大家好，又是一年高考时，一届祖国的花朵毕业了。作为曾经参与过高考的前辈，王小明回顾了自己的经历。

高考考分没过线，第一志愿悲惨落榜；

调剂到统计学专业，数学还很废；

大学辛苦突击四年，三线城市找不到工作；

北漂创业互联网公司，居然是产品团队“第一人”。

作为一个学统计的产品汪，数据驱动产品的意识一定要溜得飞起，才能丧中求稳，走向人生巅峰。数据驱动产品口号高呼，可是如何培养数据敏感性？如何才能构建基础数据分析思维？王小明学习了如下的思想。

学前阶段——要分析什么

如果问到产品经理是做什么的，相信不同人理解大同小异，最终都指向同一个方向：了解用户想要什么，知道自己要做什么，把它做出来。但是如果问到产品经理要分析什么，答案就五花八门。

这不奇怪，因为不同的用户需求会呈现为不同的数据分布，而一个产品经理的数据思维就是将用户虚无缥缈的需求落地生根，转变为可以量化的指标，让目标更好地落地。所以问自己要分析什么，不如先做个需求分析。

梳理需求推荐两种方式：

1. 根据增长模型 AARRR，确定各阶段需求，将用户行为对号入座。周五话分析 | 方法论难落地？来个量身定制版本吧（AARRR模型）

2. 根据自身业务线进行需求划分。

小学启蒙——需要哪些数据

根据前文的梳理需求结果，可以得出一个满足自身产品线的模型，产品经理和运营同学一起进行用户行为设计和指标梳理，因为很多指标双方可以交叉使用。

产品人员在明确要分析什么时，已经梳理了业务流程，抽出主要路径搭建模型。此时需要梳理事件，为各事件添加相应分析维度。维度即为看事情的角度，也可以理解为后续可以从哪几方面分析用户行为。维度的细分是数据分析的重要一环。根据自身业务需求，完善事件设计。

初中积累——数据从哪来

不是每个人都是全能选手，并非每个产品经理都会写 SQL。数据基础夯实方能数据分析到位，数据采集是重中之重。产品汪不能把全部身家交给技术小哥哥，要明确数据从哪来。

数据的来源渠道通常有三种：

1. 相关大数据行业机构发布的行业数据，如 Google Tree 等，主要用于了解行业信息和某些竞品信息。

2. 第三方数据分析工具，如神策分析等，引入已经成熟的数据分析工具，可以精细化分析自身产品，减少时间成本。

3. 自建数据平台，自建数据平台由企业内部工程师建立，高度贴合产品需求，可以定制功能，数据资源可靠，是一个企业的最佳选择。

高中深化——如何分析

新用户有什么操作？老用户有没有流失？用户画像是什么样子？付费率有多少？跳出率怎么样？产品要关注的指标非常丰富，但是要回答这些问题，还需要精准的用户行为分析。数据驱动产品的内容太过广泛，简单举一个例子说明。

假设某问答社区型产品，发现用户活跃度不太高，不利于产品体验和发展，那么怎么找到具体问题呢？

产品经理推测可能是用户留存差，新用户没有留存，老用户也在流失。

可以使用留存分析模型对用户进行分析。设定初始行为为“注册”，结束行为为“留言”。可以看到用户的近几日留存数据。同理，依照老用户的规则进行设定，可以看到老用户的留存数据。（数据均为虚拟 DEMO。）

通过日常指标监测，我们可以对推测进行验证，发现新用户的次日留存跌到了 5%，7 日留存只有 3%，这意味着新访用户存在大量流失；对实际活跃用户的流失进行了分析，判断老用户没有大量流失。这个现象展示出了产品的问题是用户粘性低，也确定了产品近期的第一关键指标是次日留存，提供了产品改进的方向：优化用户留存，提升用户粘性。

▌ 大学升华——得到的结果怎么用

刚才的例子已经直观展示了数据分析对产品优化的作用。对数据的信息挖掘是产品经理工作的重中之重。直观的数据并不能发挥作用，经过分析后的数据才能反映问题，驱动决策和产品优化。假设上文的案例，由低留存率的数据得出用户粘性低的结论，从而确定产品改进方向，进行产品迭代和数据监测，进而验证产品改进效果。

为用户创造价值，是产品经理的最终目的，而如何让自己的产品“可用、易用、好用”，则需要数据帮忙。建立严谨的数据思维，有助于产品自我驱动，业务精细化。相信已经站在产品门前的你，也能拥有数据分析“套路”。