产品数据分析的一般过程

如果你不能以一个清晰的过程来展示你所从事的工作，你就不会真正的了解你在做什么。 ——质量管理之⽗ 威廉·爱德华兹·戴明 博士

我相信，不少应用开发者对AARRR模型都有所了解，并且经常会观察产品数据指标的变化和趋势。但是，如何有效的利用这些指标指导产品及运营的改进，多少有些让人感觉无措。很多情况下：

• 我们得到了非常清晰的产品数据指标；
• 然而，我们的产品和运营改进依然是盲目的。

换句话说，数据指标并不足够直接指导产品的改进。这是由于：产品的数字指标过于宏观，而用户增长的构成是非常微观的——我们的用户是一个一个（one by one）被获取、激活和留存下来的。

因此，在观察数据到用户增长之间，我们还有一些非常重要、非常具体的事要做：

第一步：弄清目标和当前的主要问题

在开始之前，确立产品的目标、弄清当前最亟待解决的问题，是至为重要的事。 比如，一个电商类产品已经确立其目标是提升销售额。接来下，就要分析当前最主要的问题是什么？是新用户的增长不够多，还是老用户的重复购买率太低？这些问题，可以利用各类应用分析工具很方便的得到。

第二步：找出问题相关的数据指标

弄清目标和主要问题后，下一步是要找出和问题最直接相关的数据指标。 比如，如果当前的问题是用户的重复购买率低，那么还进一步分析：用户在第一次购买多久之后的购买率会有显著的降低？哪些人群的重复购买率明显的低于或高于全部人群的平均值？ 总结起来就是：要尽可能精准的定位问题的点（时间、人群、渠道……）。

第三步：对问题指标的相关人群进行画像分析，探究问题背后的可能原因

找到较为精确的问题点及相关指标后，可以围绕这些指标做背后人群的画像分析，看能不能找到潜在的原因。 比如，分析重复购买率明显高于均值的用户的群体画像，将其人群属性、行为特点与其他用户做对比，找到不同点，分析这些不同点与重复购买率之间的关系（需要的话，可以直接或间接联系少量的用户以做验证）。 通过探索，您可能会发现一些「可能的原因」。 比如，您可能会发现，某项功能的使用不便、或者某个地区用户习惯的不同是造成问题的可能的原因。

第四步：改进产品或运营

在上一步，您已经分析出了一项或几项可能影响用户增长的原因。接下来，您需要做的是从可能性以及改进成本等方面评估，并对产品或运营做出改进。 比如，改进易用性差的功能，或针对有问题地区的用户增加引导。

第五步：观察指标和画像，分析改进效果

改进后，对问题指标及问题相关人群进行持续的观测，验证是否达到了预期的效果。 如果达到了预期的效果，则继续按照上面的步骤分析新的问题并加以解决。如果未达到预期的效果，也可以继续按照上面的步骤继续分析问题的原因，或者放弃转向其他问题。

总结

正所谓“集腋成裘、聚沙成塔”，用户增长是一件积少成多的事儿。在数据指标和用户增长之间有很多坑，让产品和运营的改进变得步履维艰、让用户的增长变得缓慢。 基于产品目标、针对关键问题的分析和用户画像是一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！