數據分析是什么，小伙伴們自行去問度娘哈。為了降低閱讀壓力，不讓篇幅太長，我特意拆成上、下兩篇來分享自己這幾天學到的知識。參考資料我會附在下一篇的末尾，感興趣的小伙伴可以系統了解下。
我特別不喜歡裝逼的產品經理，看文章也一樣不喜歡華而不實的。所以督促自己寫文章時，把懂的、經歷過的能細就寫的盡量詳細;不懂的就去學，然后把整理的筆記分享出來，數據分析方面我涉入不多，內容由于缺少實戰經驗，會比較基礎和理論，希望同樣對你有幫助。
1. 明確數據分析的目的
做數據分析，必須要有一個明確的目的，知道自己為什么要做數據分析，想要達到什么效果。比如：為了評估產品改版后的效果比之前有所提升;或通過數據分析，找到產品迭代的方向等。
明確了數據分析的目的，接下來需要確定應該收集的數據都有哪些。
2. 收集數據的方法
說到收集數據，首先要做好數據埋點。
所謂“埋點”，個人理解就是在正常的功能邏輯中添加統計代碼，將自己需要的數據統計出來。
目前主流的數據埋點方式有兩種：
第一種：自己研發。開發時加入統計代碼，并搭建自己的數據查詢系統。
第二種：利用第三方統計工具。
常見的第三方統計工具有：
網站分析工具
Alexa、中國網站排名、網絡媒體排名(iwebchoice)、Google Analytics、百度統計
移動應用分析工具
Flurry、Google Analytics、友盟、TalkingData、Crashlytics
不同產品，不同目的，需要的支持數據不同，確定好數據指標后，選擇適合自己公司的方式來收集相應數據。
3. 產品的基本數據指標
新增：新用戶增加的數量和速度。如：日新增、月新增等。
活躍：有多少人正在使用產品。如日活躍(DAU)、月活躍(MAU)等。用戶的活躍數越多，越有可能為產品帶來價值。
留存率：用戶會在多長時間內使用產品。如：次日留存率、周留存率等。
傳播：平均每位老用戶會帶來幾位新用戶。
流失率：一段時間內流失的用戶，占這段時間內活躍用戶數的比例。
4. 常見的數據分析法和模型
這里主要科普下漏斗分析法和AARRR分析模型。
漏斗分析法
用來分析從潛在用戶到最終用戶這個過程中用戶數量的變化趨勢，從而尋找到最佳的優化空間，這個方法被普遍用于產品各個關鍵流程的分析中。
比如，這個例子是分析從用戶進入網站到最終購買商品的變化趨勢。
從用戶進入網站到瀏覽商品頁面，轉化率是40%;瀏覽商品到加入購物車轉化率是20%等，那要找出哪個環節的轉化率最低，我們需要有對比數據。
比如第一個，進入網站到瀏覽商品，如果同行業水平的轉化率是45%，而我們只有40%，那說明這個過程，沒有達到行業平均水平，我們就需要分析具體原因在哪里，再有針對性的去優化和改善。
當然，上面這是我們設計的一種理想化的漏斗模型，數據有可能是經過匯總后得出的。而真實的用戶行為往往可能并不是按照這個簡單流程來的。此時需要分析用戶為什么要經過那么復雜的路徑來達到最終目的，思考這中間有沒有可以優化的空間。
AARRR模型
這個是所有的產品經理都必須要掌握的一個數據分析模型。
AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一個風險投資人戴維 · 麥克魯爾在2008年時創建的，分別是指獲取、激活、留存、收入和推薦。
舉個例子，用AARRR模型來衡量一個渠道的好壞。
如果單從數據表面來看，A渠道會更劃算，但實際這種結論是有問題的，用AARRR模型具體分析如下：
渠道A的單個留存用戶成本是60元，單個付費用戶成本是300元;而渠道B的單個留存用戶成本是20元，單個付費用戶成本是33元，這樣對比下來，明顯B渠道的優勢遠遠大于A渠道。
申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！
