产品数据分析从哪方面入手
产品数据分析从以下几方面入手：1、功能交互数据分析，2、竞品调研，3、UGC数据，4、KPI数据。其中“功能交互数据”是比较细节的数据分析，能直接反应功能的好坏以及交互流程是否如预期。好坏和预期的标准都是依据自己设计这个功能的目标。
一、产品数据分析来源
1、功能交互数据分析
功能交互数据是比较细节的数据分析，能直接反应功能的好坏以及交互流程是否如预期。好坏和预期的标准都是依据自己设计这个功能的目标。
- 依据需求目标确定数据统计需求
举个栗子，产品增加了视频内容，最开始设计视频功能是为了丰富内容的多样性，且视频多媒体类比图文更好解决用户问题。所以最直观的方式就是看视频的播放量、点击率。
再比如交互流程优化，目的是想通过交互流程的优化提升点击率。所以在此目标下，需要看现有的流程每一步的转化情况，那么每一步的统计参数都要加。
栗子：分享一篇文章，用户的流程如下图，每一步都可能导致用户分享失败，到第三方软件时我们没法控制，但我们可以控制前面以及分享完回产品的流程，就需要在每一步加埋点参数。不同公司埋点计数方式不同，有用第三方、自己加参数解析日志等等。
- 分析方法：转化漏斗
功能交互类的分析效果好坏，主要用的就是转化漏斗。栗子依然是分享，可看哪步流失多，也可看是否减少步骤。比如很多网站或APP由原来的统一分享按钮变为分享渠道直接暴露，减少步骤一定是可以提升转化率的，因为每一个步骤都会有流失。
2、竞品调研
竞品的数据情况获取主要是以下几种方式：搜集资料、可通过技术手段获取、估算。
- 搜集资料
公开的非公开的，能打听到的。因为这种比较麻烦，所以一定要耐心。我的一般套路是：
- 搜索的query要注意，多换几个词避免歧义。比如想要微博的数据，直接搜微博数据一般结果都是导航网站等，所以可以试试“微博数据报告”，就会发现有微博数据中心的官方报告等，后面可以直接找到这里看。
- 财报、知乎、脉脉等。财报比较官方，当然数据也是人家想让你看到的；知乎脉脉等这种互联网聚集的地方可以刷刷看是否有小道消息。
- 熟人打听。动用人脉，非常敏感的数据不要直接问，可通过其他数据估算。
- 卧底。我同事曾经去竞品用户群卧底，还是获取了比较多的用户数据情况哒。
- 技术手段获取
我们组产品小哥跑过知乎的大V用户情况，还有测试小哥跑过今日头条的相关数据，有些数据是可以获取到的。不过我代码太烂没这技能，但是我可以提需求给技术呀，哈哈哈。
再或者搜索引擎的公司，是可以跑出自己搜索下各个产品的点出情况的，依据这个也可以获取到很有用的数据哒。你要相信开发小哥哥总是能帮你想到办法的。
- 估算
从产品首页展示的数字进行估算，不过这个需要经验，比如写一篇1000字的文章大概多久，多少作者能达到这种规模。估算的数据误差相对较大，但实在没有数据时可做参考。
3、UGC数据
UGC全称User Generated Content，用户贡献内容/用户原创内容。主要关心的数据就是贡献内容用户总数、贡献内容总数、人均贡献内容、新增贡献内容用户数，这些数据也是衡量运营工作的指标。
这些数据的分析也都是使用同比、环比来看趋势，可以方便我们查看如果内容量降低，及时发现原因并通过手段维持拉新增长。
4、KPI数据
KPI数据很重要很重要很重要，因为这是你一季度、半年、一年的奋斗目标，所有的工作计划都围绕着KPI进行。有条件的话可以让技术同学将重点KPI数据做成日报，每天早上发你邮箱。
- 数据日报
数据日报是将你想要看的各种数据汇集在一起，方便提升产品工作效率的一种方式。除了各类数据项的当天数据，还需要增加对比前一天、前一周、前一月等增加下降的比例，这样才能有效分析。
- 流量（PV、UV、留存率）
大多数产品应该都是这两项，PV和日活跃用户数，APP应该还会有留存数据。这是最能直接反应网站或APP的情况，也是全年提升的目标。APP的UV就是日活跃设备数，网站的则是cookie。
PV、UV主要分析几大项：
外部来源渠道，通过拆解来源渠道分析哪种上升哪种下降、哪种还可以提升拓展；留存率更多的是与push推送相关，好的push可以大大提升留存率（push相关后面单独写总结，毕竟做APP时最折磨我的就是它了…）
- 广告收入
时刻关注变现，有了钱钱才更有话语权。主要关注项：收入钱钱、各广告位CTR、RPM、广告物料返回率。CTR高能证明广告位置以及广告相关性较好；RPM，可用来估算广告的价值以及我们接入后的收益；广告物料返回率，只有返回了物料我们的接入才有效。
二、产品数据分析的方法
趋势分析
趋势分析一般用于核心指标的长期跟踪，比如：点击率、GMV、活跃用户数。一般做成简单的数据趋势图，但光制作成数据趋势图还不算分析，还需要观察数据上有哪些趋势上的变化，有没有周期性，有没有拐点，并分析背后的原因，无论是内部原因还是外部原因。
趋势分析较好的产出是比值。有环比、同比、定基比。比如2017年4月份比3月份GDP增长了多少，这就是环比，环比体现了最近变化的趋势，但有季节性的影响。为了消除季节性的影响，推出了同比，比如：2017年4月份比2016年的4月份GDP增长了多少，这就是同比。定基比就更好理解，就是固定某个基点，比如将2017年1月份的数据作为基点，定基比则为2017年5月份的数据和2017年1月份的数据做对比。
对比分析
横向对比：横向对比就是跟自己比。最常见的数据指标就是需要跟目标值比，来回答我们有没有完成目标;跟我们上个月比，来回答我们环北增长了多少。纵向对比：简单来说就是跟他人比。我们要跟竞争对手比，来回答我们在市场中的份额和地位是怎样的。常见的对比应用有A/B test，A/B test的关键就是保证两组中只有一个单一变量，其他条件保持一致。比如测试首页的改版效果，就需要保证来源渠道一样，用户质量一样，上线时间保持相同，这样测试出来的数据才有意义。
象限分析
依据数据的不同，将各个比较主体划分到4个象限中。一般p2p产品注册用户都是有第三方渠道引流的，如果按照流量来源的质量和数量可以划分四个象限，然后选取一个固定时间点，比较各个渠道的流量性价比，质量可以用留存的总额这个维度作标准。对于高质量高数量的渠道继续保持，对于高质量低数量的渠道扩大引入数量，低质量低数量pass，低质量高数量尝试一下投放的策略和要求，这样的象限分析可以让我们在对比分析的时候得到一个非常直观和快捷的结果。
交叉分析
对比分析既有横向对比，又有纵向对比。如果既想横向对比，又想纵向对比，就有了交叉分析法。交叉分析法就是对数据从多个维度进行交叉展现，进行多角度的结合分析。
拓展阅读
竞品分析的三步骤：
定目标
只有目标明确，才能笃定地前进。 在着手进行竞争分析之前，我们必须搞清楚这次分析想实现什么目标。 研究竞品的目标与产品所处的阶段密切相关。 由于安静的雀巢公司的产品还没有上线，还处于前期的调查和计划阶段，所以竞争产品的分析需要重点解决产品在做什么、为什么要做的问题。
分析的内容要从市场环境、商业模式、当前市场竞争结构等宏观层面进行分析，判断对新进入者有多少潜在机会、产品定位的差异化是什么、需要什么样的产品功能。
找竞品
客户端的产品可供任何人使用。 在APP存储某个产品时，相关的竞争对手将出现在搜索结果中。 虽然产品类别属性相近，但竞争对手之间通过SEO或SEM战略介入搜索结果，直接下载体验即可。 数据产品比较封闭，很难获得公开资料。 常用的信息获取途径如下。
行业研究报告和媒体：如艾瑞咨询、易观智库、企鹅智库研究报告、36氪、虎嗅等科技媒体
搜索引擎：内部产品常被命名为盘古、伏羲等各种古风、流行风。 抽象出产品的核心定位和目标，用通用大数据领域的术语进行检索，可以获得商业化数据产品的信息。 例如，搜索用户图片时，会出现一些商业化的精密营销和CRM相关产品。
同行信息输入：前辈的交流或加入数据产品经理交流群，群里分享交流数据产品或行业趋势，获取信息背书。
深体验
数据产品竞品分析的难点在于很多隐藏的业务逻辑无法直接看到，不能停留在体验表面的产品功能上，需要综合结合多种方式搜集资料，全面体验产品功能。
产品试用：注册商业版产品，进行产品试用，对产品主体功能架构和设计流程有个宏观的认知。
帮助文档：通过官方网站，查阅帮助文档，了解功能细节的设计原理或思路，商业化产品的帮助文档一般是直接面向客户，内容会非常完整，体验过程的一些疑问可以可能在帮助文档中找到答案。
