上周公司完成了一个迭代，也是我参与的第一个迭代。我主要负责的是数据埋点，采用的是Google Analytics工具。采用这个工具的原因有两个：一是因为GA功能比较全面；二来是因为公司的软件有两个版本，中文版和英文版。英文版目前主要在新加坡使用，所以为了能够获得两个版本的数据，采取了GA这个工具。
具体的埋点过程后面会总结出来，这篇文章先总结一下数据分析的框架，或者说是流程，属于理论知识。实践是检验真理的唯一标准，但是实践也要结合理论知识，才能走的更远，问题发现的更深入。另外，这篇文章总结的主要是来自于网上看到的资料，在此，感谢前辈们无私的经验分享。
数据分析一般会存在两种方向，一种是自上而下，另一种是自下而上。
自上而下
对数据维度进行逐级拆分，以结构化思维来做数据的分析。在数据分析过程中，思路可以如下：
1.确定数据分析目标
比如--检测用户对新功能的喜爱程度；
比如--优化用户在使用过程中的槽点；
比如--通过数据分析迭代产品，发现新的流量增长点
** ...... **
2.目标拆解，拆解到不能拆解为止，形成分析模型。同时明确哪些是核心指标，哪些是主要指标，哪些是次要指标
3.数据采集，即进行数据埋点
4.数据分析，发现问题数据及出现原因
5.数据决策，针对问题影响的数据维度做优化
比如说，电商网站需要分析其核心目标--交易额，那么这个指标可以拆解成为 流量，客单价，转化率，回购率等。
同时，数据分析过程中，还可以将数据指标和用户结合。比如 新用户做了什么？老用户做了什么？付费用户做了什么？非付费用户做了什么？流失用户在流失之前做了什么。另外，针对公司里的不同角色所需要的数据指标也不同，比如运营组、市场组、以及研发组。所以需要根据实际情况来确定所需的指标。
推荐一篇文章，是采用类似框架进行数据分析的例子。理论+实践更配(⊙o⊙)哦~~
数据分析实战：如果我为共享单车类产品做数据分析
另外关于AARRR模型，两篇入门文章，可以简单了解下
方法论：用AARRR模型做数据分析
数据分析师对AARRR模型的思考
自下而上
自下而上的分析思路经常用在针对已有数据报表中的数据问题发现，具体思路为：
1.异常数据发现
2.该异常数据的影响因素
3.找出原因
4.找出异常数据的解决办法
举一个简单的例子（这部分也是产品面试中经常考察的点~~）
某社交平台推出新功能后，以电子邮件形式向目标用户推送，用户可以直接点击邮件中的链接以完成注册。该渠道的注册转化率一直在10%-20%之间，但是8月下旬开始急剧下降，甚至不到5%。
来罗列一下可能的影响因素：
- 1.技术原因：ETL延迟或者故障，造成前端注册数据缺失，注册转化率急剧下降；
- 2.外部因素：该时间节点是否有节假日，其他部门近期是否有向用户发送推广邮件，竞争对手是否做了什么举动，这些因素都有可能稀释用户的注意力
- 3.内部因素：邮件的文案、设计是否有改变；邮件的到达率、打开率、点击率是否正常；邮件的注册流程是否流畅
另外，再举两个产品表现数据良好，进而指导产品迭代的例子：
- airbnb在早期发现那些放置的照片十分精美的住家的出租率比较好，发现了该特性后，内部技术团队又进行了一次AB test，发现果然存在这样的优化点。
- Instagram早期（Burbn）是一款基于LBS签到的积分软件，后来发现产品主推的签到功能并没有引起用户兴趣，反而是系统嵌入的图片分享功能比较受欢迎。于是开始重构产品逻辑，主推图片社交分享，才有了现在的Instagram.
参考文章：
1.http://www.woshipm.com/data-analysis/631269.html
2.http://www.woshipm.com/data-analysis/637756.html
3.http://www.woshipm.com/data-analysis/629017.html
我是萌萌的小尾巴~~~
下面是我的个人公众号：产品新人学习路（ i-pm-road）
主要是分享一些学习产品的心路历程可以关注下哟，欢迎大家一起学习、交流哟。因为坚持，变得愈发优秀
