析實戰手冊產品經理數據分析實戰手冊PAGE\*ROMANPAGE\*ROMANV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）？ ????????????????????????????????????????????????????????377.2什么是同期群分析（CohortAnalysis）？ ?????????????????????????????????????????387.3Why同期群分析？ ??????????????????????????????????????????????????????????????????397.4如何應用同期群分析？ ?????????????????????????????????????????????????????????40小結 ??????????????????????????????????????????????????????????????????????????????????40第八章常見分析模型及應用場景介紹 ??????????????????????????????????????????????? 8.1行為統計 ???????????????????????????????????????????????????????????????????????????? 8.2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 ?????????????????????????????????????????????????? 第一步：弄清目標和當前的主要問題 ????????????????????????????????????????????? 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？ ??????????????????????????????????????? 附表：互聯網產品用戶行為分析工具對比評估表 ????????????????????????????????? 產品經理數據分析實戰手冊產品經理數據分析實戰手冊0101第一章產品經理該怎樣入門數據分析？很多產品經理一方面很羨慕Facebook、Twitter、Dropbox等明星團隊的數據驅動能力，另一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，其中之一便是認為數據分析是一件「門檻很高」的事兒。產品經理做數據分析的入門門檻在哪？數據分析是一個知識領域，進入這個領域需要學習一些基本知識：識就足以應付；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）；數據分析更是一項實踐技能，掌握它需要學會并運用一些方法和工具，對于產品經理來說，大致需要：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；使用（io」）以上構成了產品經理數據分析的入門門檻。我們編寫本手冊的目的，就是為了幫您盡快跨過這道門檻，進入數據分析的大門！產品經理數據分析實戰手冊產品經理數據分析實戰手冊0202數據分析入門的「快速路徑」偉人云：實踐出真知！——「Justgan（干）it！」是入門數據分析最快速、最直接的方式。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的正常工作中來順手做了，比如：產品新版本馬上就要發布了（或者已經發布），版本的表現如何？看看能不能為產品設計帶來點兒新思路？之所以這樣建議，是基于兩方面的原因：（見過很多人想做數據分析從年初喊到年尾卻從來沒開始過）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，數據對我們來說只是工具一件，我們大可不必等到一定要精通掌握所需的全部知識技能才開始做分析。（試想一下，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？Axure？）下面是我們給出的產品經理入門數據分析的快速路徑：小結小結數據分析入門其實并不難，在做好產品經理日常工作的同時順便就開始了。摟草打兔子，justganit！產品經理數據分析實戰手冊產品經理數據分析實戰手冊0303第二章 產品經理應關注哪些數據指標？產品數據分析的「上帝指標」讓我們從一個類比開始：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下面，讓我們站在上帝的視角，梳理一下有哪些數據需要被關注：新增1.4產品視角：新用戶增加的數量和速度1000（日新增用戶數）3（月新增用戶數）微解讀：新用戶數量的快速增長，是產品增長的基礎。活躍70（70）產品視角：有多少人正在使用產品產品經理數據分析實戰手冊產品經理數據分析實戰手冊04042（日活躍用戶數，亦稱「日活」或「DAU」）5（月活躍用戶數，亦稱「月活」或「MAU」）微解讀：只有活著的用戶，才有可能為產品帶來價值。留存?留存72產品視角：用戶會在多長時間內使用產品100？（次日留存率）100？（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?傳播23個孩子產品視角：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）1增長速度越快。流失?流失1,080產品視角：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）才會是正增長。為了便于理解和記憶，我們將上述指標統稱為「上帝指標」1注：1如果你覺得它不夠嚴謹，或者不喜歡，請忽略它：）產品經理數據分析實戰手冊產品經理數據分析實戰手冊05052互聯網產品的「AARRR」模型2獲取（Acquisition）：用戶如何發現（并來到）你的產品？激活（Activation）：用戶的第一次使用體驗如何？留存（Retention）：用戶是否還會回到產品（重復使用）？傳播（Referral）：用戶是否愿意告訴其他用戶？收入（Revenue）：產品怎樣（通過用戶）賺錢？小結小結看到這里，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：）重要的是確保你已經記住并理解了這些概念！！注：2AARRR模型又稱海盜指標，由DaveMcclure于2007年提出。產品經理數據分析實戰手冊產品經理數據分析實戰手冊0606第三章 如何衡量產品改版（或新功能）的效果？最終面向用戶發布——「設計→開發→發布」的過程循環往復……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）。因此，要想成為優秀的產品經理，必須學會在迭代循環中適時進行衡量并確認進展，而這正是本章的內容主旨。衡量改版效果需要哪些基礎數據？需要要觀察用戶的行為，因此用戶及其行為數據是衡量產品改進的基礎。產品經理數據分析實戰手冊產品經理數據分析實戰手冊0707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、更低成本、更靈活的選擇是在您的產品中集成諸葛io之類的第三方分析工具，實現快速分析。（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，歡迎評估試用）衡量產品改版（新功能）效果的操作方法從以下5方面入手，可以衡量產品改版的效果：問題1：新功能有多少人用（是否受歡迎）？一般情況下，一項新功能上線，用的人越多，表示改版更可能是成功的。（當然，某些「壟斷+剛需」的產品除外）衡量指標：功能活躍比（使用了新功能的用戶數/同期活躍用戶數）產品經理數據分析實戰手冊產品經理數據分析實戰手冊0808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（比如下圖反映的是某產品「點擊分享按鈕」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功能好壞，一定要結合下文中的其他方面綜合評估！問題2：用戶是否會重復使用（被評估的）新功能？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用第二次。而優秀的功能則可能會受到用戶的喜愛，并反復使用之。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，回訪用戶中使用該功能的比例）產品經理數據分析實戰手冊產品經理數據分析實戰手冊0909在諸葛io中，您可以通過兩個「自定義留存」的分析結果對比得到「重復使用用戶比例」，具體如下：（留存率（如下圖）功能的用戶在之后的重復使用情況」（如下圖）產品經理數據分析實戰手冊產品經理數據分析實戰手冊PAGEPAGE12X回訪用戶中使用該功能的比例。（如下圖中深色柱子占淺色柱子的比例）重復使用用戶比例越高，說明有越多的用戶反復使用該功能。問題3：新功能對所處的使用流程是否起到了優化作用？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）在諸葛io中，您可以通過「漏斗」完成該評估，具體如下：為用戶流程創建漏斗（如分享過程「點擊分享按鈕→到第三方平臺→分享成功」）分析改版前的漏斗轉化率和完成率分析改版后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響——轉化率和完成率提升的越多，說明效果越明顯。問題4：產品改版對用戶留存產生了怎樣的影響？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，而讓用戶頻繁的使用產品。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，同類的常用指標有「次日留存率」、「周（7天）留存率」、「21天留存率」、「月（30天）留存率等」）在諸葛io中，您可以通過「新增用戶留存」衡量產品改版對用戶留存的影響。具體如下：問題5：了解用戶在怎樣使用新改版的功能？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）？分析方法：行為屬性統計&用戶行為記錄在諸葛io中，您可以：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（了用戶「分享」的第三方平臺分布）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），但如果配合使用，可以極大的提升整體的效率和準確率！小結小結本章為基于數據「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5io被證明是一套可行的、可靠的、高效的實踐方法！第四章 如何發現產品改進的關鍵點？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，過上幸福快樂的生活：）美帝有句成語叫「魔鬼在細節中！（Devilsinthedetails）」，很多大家耳熟能詳產品都是從一個或幾個關鍵細節的改進開始走向成功的：Facebook百萬人注冊；Twiter10LinkedIn4? ……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、有步驟的實踐活動發現的。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「發現產品改進關鍵點」的過程總結形成了一套系統化、可復制的過程方法。應該從哪里找「改進關鍵點」？魔鬼在細節中！產品改進的關鍵點，不在產品中，而是藏在用戶中，藏在用戶的行動中！因此，要想找到這些關鍵點，您必須能夠有機會全面、深入的觀察用戶及其行為。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，卓越的產品經理應該懂得如何將兩種方法結合在一起，找到效率和質量的最佳平衡點）4.2「發現產品改進關鍵點」的操作步驟下面就通過「暴走漫畫」1（以下簡稱「暴漫」）的一次產品改版來為您來詳細介紹：第步：目標（起因）第暴漫團隊發現，部分用戶下載了暴漫的App后，除了安裝后第一次打開，后續使用的很少。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。（你可以思考一下哪些數據指標能夠反映用戶的活躍度）注：1暴走漫畫是國內最火爆的原創惡搞漫畫制作分享應用。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「諸葛io」進行用戶行為分析的團隊。第步：根據目標對用戶分群第選取兩周前新增的一批用戶作為初始的研究對象：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「非常活躍」和「不太活躍」的兩群用戶做深入研究：在諸葛io（（710（如下圖暴漫定義的用戶群）第步：對比用戶群，尋找差異第諸葛io支持從很多維度進行用戶群的對比：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；App3030用戶行為：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）；過程轉化率：比如「購物下單」過程的轉化率和完成率；留存：比如「次日留存率」、「周留存」等。在對比的過程中，一般會發現兩群用戶之間有很多差異。第步：發現「有趣的」差異，探尋背后原因第對上一步得到用戶群之間的差異，進行逐項分析：首先，排除一些理所應當（無趣兒）的差異（；）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，得到了一個有趣的發現：App（如下圖）：瀏覽分類漫畫加好友（訂閱了喜歡的內容頻道）進入我的暴走（瀏覽了訂閱的內容流）而「不太活躍」的用戶，則較少有人完成全部上述行為。暴漫的產品團隊基于上述大膽推測：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，進行了電話訪談，訪談的結果證實了這一推測。第步：根據發現改進產品第基于上述發現，暴漫的產品團隊對暴走漫畫App進行了如下優化：App興趣（訪問記錄）展示個性化內容；將「好友」的導航地位提升。第步：衡量改版是否達到預期效果第新版發布后，暴漫團隊持續追蹤了一段時間的數據，發現新版的效果非常明顯：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）的情況下：? 1.5? 1.3? 1.3（長期留存的提升與次日留存接近非常驕人的成績！！小結小結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。上文的案例只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時間內取得更大的進展——而且是真正有效的進展。因此，我們強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，我們相信假以時日，您在產品事業上必有成就！第五章 如何借助數據快速高效構建用戶模型（Persona）？用戶模型（Persona1

是AlanCooper在《AboutFace：交互設計精髓》2

一書中提到的研究用戶的系統化方法。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交流、避免設計陷阱的重要工具。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構建用戶模型，個人認為之所以這樣，至少包含兩方面原因：團隊所能承受的；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察，其中有很多的方法和技巧，不少產品經理不敢嘗試，有些人嘗試后并沒有得到有用的信息，后面往往就不再做了。本章將嘗試提出一種基于用戶行為數據的快速構建用戶模型的方法。5.1AlanCooper提出了兩種構建用戶模型的方法：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）快速但容易有偏頗。（Marketing41：基于訪談和觀察的構建用戶模型（正統方法）AlanCooper完整步驟如下圖：第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、爸爸和祖輩等四類，需要分別研究）第1步：根據角色對訪談對象進行分組。根據研究結果和理解對用戶進行大致的角色劃分，并根據角色對要訪談的用戶進行分組。2（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3步：將訪談主體和行為變量對應起來。實際上就是為每個訪談用戶標注各項行為的情況。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「偶爾了解」一下孩子的情況）第5步：綜合各種特征，闡明目標。從用戶模型的行為細節中綜合/挖掘出用戶的目標和其它特性。第6步：檢查完整性和冗余。為每種用戶模型彌補行為特征中重要的缺漏，將行為模式相同而僅僅是人口統計數據有差異的用戶模型合并為一個。第7步：指定用戶模型的類型。對用戶模型進行優先級排序，確定主要、次要、補充和負面用戶模型。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，只能有一個主要用戶模型。第8步：進一步描述特征和行為。通過第三人稱敘述的方式描述用戶模型，并為不同用戶模型選擇恰當的照片。至此，用戶模型構建完成。2：構建臨時用戶模型（adhocpersona)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、或市場研究中獲得的人口統計數據，建立「臨時用戶模型」。「臨時用戶模型」的構建過程與「用戶模型」的構建過程很像，只是其數據基礎一個是來自對真實用戶的訪談和觀察，另一個是來自對用戶的理解。二者的準確度和精度都有差別。5.2基于用戶行為數據快速、迭代構建用戶模型的方法AlanCooper（Persona)概念已經過去快20年了3而傳統的用戶模型構建方法，從誕生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，卻鮮有人在工作中真正運用它。接下來，我們將提出一種基于用戶行為數據的快速、迭代構建用戶模型的輕量方法。1998，AlanCooperTheInmatesAreRunningtheAsylum》一書中首次提出。首先，在開始時，整理和收集已經獲得的任何對用戶的認知、經驗和數據。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，它可以幫您存儲用戶及行為數據，以方便查詢使用，您還可以在您的App或網站中集成諸葛io的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分為男女兩類，那就根據數據劃分好了。如果在諸葛io中，您可以通過定義用戶群實現（如下頁下圖）。接下來，您就要對上一步的用戶群逐個進行分析，并嘗試從中發現顯著的行為模式。對于每個用戶群，分析步驟如下：（30）；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和過程，并嘗試推測其目標。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工作的基礎。要記住：讀用戶如讀書，讀其百遍、其義自現！）根據上面步驟中發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。（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，在過程中有任何不解之處，請記錄下來。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，所以在這一步，您可以不必嚴格的執行AlanCooper的用戶研究方法，從而節省大量的時間和資源。但是，如非特殊情況，請盡量不要跳過這一步。記住：哪怕是與用戶進行很少量的溝通，也有助于發現未知的問題，這是非常值得的。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面設計、與團隊溝通……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，時間越久，用戶模型就越接近真實的用戶情況。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的工作方式和節奏。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，如果您想和我們共同探索實踐這套方法，可以通過\hyuxiaosong@與我們聯系，來信記得簡要說明您個人以及產品和團隊的情況以及期望參與的方式。第六章 如何結合數據優化產品的用戶體驗？記住一點：數據不能為您直接帶來創意，但可能會幫你發現創意的機會！6.1什么是用戶體驗？JesseJamesGarrett在《用戶體驗要素：以用戶為中心的產品設計》一書中對用戶體驗的定義：「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『使用』它。」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，在實際運用時，可以靈活調整。6.26.2衡量品的用戶體驗。比如，通過「下單→支付→完成支付」過程的成功率，您可以得到支付過程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為基準線，今后的改進應該是讓指標相較基準線有所提升才是有效的。發現3G，（4GWIFI）付的成功率十分低，而同樣的環境下微信支付的成功率就高很多。3G評估升，提升的幅度多大，以此來確認產品改進是否實現了預期的優化效果。小結小結對于優化用戶體驗，數據能幫到您的，是在優化前為「我認為用戶……」提供依據，在優化后提供效果的確認。第七章 什么是同期群分析（CohortAnalysis）？基于同期群的分析是產品數據分析的核心之一！基于同期群的分析是產品數據分析的核心之一！基于同期群的分析是產品數據分析的核心之一！重要的事情說三遍。什么是同期群（Cohort）？同期群是一種用戶分群的方式。同期群按用戶的新增時間將用戶分群，得到的每個群叫一個同期群。舉個例子：（即人類70「80后」、「90后」、「00后」……（按新增即出生時間劃分）。對您的產品來說，對用戶劃分得到的同期群就是「本周新增的用戶」、「上周新增的用戶」、「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）。什么是同期群分析（CohortAnalysis）？同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，這套分析方法就是同期群分析。要點：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）7.3Why同期群分析？7.3Why同期群分析？進行同期群分析最重要的原因是：同一項產品改進，對不同同期群中的用戶，產生的影響是不同的，分開衡量才更能反映真實的情況。舉例來說：「計劃生育」這項偉大的產品策略，只影響「50~90（全面放開二孩00對于產品來說也是如此：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，而不會改變老用戶的行為；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，產生的效果會有差別；? ……7.47.4同期群分析是一種分析方法，但更重要的是其背后的思考方式。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，您幾乎可以在任何場景下使用它：衡量產品業務的整體進展；評估產品改版的效果；優化產品的用戶體驗；尋找產品改進關鍵點；提升用戶參與度；? ……小結小結現在，你理解「同期群」了嗎？第八章 常見分析模型及應用場景介紹本章將簡單介紹幾種常見的數據分析模型及其應用場景。8.1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，統計結果一般以折線圖和表格的方式呈現，這是用戶行為分析的最基本的方法。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」等行為的統計：8.2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品時是否順暢。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：然后，從其中一條路徑中選取幾個重要的行為建立行為漏斗：接下來就可以查看漏斗分析的結果了：一般來說，產品經理的職責之一就不斷地提升重要的使用過程的轉化率。8.3留存分析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產品，還是使用一次后便一去不復返。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），一般稱之為N天留存率。留存分析的結果一般用表格方式呈現，稱之為用戶留存表。如下圖所示：留存分析的結果一般用表格方式呈現，稱之為用戶留存表。如下圖所示：細心的你可能已經發現，留存表中每一行是一個同期群。ioio\h8.4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到的概況性的指標。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，我們稱之為用戶洞察。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（我們稱之為用戶群體畫像，如下圖）以及單個用戶的詳細情況（用戶的描述、以及用戶的詳細行為記錄）。8.5用戶群細分是指根據屬性或行為特征將用戶從全部用戶中篩選出來的方法。當然，篩選本身不是目的，重要的要是對篩選出來的用戶進行行為統計、漏斗分析、留存分析和用戶洞察等進一步分析。諸葛io提供了非常強大的用戶群細分的支持，您可以通過任意屬性和行為的特征進行用戶群的篩選，如下圖對「90后剁手黨」的用戶群定義。第九章產品數據分析的一般過程數據指標并不足夠直接指導產品的改進。這是由于：產品的數字指標過于宏觀，而用戶增長（oneby因此，在觀察數據到用戶增長之間，我們還有一些非常重要、非常具體的事要做：第一步：弄清目標和當前的主要問題在開始之前，確立產品的目標、弄清當前最亟待解決的問題，是至為重要的事。比如，一個電商類產品已經確立其