產品經(jīng)理的概念在不斷泛化。近些年來，隨著互聯(lián)網(wǎng)行業(yè)的發(fā)展，越來越多的企業(yè)意識到了大數(shù)據(jù)和精細化運營的重要性，為了更好地挖掘數(shù)據(jù)的價值，指導業(yè)務的優(yōu)化和發(fā)展，數(shù)據(jù)產品經(jīng)理應運而生，他們基于數(shù)據(jù)分析方法發(fā)現(xiàn)問題，并提煉關鍵要素，設計產品來實現(xiàn)商業(yè)價值。

雖為產品經(jīng)理，但要真正解決核心問題，不免要在前期和中期進行大量的數(shù)據(jù)分析工作，那么，實用的數(shù)據(jù)分析方法有哪些呢？

一、 業(yè)務分析類：

1.杜邦分析法

杜邦分析法目前主要用于財務領域，通過財務比率的關系來分析財務狀況，其核心要點是將一個大的問題拆分為更小粒度的指標，以此了解問題出在了哪兒，從而對癥下藥。以電商行業(yè)為例，GMV（網(wǎng)站成交金額）是考核業(yè)績最直觀的指標，當GMV同比或環(huán)比出現(xiàn)下滑時候，需要找到影響GMV的因素并逐一拆解。

 GMV下降如果是因下單用戶減少所造成的，那么是訪客數(shù)（流量）減少了，還是轉化率下降了呢？如果是訪客數(shù)減少了，那是因為自然流量減少了，還是因為營銷流量不足？

如果是自然流量下降的話，可能需要在用戶運營和產品運營端發(fā)力，如果是營銷流量不足，那么可以通過營銷活動或者站外引流的形式增加曝光量。

同樣，如果是轉化率的問題，那么需要對用戶進行細分，針對不同階段的用戶采取不同的運營策略，關于用戶的部分，這里不做贅述，有興趣的朋友可以關注后面的文章。

最后，如果是因為客單價不高，那么需要進行定價及促銷的方案優(yōu)化，比如識別具有GMV提升潛力的商品進行定價優(yōu)化，評估當前促銷的ROI，針對選品、力度和促銷形式進行優(yōu)化。同時通過關聯(lián)商品的推薦或商品套裝促銷的形式，激發(fā)用戶購買多件商品，也可以有效提高客單價。

2.同比熱力圖分析法

同比熱力圖分析法這個名稱是我自己造的，其實無非是把各個業(yè)務線的同比數(shù)據(jù)放到一起進行比較，這樣能更為直觀地了解各個業(yè)務的狀況。

構建一張同比熱力圖大致需要三步：

第一步，按照杜邦分析法將核心問題進行拆解，這里仍以電商為例，我們將GMV拆成了流量、轉化率、商品均價和人均購買量，

即GMV=流量*轉化率*商品均價*人均購買量；

第二步，計算每個業(yè)務各項指標的同比數(shù)據(jù)；

第三步，針對每一項指標，對比各業(yè)務的同比高低并設定顏色漸變的條件格式，以上圖中的轉化率同比為例，業(yè)務5轉化率同比最高，為深橙底色，業(yè)務3轉化率同比最低且為負值，因此設定為藍色底色加紅色字體。

通過同比熱力圖的分析，首先，可以通過縱向對比了解業(yè)務自身的同比趨勢，其次，可以通過橫向對比了解自身在同類業(yè)務中的位置，此外，還可以綜合分析GMV等核心指標變動的原因。

除了電商業(yè)務的分析以外，同比熱力圖同樣適用于互聯(lián)網(wǎng)產品數(shù)據(jù)指標的監(jiān)控及分析，該分析方法的關鍵點在于拆解核心指標，在本文后面的產品運營類方法中將會介紹相關指標的拆解方法。

3.類BCG矩陣

BCG矩陣大家都非常熟悉了，以市場占有率和增長率為軸，將坐標系劃分為四個象限，用于判斷各項業(yè)務所處的位置。這里想講的并非傳統(tǒng)的BCG矩陣，而是BCG矩陣的變陣，或者叫類BCG矩陣。根據(jù)不同的業(yè)務場景和業(yè)務需求，我們可以將任意兩個指標作為坐標軸，從而把各類業(yè)務或者用戶劃分為不同的類型。

比如可以以品牌GMV增長率和占有率構建坐標系，來分析各品牌的狀況，從而幫助業(yè)務方了解到哪些品牌是未來的明星品牌，可以重點發(fā)力，哪些品牌處于弱勢且增長匱乏，需要優(yōu)化品牌內的產品布局。

除此之外，我們還可以根據(jù)以下場景構建類BCG矩陣：

1）分析商品引流能力和轉化率：流量份額-轉化率

2）分析商品對毛利/GMV的貢獻：毛利率-銷售額

3）基于RFM分析用戶的價值：訪問頻率-消費金額

按照上述方法，大家可以根據(jù)需求大開腦洞，按照一定標準對研究對象進行分類分析。

二、 用戶分析類

1. TGI指數(shù)

在分析用戶時，通常的做法是將目標用戶進行分類，然后對比各類用戶與總體之間的差異性，TGI指數(shù)提供了一個很好的方法，來反映各類用戶群體在特定研究范圍(如地理區(qū)域、人口統(tǒng)計、媒體偏好等)內的強勢或弱勢。

TGI指數(shù)=用戶分類中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例*100。

比如在分析用戶的年齡段時，可以通過TGI指數(shù)對比各用戶分類與總體在各年齡段的差異，設用戶分類1中16-25歲的用戶占比為4%，而總體中16-25歲的用戶占比為8.3%，那么用戶分類1在16-25歲用戶中的TGI指數(shù)為4%/8.3%*100=48。依照這一方法，我們可以對各類用戶在各年齡段的TGI指數(shù)進行對比。

如上圖所示，各類目標用戶在16-25歲這個年齡段的占比都比總體?。═GI指數(shù)<100），其中分類1的用戶年齡偏大，因為該類用戶在36歲以上各個年齡段的TGI指數(shù)都明顯高于100，且同時高于其他三類用戶。

當前在互聯(lián)網(wǎng)領域，除了用戶實名數(shù)據(jù)以外，其他用戶的畫像維度一般都通過建立模型進行判斷，因此無法完全保證準確性，但不同于小樣本調研，大數(shù)據(jù)分析是能容忍一定數(shù)據(jù)誤差的，不過，這一切都要建立在對比的基礎上。

所以，在分析用戶畫像時，需要根據(jù)場景進行用戶分類，并對比各類用戶與總體間的差異，這樣才能保證分析結果的可信性和適用性，而TGI指數(shù)就是很好的對比指標。 

2. LRFMC模型

RFM模型是客戶關系管理中最常用的模型，但這一模型還不夠完善，比如對于M(Money)，即消費金額相等的兩個用戶而言，一個是注冊兩年的老用戶，一個是剛注冊的新用戶，對于企業(yè)來說，這兩個用戶的類型和價值就完全不同，因此我們需要更全面的模型。

LRFMC模型提供了一個更完整的視角，能更全面地了解一個用戶的特征，LRFMC各個維度的釋義如下：

L(lifetime):代表從用戶第一次消費算起, 至今的時間，代表了與用戶建立關系的時間長度，也反映了用戶可能的活躍總時間。

• R(Recency) :代表用戶最近一次消費至今的時間長度，反映了用戶當前的活躍狀態(tài)。

• F(Frequency) :代表用戶在一定時間內的消費頻率，反映了用戶的忠誠度。

• M(Monetary) :代表用戶在一定時間內的消費金額，反映了用戶的購買能力。

• C(CostRatio):代表用戶在一定時間內消費的折扣系數(shù)，反映了用戶對促銷的偏好性。

以去哪兒的業(yè)務為例，通過LRFMC模型可以綜合分析用戶的習慣偏好和當前狀態(tài)，從而指導精準營銷方案的實施。

• L(lifetime):用戶來多久了？

• R(Recency) :用戶最近是否有消費，如果來了很長時間都未消費，是否需要進行喚醒？

• F(Frequency) :用戶出行的頻率如何，如果是固定周期出行，是否應該進行復購提醒？

• M(Monetary) :用戶的消費金額是多少，是單價高（購買頭等艙），還是頻次高？

• C(CostRatio):用戶對折扣的偏好如何，是為用戶增加權益還是降價促銷？

三、產品運營類

產品運營是一個長期的過程，需要定期對產品的使用數(shù)據(jù)進行監(jiān)控，以便發(fā)現(xiàn)問題，從而確定運營的方向，同時也可以用于評估運營的效果。

產品運營的常用指標如下：

1）使用廣度：總用戶數(shù)，月活

2）使用深度：每人每天平均瀏覽次數(shù)，平均訪問時長

3）使用粘性：人均使用天數(shù)   

4）綜合指標：月訪問時長=月活*人均使用天數(shù)*每人每天平均瀏覽次數(shù)*平均訪問時長

產品所處階段不同，運營的側重點也會有所不同。在產品初期，核心的工作是拉新，應該更加關注產品的使用廣度，而產品的中后期，應該更加注重使用深度和使用粘性的提升。

對于不同的產品也需根據(jù)產品的性質來確定核心指標，比如，對于社交類產品，使用廣度和使用粘性至關重要，而對于一些中臺分析類產品，提升使用深度和使用粘性更有意義。

四、結語

在一款數(shù)據(jù)產品誕生前，應該是先有數(shù)據(jù)，再有分析，然后才是產品，分析的廣度和深度直接決定了產品的定位和價值。如果是做一款數(shù)據(jù)報表類的產品，那么需要了解核心指標，并建立綜合指標的評估體系，如果是做一款分析決策類產品，那么還需要基于業(yè)務需求，將現(xiàn)有數(shù)據(jù)指標進行解構再重構。

以上內容僅僅是提供了一些基礎工具和思考方向，數(shù)據(jù)產品經(jīng)理是一個新興的分支，目前還沒有成熟的學習體系，未來還需繼續(xù)深入淺出，和大家共同成長。

文章來源：鳥哥筆記

【轉載說明】   若上述素材出現(xiàn)侵權，請及時聯(lián)系我們刪除及進行處理：[email protected]