本篇文章給大家介紹產(chǎn)品經(jīng)理在日常分析數(shù)據(jù)中所必須掌握的三個(gè)框架，一個(gè)叫邏輯分層拆解，一個(gè)叫漏斗分析，還有一個(gè)是用戶行為路徑分析。

邏輯分層拆解

雖然產(chǎn)品涉及到的方方面面的指標(biāo)非常的多，但產(chǎn)品經(jīng)理不可能對(duì)每一個(gè)指標(biāo)，每一個(gè)環(huán)節(jié)都了如指掌，產(chǎn)品經(jīng)理更多關(guān)注的是反應(yīng)業(yè)務(wù)核心的關(guān)鍵指標(biāo)，針對(duì)社交類的產(chǎn)品，產(chǎn)品經(jīng)理每天最關(guān)注的指標(biāo)之一就是日活；對(duì)于電商類的產(chǎn)品經(jīng)理按理說(shuō)，每天醒來(lái)想看到的第一個(gè)指標(biāo)就是銷售額，對(duì)于游戲的產(chǎn)品經(jīng)理來(lái)說(shuō)，用戶的每天ARPU就是不得不關(guān)注的指標(biāo)；對(duì)新聞客戶端的產(chǎn)品經(jīng)理來(lái)說(shuō)，昨天網(wǎng)站的流量是每天必須要關(guān)注的數(shù)據(jù)，而當(dāng)產(chǎn)品經(jīng)理關(guān)注的核心指標(biāo)發(fā)生變化的時(shí)候，這個(gè)問(wèn)題就來(lái)了，是什么原因?qū)е聰?shù)據(jù)的上升或下降呢？我們需要怎樣解釋這些變動(dòng)呢？這個(gè)時(shí)候就會(huì)通過(guò)邏輯分層拆解的框架來(lái)尋找答案了，邏輯分層拆解框架有兩個(gè)方面，一個(gè)是邏輯拆解，另外一個(gè)是分層拆解，

邏輯拆解需要我們?nèi)ふ液秃诵闹笜?biāo)有邏輯相關(guān)的一些指標(biāo)，這里需要注意一個(gè)原則，找到的指標(biāo)一定要能影響到核心指標(biāo)的變動(dòng)，他們之間要存在強(qiáng)烈的邏輯關(guān)聯(lián)，選用這些相關(guān)的指標(biāo)之前，我們必須清楚的了解他們是如何影響核心指標(biāo)的。

當(dāng)核心指標(biāo)發(fā)生了變動(dòng)，我們一般會(huì)去看和核心指標(biāo)相關(guān)的一些變動(dòng)，從而去定位核心指標(biāo)變動(dòng)的原因。

另外一個(gè)方面是分層拆解，因?yàn)槲覀兘忉尯诵闹笜?biāo)的相關(guān)指標(biāo)也能夠細(xì)分成很多小的相關(guān)指標(biāo)，這個(gè)里面就會(huì)有分層的概念，

第一層一般會(huì)去解釋核心指標(biāo)變動(dòng)的大的方向，第二層是針對(duì)大的方向的細(xì)分，從而能夠?qū)?wèn)題定位的更加準(zhǔn)確和可操作性。這里有一個(gè)原則需要注意的是同一層里面的各個(gè)指標(biāo)都是代表了一個(gè)尋找方向，所以他們之間是不能有相關(guān)性的，拿電商網(wǎng)站中的銷售額舉例來(lái)說(shuō)。銷售額自然是電商網(wǎng)站中最為關(guān)注的核心指標(biāo)，一般我們都知道有個(gè)萬(wàn)能公式，銷售額=UV*轉(zhuǎn)化率*客單價(jià)

一般我們都會(huì)從流量、轉(zhuǎn)化和客單價(jià)三個(gè)方面來(lái)去分析銷售額的變化，假如銷售額出現(xiàn)降低的時(shí)候，我們會(huì)首先去看一下這三個(gè)指標(biāo)的變化，以便來(lái)分析到底是來(lái)到我們app上的人少了，還是在我們app上買東西的人少了，還是用戶買的金額減少了。

假設(shè)是流量降低導(dǎo)致了銷售額的降低，那么我們就會(huì)去分析流量相關(guān)的指標(biāo)，來(lái)去尋找導(dǎo)致流量降低的因素，分析流量的時(shí)候我們一般會(huì)去關(guān)注流量的來(lái)源，看看是否是有一些渠道的流量變化，導(dǎo)致了整體流量的下降，另外還可以區(qū)分新訪客和老訪客，來(lái)看一下是否是網(wǎng)站的推廣或者是用戶的回訪出了問(wèn)題，當(dāng)然我們還會(huì)把渠道和新老訪客做一些交叉分析，形成第三層的拆解，一層層的分析下來(lái)，直到我們能最終定位到能根本解釋最終銷售額降低的原因，當(dāng)然有的時(shí)候不一定是那一個(gè)原因，有可能是多方面的原因?qū)е逻@一現(xiàn)象的產(chǎn)生。

實(shí)操過(guò)程中可能會(huì)發(fā)現(xiàn)這樣的一個(gè)問(wèn)題，邏輯分層拆解核心指標(biāo)的時(shí)候，我們并不能保證和這個(gè)核心指標(biāo)相關(guān)的所有數(shù)據(jù)都能被找到，這種情況下我們?cè)撛趺崔k呢？這個(gè)時(shí)候可以進(jìn)行頭腦風(fēng)暴，因?yàn)槊總€(gè)人在分析核心指標(biāo)的時(shí)候，他所掌握的背景信息往往不夠全面，所以會(huì)遺漏一些指標(biāo)，這個(gè)時(shí)候我們可以多找?guī)讉€(gè)人進(jìn)行一次頭腦風(fēng)暴，把這個(gè)核心指標(biāo)相關(guān)的，能夠解釋這個(gè)核心指標(biāo)的其他的方向和因素都能夠全部找出來(lái)，這樣才能發(fā)揮出邏輯分層拆解的最大價(jià)值。

漏斗分析

這個(gè)方法其實(shí)是從營(yíng)銷管理里面演變而來(lái)的，它廣泛應(yīng)用與流量監(jiān)控，產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)工作，用戶從某個(gè)節(jié)點(diǎn)進(jìn)入，到最后完成目標(biāo)動(dòng)作，可能會(huì)經(jīng)歷多個(gè)節(jié)點(diǎn)，通過(guò)分析每個(gè)節(jié)點(diǎn)，來(lái)尋找最終可優(yōu)化的點(diǎn)。

上面的例子就是分析用戶從進(jìn)入網(wǎng)站到最終轉(zhuǎn)化購(gòu)買，這個(gè)過(guò)程我們可以看到用戶在進(jìn)入以及到最終實(shí)現(xiàn)目標(biāo)的轉(zhuǎn)化率，同時(shí)也能夠看到整個(gè)關(guān)鍵路徑中，每一步的轉(zhuǎn)化率，能夠幫助我們發(fā)現(xiàn)這個(gè)路徑中用戶流失最多的環(huán)節(jié)，在上面的例子中，我們可以發(fā)現(xiàn)用戶從網(wǎng)站首頁(yè)到商品詳情頁(yè)的轉(zhuǎn)化率的是最低的，這樣看來(lái)漏斗分析也很簡(jiǎn)單，那有什么要注意的點(diǎn)么？

這里有兩個(gè)點(diǎn)是需要注意的，第一個(gè)是轉(zhuǎn)化率需要對(duì)比，我們不能說(shuō)某個(gè)環(huán)節(jié)的轉(zhuǎn)化率最低，就一定是某一個(gè)環(huán)節(jié)出現(xiàn)了問(wèn)題，比如上面的例子，從首頁(yè)到商品詳情頁(yè)，這個(gè)環(huán)節(jié)的轉(zhuǎn)化率只有40%是所有環(huán)節(jié)中最低的，但是如果和上個(gè)月比的話，上個(gè)月同期這個(gè)比例也是40%，而如果和同行業(yè)比的話，行業(yè)同類產(chǎn)品的這個(gè)環(huán)節(jié)是36%,這說(shuō)明在這個(gè)環(huán)節(jié)，該產(chǎn)品做得還是不錯(cuò)的。

而我們?cè)倏粗Ц董h(huán)節(jié)，從支付到支付成功的轉(zhuǎn)化率是82%（13/16），跟其他環(huán)節(jié)比起來(lái)，這個(gè)轉(zhuǎn)化率是最高的，但是如果說(shuō)同行業(yè)的轉(zhuǎn)化率是90%，那它就不高了；如果上個(gè)月同期的轉(zhuǎn)化率是91%，那就更不高了，其實(shí)這個(gè)就回到了對(duì)比分析方法里面了，這個(gè)方法我在之前的文章里有說(shuō)，產(chǎn)品需要跟自己的歷史數(shù)據(jù)做對(duì)比， 跟競(jìng)品分?jǐn)?shù)據(jù)做對(duì)比， 才能得出完整的結(jié)論。

另外一點(diǎn)是不同的用戶類別在用戶漏斗中的轉(zhuǎn)化率往往是有很大的差異的，像用戶來(lái)自于不同的渠道的，不同的區(qū)域、不同的生命周期、不同的性別，不同的年齡，他們?cè)诼┒分械谋憩F(xiàn)都是不一樣的，所以說(shuō)我們?cè)谶M(jìn)行漏斗分析的時(shí)候，往往還要做一些細(xì)分的漏斗模型。

用戶行為路徑分析

其實(shí)我們上面所列的漏斗是一個(gè)理想的狀態(tài)，或者說(shuō)我們是把用戶的行為做了一次匯總，然后給大家呈現(xiàn)出來(lái)的一種狀態(tài)，其實(shí)真實(shí)的用戶行為遠(yuǎn)比我們看到的要復(fù)雜的多。比如在實(shí)際使用的過(guò)程中，有的用戶會(huì)把商品先放到購(gòu)物車，但并不會(huì)立即下單購(gòu)買，可能會(huì)去比較別的產(chǎn)品，可能過(guò)幾天再來(lái)下單，那這種情況我們要怎么辦呢？這就牽涉出另外一個(gè)分析框架，叫做用戶行為路徑分析。

這里借用神策的一張數(shù)據(jù)圖，從上圖我們可以看出，在啟動(dòng)app之后，有40%的客戶進(jìn)入banner、30%的客戶搜索商品、約10%的用戶瀏覽商品列表、約5%的客戶會(huì)退出app。

我們?cè)俳又?xì)看，搜索商品的用戶約90%的用戶提交了訂單，而點(diǎn)擊banner的用戶約30% 提交了訂單（可以看一下圖中的陰影面積），所以說(shuō)banner點(diǎn)擊后的體驗(yàn)可能是需要重點(diǎn)優(yōu)化的對(duì)象。

其實(shí)很多第三方數(shù)據(jù)分析工具都有用戶行為路徑分析，大家可以找一個(gè)適合自己的平臺(tái)的那個(gè)。

還有更多的數(shù)據(jù)分析方法，我們將會(huì)在之后的文章中介紹，大家可關(guān)注我們的微信公眾號(hào)：產(chǎn)品劉 。

也歡迎有問(wèn)題的小伙伴加微信：chanpin628?溝通交流。

此外我們的官方網(wǎng)站也上線了，每日分享高質(zhì)量的文章、原型素材和行業(yè)報(bào)告，小伙伴可自行前往索取，支持搜索，需要的小伙伴可點(diǎn)擊底部的閱讀原文直接查看，或者復(fù)制網(wǎng)址：www.dadaghp.com?打開(kāi)。

更多干貨可關(guān)注微信公眾號(hào)：產(chǎn)品劉

想學(xué)習(xí)更多關(guān)于產(chǎn)品、職場(chǎng)、心理、認(rèn)知等干貨，可長(zhǎng)按右邊二維碼，關(guān)注我們。

··················END··················

RECOMMEND

推薦閱讀

手把手教你從0-1的搭建產(chǎn)品分銷體系

面試題，如何改進(jìn)一款產(chǎn)品

線下實(shí)戰(zhàn)2.0

To B的痛

考個(gè)研？

點(diǎn)擊“閱讀原文”

查看更多干貨

總結(jié)

以上是生活随笔為你收集整理的产品经理必知的三个数据分析框架的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。