一个公式，5大指标帮你构建产品经理数据分析思维!|运营学社

问题：产品对于数据分析能力方面的提升，有什么具体建议及好的学习资源（电商方面），跪求大神干货！回答一：顾先森，淘米产品经理 1. 了解业务，熟悉数据框架、体系了解你的业务是做什么的，业务的发展规划有什么，衡量的核心指标有哪些，列出KPI或是核心指标，一般重点指标就那么几个；然后对几个核心指标进行拆解，这点也需要根据你的业务属性进行，你的业务凡是会影响到这个指标的有哪几个元素。拆分的好处是你能对一个具体的指标很清晰它是怎么组成的，好像庖丁解牛，当然这个过程可以不断拆分下去，加上一些公共属性，例如时间、用户性别、用户年龄、用户职业等公共的纬度进去细切。 2. 对现有数据指标进行思考；多维度集中分析找规律在熟悉产品需要关注的指标、框架之后，了解现有每个指标的运营现状，如果有同行业指标对比更好，看是否有提高的空间。或者是，希望通过某个运营的动作，提高哪一个指标，提高到多少；通过一系列的比较精准命中，预估运营能够提升指标到一个什么水准。另外有一个精准模型的好处是了解你的核心用户后，你可以单独针对这部分用户进行产品用研与需求挖掘，更利于你内心确定哪些指标是可以通过什么手段提升的；同时找规律，对于拆解出来的指标，想办法做一些分析，这里的分析个人觉得并不一定需要很复杂的手段，更重要的是一种感觉和意识。 3. 规律验证，经验总结找到规律了，内心明白了，下一次做事情心里会更透亮一些，对产品的理解又会更深一些。很多事情，就是这样一点点去熟悉，去深入慢慢产生亲切感的。数据是让你和你的产品心灵贴近的一个话题而已，更高级更深入人心的数据沟通，不妨还是交给专业的数据处理人员吧，就好像不是人人都是心理咨询师一样。总之，对于PM而言，个人觉得数据是一种意识，而非技术，是一种方法总结，而非理论科学，关注数据是个优点。每个产品经理在产品设计前就需要明白一个最简单的公式：产品价值=产品带来的收益－设计研发运营成本>0 例如积分类的产品,如果使用了积分产品后净增的销售额*利率-积分充抵的商品价值（运营成本）－设计研发成本>0，如果用户会长期使用积分，设计研发成本可以忽略，其它数据可以比较容易拿到。再如页面改版类产品，改版带来忠实用户数*每忠实用户价值-新页面的设计研发运营成本>0，说明改版是成功的。产品经理只要把握好这个基本公式，其它深入的数据分析交给更专业的人员去做吧，产品经理的主要精力还是放在用户需求分析层面。（以上回答略删减，想看详细举例版本请戳阅读原文）回答二：mrjesse 电商产品经理楼上已经说的很详细了，我来补充下：作为一个电商产品经理，毕竟不是专业数据产品经理，我们不需要了解的太深，只需要关注最核心的一些内容，在明确数据分析之前，首先我们要明确电商产品的数据分析几大业务指标：一. 用户角度 1、总活跃用户数、新注册用户数、总PV； 2、一定时间的活跃用户数、新注册用户数、总PV； 3、一定时间的转换关系； 4、不同渠道下，注册转换情况； 5、不同注册渠道下，注册用户的后续留存率； 6、一定时间有购买行为的用户的重复购买的分布情况二. 订单角度 1、今日的订单总数、销售额、订单单价、有订单用户数、补贴比例； 2、过去一周每天的订单总数、销售额、订单单价、有订单用户数、补贴比例； 3、过去一周每天的订单平均送达时间；三. 商品角度 1、按照商品分组，今日每个商品的浏览数、购买用户数、订单数、销售额； 2、按照商品分组，过去一周每天每个商品的浏览数、购买用户数、订单数、销售额；四. 品类角度 1、按照商品品类分组，今日每个品类的浏览数、购买用户数、订单数、销售额、订单单价； 2、按照商品品类分组，过去一周每天每个品类的浏览数、购买用户数、订单数、销售额、订单单价；五. 店铺角度 1、按照店铺分组，今日每个店铺的浏览数、购买用户数、订单数、销售额、订单单价； 2、按照店铺分组，过去一周每个店铺的浏览数、购买用户数、订单数、销售额、订单单价；在基于以上指标进行数据的统计，我们再进行数据分析：首先数据分析建模，我们知道电商类产品模型一般以事件（点击，浏览等）用户属性进行建模。然后我们进行正式的数据分析：方法一：多维度数据分析我们需要定义一些事件，如取消订单，提交订单，支付订单，浏览商品，加入购物车等等。然后基于这些事件，我们需要一个指标，比如说次数，总和。可是我们知道光有个数据罗盘还不够，我们需要对数据进行细分，这里我们做了事件，指标。所以还需要筛选用户的属性了，比如说城市，用的设备，支付方式，来源渠道。这个方法，我们常用于用户画像，用户行为分析，数据异常排查分析等。方法二：转换率数据分析我们进行一场活动，我们需要进行评估，这二天注册了多少人，订单转换率是多少，支付率是多少，我们就需要一个分析方法了。从我刚讲的我们基于事件分析，所以我们就可以定义一个事件，筛选时间，先定义事件（注册），再次定义事件（提交订单），在次定义事件（支付订单），我们可以得到一个转换率。这个方法，我们常用于转换率分析，也称漏斗分析。方法三：留存数据分析留存分析正如字面意思留存，我们需要对一段时间的用户就像数据分析，比如说我们搞了一个活动，我们需要看那段时间的注册用户，提交订单的情况，第一有多少提交，第二天有多少人提交，第三天有多少人提交等。数据分析一般为，我们还是根据我们的数据模型，首先定义一个事件（如注册用户），在次定义一个事件（如提交订单）得到一定事件的比列。这个方法，我们常用于观测一定事件的留存情况。方法四：活跃或回访数据分析我们知道，我们定义了用户的行为数据分析了，可是我们需要看一段时间的，一个事件的使用次数，或者某个地方的用户使用情况，那我们怎么办呢。这里就是我所说的活跃数据分析情况了，我们首先需要定义一个事件（如注册用户），在定义一个事件（如提交订单）的情况（这里一般为次天数），然后我们筛选用户的事件为什么，得到一个数据。这个方法，我们常用于调查用户使用情况，也是衡量一个用户活跃的关键数据分析指标。说了这么多，我们这些能干嘛呢 1、数据异常排查，细分逐一查看 2、关键页面的转换率提升 3、活动的情况评估，渠道数据分析评估