学习产品如何进行数据分析，如何用数据驱动产品，数据驱动产品智能化，从刚开始有这个念头到现在大概一个多月的时间吧，期间看过《谁说菜鸟不会数据分析》《深入浅出数据分析》三节课的“数据分析课程”，growingIO的产品经理数据分析手册，《数据驱动从方法到实践》

《谁说菜鸟不会数据分析》：这本书讲的比较基础，主要讲的是数据分析师相关的一些基本介绍，数据以图表展示的形式，数据透视表如何使用，数据分析的一些常规方法（比如综合分析法、漏斗图分析法、杜邦分析法等）

深入浅出数据分析：看了这本书能够教会你 在不同的业务形式下选择对应的数学方法来做数据分析，但是对于PM来说，这些不重要，了解即可，毕竟并不是真的数据分析师或者数据产品经理、

三节课的数据分析课程：是一个免费课程，教的也比较基础，主要是教会如何去看表格数据，怎么根据业务具体的去分析，初学者建议还是看一下，挺有意义的。

growingIO的产品经理数据分析手册：主要是自家宣传手册，如果想要用growingIO来给自家的产品添加第三方数据分析的话，看看也行

《数据驱动从方法到实践》：从不同的面解释产品的数据分析的重要性、以及数据驱动产品策略和产品智能，比较能开拓视角

产品中如何去做数据分析？

1、可以引用类似神策、友盟、app annie等 第三方数据分析工具，做到无埋点采集

2、对于产品的主要业务线、可以采用前后端埋点的方式，实时收集打点的数据，根据收集到的买点数据进行实时的分析，采用诸如漏斗分析等查看具体的问题

在产品中，采集数据大多都采用的如上两种方式；听起来是不是特别简单？但是这只是采集的方式，产品的数据分析重在分析上，我们应该把80%的精力放在数据的分析上；

对于一款APP，重点在于产品用户的新增、活跃用户数、次日留存、七日留存、双周留存、月留存、活跃时长等等、

我们看一个产品，最初关注的肯定是产品的基本数据，比如每天的新增用户数、天活跃用户数、月活跃用户数、月留存率，App启动次数等、这代表了一个产品的基本数据；这些数据可以更加的细分下去，比如可以根据渠道这个维度查看对应的数据，手机系统or手机型号等，从不同的维度可以看出不同的问题；

这些数据中，留存率能够反映产品的健康状态；

DAU 和MAU 能够反映产品的用户粘性、

现在的互联网产品大多都是为了争夺用户的在线使用时长，用户的在线使用时长就那么多，只要让用户更多的在自家产品上，才能获得更大的GMV

活跃（月活）：用户是否活跃 需要根据不同的产品制定标准，比如微信每个月使用20天 就不算活跃，因为属于IM类型，但是如果是淘宝或者京东，每个月浏览四至五次就可以被当做活跃用户

留存：留存的计算较为复杂，不同产品计算方式不同，在这里拿百度指数里的方式做展示。

留存是相对于初始值的对比，比如1月1号的新增用户100，在1月2号仍旧活跃90，则次日留存为90%，以此类推

上诉的数据是关于整个应用的数据，可以从上诉数据分析当前产品的健康状态；除此之外，但是具体是哪里不健康，是无法从上诉数据中查出来，所以还有配套的一种分析我称之为"点击分析方法"

点击分析方法必须依据一个操作流程或者业务流程，在该流程中，在关键节点去设计点击卖点，将点击数据按照流程做出一个漏斗图形，以此分析每一个流程节点的转化率，从而知道是在哪一个环节出现了问题

数据分析给产品带来的作用

    数据分析可以用很具体的数据表示当前产品的各种状态，我们用数据来驱动产品和运营的决策，业务流程的点击分析可以拿来查看问题，解决问题，驱动产品更健康的发展；同时我们也可以用数据驱动产品智能，比如今日头条就是采用分发机制来娱乐用户，迎合用户的口味，底层的思路也是用用户浏览和关注的数据去分析用户喜欢的信息流有哪些，然后推给用户他喜欢的信息；淘宝的千人千面，以及海量的精准投放的广告，总之数据驱动智能已经是当下运用非常广泛且有效的一种手段了，对于产品经理而言，掌握并运用该手段是一种很重要的能力。

怎么构建出这种思路呢？

创建用户画像，用各种标签来组合成一个用户画像，同时更应该注意用户的行为数据，将行为数据分成类似的标签，通过这些拥有不同权限的标签，来精准的推送给用户喜欢的东西，从而实现产品的更大程度的盈利和可持续成长；

以上便是这段时间学习产品数据分析的总结，也欢迎大家一起交流；

另外推荐《增长黑客》，也是当下正在看的一本书，给人很多启发，可以从这本书中学到很多数据分析的实用方法。当然产品并不是全部靠数据支撑，但是数据支撑无疑是身体中的血液流动，能够让产品成长的更好。