产品经理工作中离不开数据分析，特别是在这个流量越来越贵的时代背景下，每一份流量都值得珍惜，所以如何做好流量分析，最大程度的发挥每一份流量的价值，是摆在每一个产品经理面前的问题。
这里介绍三种产品数据分析的方法，乘坐产品数据分析三板斧。虽然这些方法在工作中都用过，但是没有总结成方法论。有了方法论的产品经理就像诸葛亮舌战群儒时自带提词器，如虎添翼。
产品数据分析的三板斧分别是：趋势分析、对比分析和细分分析。
趋势分析
在日常的工作中，我们经常会遇到这样的问题
- 产品已经获得一部分用户，不过用户数一直是在波动过程中的，产品经理需要知道用户数量是处于上升趋势还是下降趋势
- 产品经理需要掌握产品的运营情况，需要及时发现产品哪些地方可能出现了问题，希望有一些检测数据可以帮助分析问题
在遇到这些问题时，我们通常会拉出一段时间产品某项数据指标的曲线，分析该指标在这段时间中是处于上升还是下降趋势。在分析趋势时，我们通常会用到是哪个指标：同比、环比、定基比
同比
同比增长率是为了消除数据周期性波动的影响，将本周期内的数据与上一周期中相同时间点的数据进行比较，比较常见的是今年月度数据同去年月度的数据进行比较
同比增长率 = (本期数据 - 上一周期同期数据)\上一周期同期数据 * 100%
环比
环比增长率反应的是数据连续变化的趋势，将本期的数据与上一期的数据进行比较。最为常见的是这个月数据与上个月数据进行比较
环比增长率 = (本期数据 - 上一周期数据)\上一周期数据 * 100%
定基比
定基比增长率将所有的数据都与某个基准线的数据进行对比。通常这个基准线是公司或者产品发展的一个里程碑，将之后的数据与这个基准进行比较，从而反应产品在跨越这个节点后的发展状况
通过以上指标我们就可以分析一段时间产品指标的趋势了，不过在精细化运营的大背景下，很多时间我们通常要按天为单位进行分析，不过时间粒度缩小之后，数据指标会存在周期性变化或者波动，这时候需要使用同比环比监控法来监控数据
同比环比监控法
以下是某电子商务网站的订单量数据，订单量有明显的周期性波动，周末数值要比周中高出不少，用户喜欢在这个网站进行消费，同时订单量保持一个增长的趋势。
因为订单量保持增长，从周同比增长来看大概是在8%左右。从上图中标上颜色的数据中，我们可以观察到周一和周六的环比增长都高出平均水平，但是同比增长率保持在平均水平，是因为周一环比周六的数据会有较大下降，周六环比周五的数据会有较大提升，所以不是异常。其实只要观察就能发现异常，即同比和环比增长率两个同时被标上颜色，而第一周的周三和第二周的周二是由于第一周的周二的数据异常引发的后续反应。
对比分析
趋势分析是在一段时间中，比较时间前后数据指标的趋势变化。但是我们还与遇到这样的问题，需要验证新的产品方案的效果是否达到预期，这时候我们会使用对比分析的方法。我们可以简单地把比较测试分为两类：基于时间序列的组内比较和基于对照试验的组间比较
基于时间序列的组内比较
这种方法类似于趋势分析的对比，分析一段时间中，时间前和时间后产品指标的变化。比如本周发布的版本做了功能开启率的优化，在评价产品优化是否有效时，我们可以比较发版前和发版后功能功能开启率是否提高了。不过基于时间序列的比较测试会受到很多因素的干扰，比如上面的例子，实验会受到产品新安装用户质量以及产品留存的影响。
这里介绍一种统计学方法解决解决这一问题：方卡检验和T检验。具体方法和原理请参见
基于对照实验的组间比较
由于基于时间序列的组内比较会受到外界因素的干扰，所有有条件的话，需要设计对照实验来进行比较，也是我们熟知的AB测试。在AB测试中，我们要设置实验组和对照组，实验组施加实验刺激，比如使用新产品方案，对照组保持原样，比较实验组和对照组的产品指标，这样就可以评价产品方案是否有效
在设置实验组和対照组之前，需要满足几个条件：
- 两组实验样本特征相似，可比较
- 实验组和对照组之间只存在唯一的实验刺激导致的差异
细分分析
细分分析就是维度和指标之间的相互结合，这里有两个概念：维度和指标
指标：指标是用来记录用户行为的数据，可以分为基本指标和复合指标，比如活跃用户数量，用户访问量是基本指标，比如功能点击率、用户留存这些需要基本指标简单计算得来的未复合指标
维度：维度是观察用户行为的角度。常用的分析维度包括：时间、功能、流量来源、地理、内容等
细分分析就是指标和维度的结合，同一指标在不同的维度下回显示出不同的属性。例如我们在分析用户新安装量上升的原因时，我们会将用户新安装量分流量来源进行分析，这样我们就会观察到不同流量渠道的新安装量，从而找到增长量来自于那个渠道。
