产品数据分析 产品数据分析（一）：怎样解读出深层次信息？

本文将告诉您如何从产品数据中解读比描述当前情况更深层的信息。

一、数据分析水平

产品的数据分析经常遇到这样的问题:只有数据，没有分析。描述一下数据，告诉你产品怎么了。

比如第二天的留存率只有5%，很低。可见这个功能的用户粘性并不好。

然后呢往往，没有未来。

为什么不同的人可以用相同的数据看到不同的内容？专家如何通过数据发现产品中的问题？

本文将告诉您如何从产品数据中解读比描述当前情况更深层的信息。

数据分析过程中有四个层次的问题需要解决。

一楼，怎么回事？如果保留率降低，用户粘性降低。初步分析基本到此结束。

二楼，为什么？这个答案应该在用户层面实现，这是第一步的延伸。是用户找不到想要的功能，还是功能没有达到用户的预期？通过数据分析，基本分析到这个水平。

第三层，继续问为什么？这个问题的答案应该在产品层面实现，也就是我们产品的哪些内容导致了用户的二级问题。优秀的数据分析可以分析到这种程度。

四楼，怎么办？未来如何改进产品？高级数据分析到此结束。

以这种思维方式作为整个分析的核心思路，在掌握各种数据技巧、优化图表等的同时，不容易走弯路，更快更好的发现产品问题。都是为了最终发现和解决问题，所以这种思维水平是数据分析的核心。

我们主要讨论本文的前两个步骤:发生了什么，为什么会发生(用户级)。

第二，从数据中发现问题

下面就要说明如何从数据中发现问题。发现问题才能继续分析。应该注意的是，这里的问题不仅仅是指数据的不足，而是指数据的异常，过高和过低都是异常。

先解决第一个层面的问题，发生了什么。

最简单的方法就是看单一指标来发现问题。比如一个产品或功能的留存率很低，就可以断定页面的用户粘性很差。这个结论解决了“发生了什么”的问题。刚开始做数据分析，往往止步于这个深度。

至于为什么差，留存率本身无法告诉我们。

其他的例子，比如停留时间短，说明用户可能对页面不感兴趣，我们无法知道他们为什么不感兴趣。

要达到这个层次，你只需要理解每一个数据的含义，有一个基本的业务理解。

如果想分析的更深入，通常需要一起看多个指标。

比如刚才，对于一个粘性差的产品，是页面信息没有吸引力，还是页面设计太混乱，还是入口位置太深？有了这些猜想，我们就可以通过结合不同的维度来发现问题。从而解决了“为什么会发生”的问题。

举几个例子。

这是一个二维数据矩阵，模拟几个虚拟产品。点击率是指进入产品/功能后每个按钮的点击率，保留率是指产品/功能的整体保留率。

二维数据可以获得的信息比一维数据丰富得多。我们可以通过两个数据来模拟一个小用户的真实使用场景。

比如右下角点击率低、留存率高的功能或产品，往往是经过多次迭代优化的版本。如果不是，因为这个页面的点击率低，我们不知道用户的真实行为，也很难从数据中知道用户的真实需求在哪里，所以也就谈不上后面的迭代了。

我们来看看右上角，点击率高，留存率高。这种产品看起来很不错，但是前面说了，我们不仅是在找数据的不足，也在找异常。这种高点击率高保留率是有问题的，问题是点击率高。

让我们恢复用户的使用场景。如果一个用户每天都来使用这个产品(高保留率)，并且每天都点击这个按钮(高点击率)，那么这个按钮里面的内容可以直接取出来吗(保存点击动作，直接使用)？

我们来看看左上角，点击率高，留存率低。用户点击量很高，说明用户在找东西？留存率低是因为没找到吗？

矩阵中的其他问题可以自己考虑。我在图上写了自己的猜测，但是这些猜测不一定适合所有的产品。这个图只是希望传播你的思维，让你发展这种思维方式。

维度的组合有很多种，可以尝试不同的维度组合来识别问题。例如，点击率分散和保留率的维度组合。

点击率的分散度是一种主观感受，但有时也能反映出一些问题。

我们以左下角的低保留率和分散点击率为例。这种情况下，每个功能用户都愿意点击，但是保留率不高。模拟用户的使用场景，用户点击后会发现自己解决不了自己的需求吗？当然这需要结合实际的产品形态，结合你自己产品页面的特点，来模拟用户的实际使用过程，你应该可以得到一系列的猜想。

比如左上角点击率集中，留存率低。在这种情况下，让我们想象一下，用户进入页面后，直接进入一个功能，其他功能并不太在意，但是使用这个功能后，用户就不再来这个页面了。什么原因？你是不是用了那个功能，却让他失望了，没有解决他的问题？有了这个猜想，我们重点分析点击率集中的功能，就可以猜测用户想要做什么。

这里不介绍不同维度的矩阵，只是希望大家能掌握通过数据发现问题的方法。读者可以将不同类型的数据组合成一个矩阵，并分析不同数据组合的含义。为了增强从数据中解读信息的能力。

通过结合数据发现问题，可以轻松突破描述数据的阶段，进入数据分析的及格线。

欢迎订阅我的专栏，我会继续讨论最后两个层面的分析。

这篇文章最初是@Jason发表的，大家都是产品经理。未经允许，禁止复制

标题图来自Pexels，基于CC0协议