一、产品经理为什么要做数据分析呢？
产品经理通过数据客观的了解现状，从中寻找原因，并做出决策，更加具有说服力。
二、产品经理常见的数据分析场景有哪些？
从业务角度将产品经理工作中的数据分析场景分为四类：
1、在新增或优化产品的过程中通过数据发现用户需求。
2、在产品运营过程中通过数据漏斗，提升产品效率。
3、产品出现问题，通过数据分析定位并分析产生问题的原因。
4、产品改版后，分析新版本的优化效果。
三、做数据分析的思路
1、明确目的。知道自己为什么做这次数据分析，想要达到什么效果。比如：为了评估改版后的效果比之前有所提升。或者通过数据分析找到产品迭代的方向。又或者是探究某个模块数据波动的原因。
2、梳理业务。了解业务背景及业务流程，让数据为业务服务，明确业务路径，找出问题环节并进行针对性的处理。
3、确定指标。通过核心业务和关键流程的梳理，确定关键指标。通过关键指标的确定，找到问题的关键位置。
4、采集分析。通过埋点等方式采集数据，使用数据分析方法或模型进行针对性的分析。
四、基本概念
同比：和上一时期、上一年度或历史相比的增长（变化幅度）。同比发展速度主要是为了消除季节或者时间周期变动的影响，用以说明本期发展水平与去年同期发展水平对比而达到的相对发展速度。如，本期2月比去年2月，本期6月比去年6月等。
环比：表示连续2个单位周期（比如连续两月）内的量的变化比。环比增长率=（本期数-上期数）/上期数×100%。 反映本期比上期增长了多少；环比发展速度，一般是指当前的数据与前一个时间周期之比，用于分析相邻两个时间周期的数据的变动，有环环相扣的意思，表明产品的逐期的发展趋势；
同比和环比，在数据分析中都非常重要，比如产品的核心指标（环比）在春节期间出现较大的波动，那么就可以通过同比数据分析看看，在前几年相同的时间段的同比数据如何，以此进行数据的验证和分析；
五、基本指标
新增：新用户增加的数量和速度。如：日新增、月新增等。
活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多，越有可能为产品带来价值。
留存率：用户会在多长时间内使用产品。如：次日留存率、周留存率等。
传播：平均每位老用户会带来几位新用户。
流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。
六、数据分析常用的方法
常见的、高频的数据分析方法或情景有三类：对比、下钻、分布。这三者能覆盖大多数产品的工作了。其余的数据分析模型，聚类、分类等在实际中应用的较少。
1. 对比
将两组样本进行对比。包括横向的对比，比如A样本组 vs B样本组，以及纵向的对比，比如A样本组在a时段的表现 vs b时段的表现。
2. 下钻
下钻指的是将1个一级指标拆解为n个二级指标，再拆解为m个三级指标。
包括行为的下钻（漏斗分析、路径分析等），也包括指标的下钻（DAU拆解等）。
下钻分析过程中，常用的分析原则为“MECE原则”，指的是拆解过程中每一级指标间不遗漏、不重叠。
3. 分布
分布指的是看一组样本的某个数据的表现，包括集中趋势（平均值）以及离散趋势（标准差）等。往往通过散点图或箱线图的形式呈现。
同时，基于分布，也可以看未来的数据表现趋势，比如通过不同时间点留存值的分布，看未来时间上留存的表现趋势。
4.漏斗分析法
用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势，从而寻找到最佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。
5.AARRR模型
AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一个风险投资人戴维 · 麦克鲁尔在2008年时创建的，分别是指获取、激活、留存、收入和推荐。
七、如何验证产品新功能的效果
验证产品新功能的效果需要同时从这几方面入手：
a. 新功能是否受欢迎?
衡量指标：活跃比例。即：使用新功能的活跃用户数/同期活跃用户数。 使用人数的多少还会受该功能外的很多因素影响，千万不可只凭这一指标判断功能好坏，一定要结合下面的其他方面综合评估。
b. 用户是否会重复使用?
衡量指标：重复使用比例。即：第N天回访的继续使用新功能的用户数/第一天使用新功能的用户数。
c. 对流程转化率的优化效果如何?
衡量指标：转化率和完成率。转化率即：走到下一步的用户数/上一步的用户数。完成率即：完成该功能的用户数/走第一步的用户数。
d. 对留存的影响?
衡量指标：留存率。用户在初始时间后第N天的回访比例，即：N日留存率。常用指标有：次日留存率、7日留存率、21日留存率、30日留存率等。 e. 用户怎样使用新功能?
真实用户行为轨迹往往比我们设想的使用路径要复杂的多，如果使用的数据监测平台可以看到相关数据，能引起我们的反思，为什么他们会这么走，有没有更简便的流程，以帮助我们作出优化决策。
八、如何发现产品改进的关键点
产品改进的关键点，是藏在用户的行为中。
想要找到这些关键点，除了通过用户调研、访谈等切实的洞察用户外，在产品中设置相关数据埋点记录用户的行为，观察其行为轨迹，不能完全替代洞察用户的行为，不过也可以有助于决策产品改进点。
