曾听到一个说法， 不写程序的数据工程师不是好产品经理。 其实对于全能的产品经理而言，对产品的数据进行分析及运营应该是家常便饭，从最基本的竞品数据收集到产品上线后各种数据反馈，都需要产品经理由点至线再到面的分析。

作为一名好的产品经理，不仅需要懂程序，做数据收集及清洗；并且需要懂产品，了解内外部用户需求和理解市场；还需要懂数据，用数据的方式证明、证伪及发现问题。本期天天问精选了几个在产品数据分析中可能会出现的问题，适合0-3岁的产品经理阅读。

问题清单

1. 数据产品经理在整个数据产品开发过程中到底起到什么作用？
2. 产品在做数据分析时，都要注意哪些问题？
3. 怎样才能获取有效的竞品数据？
4. 做竞品分析的时候数据不全面，怎么破？
5. 数据分析中，你认为用户行为分析最重要的几个点是什么？
6. 用户的线下行数据为对APP运营有多大帮助？

—————————————————-我是分割线—————————————————

问题1： 数据产品经理在整个数据产品开发过程中到底起到什么作用？@杭熹

精选回复@Nullt

对于第一点：

1. 指标是业务端提出来的，但是你要定义统计口径，每个指标的计算公式及条件，最好可以评估下实现的难度。
2. 指标虽然由业务端提出，但应该去了解业务端真正的需求是什么，可能他想要的东西和他的指标有差别，可能需要改变，可能需要增加，甚至需要引入新的数据源。

对于第二点：

推荐、搜索、用户画像 这三个各个公司都在说做，但是做明白的很少，能把了解清楚的人更少。直接点说不是定义的简单，而是定义复杂了，没几个看的懂。所以作为数据产品的产品经理应该去了解实现的算法，比如推荐最起码了解下协同过滤怎么工作的，搜索好歹看看pagerank，用户画像怎么也了解下聚类相关的问题。

而且，策略应该由产品去定义，并且把握最终的效果。数据分析最终的结果可能和你设想的差很多，并不是所有的数据都会有明显的特征，所以所谓的效果就需要深入数据，要不靠人找特征说明某项问题，要不靠算法的调优。对于项目的进度也是同样的问题，了解实现的复杂度，自然知道进度应该如何。

说到底，想研究数据，就得花时间学习统计知识，花时间了解数据挖掘的算法，并结合业务对算法做限制，做策略。

问题详情：http://wen.woshipm.com/question/detail/c7cdr.html

问题2：产品在做数据分析时，都要注意哪些问题？@Gary

精选回复@丁香花不开

一般数据分析分为四个步骤：确认分析需求、收集所需的数据、分析数据提出优化建议、优化改进产品或运营方案。

1. 确认分析需求

就是定义分析的目标和意义。需求的来源多样，有老板的提问，运营团队的要求，还有产品自身的分析需求等。产品经理要明确本次分析针对的问题是什么，分析最终需要达到何种目的，分析的范围。

2. 收集所需的数据

现在可以收集数据的工具有很多，百度统计、友盟、微拓ASO(现在改名为德普优化)等。可以根据不同的需求来选择统计工具。分析的数据要尽量全面、真实、准确，才便于展开分析工作。

3. 分析数据提出优化建议

分析数据不是简单地出个报表和趋势图，要从中发现问题，来提出优化建议。比如，你们的APP每日下载量不低，但注册率保持在60%，老板要求要降低流失率。这个时候，需要分析用户注册的整个流程，是到了注册页面，用户没有被吸引？短信验证码到达率低，用户无法注册？还是注册步骤太多，用户失去耐心？要让问题暴露出来，才能制定相应的解决方案。

4. 优化改进产品或运营方案

举个例子，比如说在注册页面停留的用户点击获取验证码的转化率有90.20%，那么说明流失了近10%的用户，那么你在数据分析中可以提出从交互或者视觉方面来提高用户的转化率，降低用户选择的成本。

数据分析是产品经理在发现问题，找寻解决方法的必备技能，分析的过程也是个人不断成长和学习的过程。当然，要运用数据，也不能迷信数据，要清楚业务之间的逻辑关系，才能帮助你更好地解决问题。

精选回复@Hunter

以上几位都总结了做数据分析的想法和套路了，我就说几点容易做数据分析易犯的误区：

1. 高流量即高转化的误区

示例：一篇文章百度带来100个leads，微信带来80个leads。但百度带来的流量最终转化为60个注册用户，微信渠道最终转化了64个注册用户，哪个渠道比较好，不能单纯根据流量来源多少定吧？

2. 只关注最终的总体转化率

仍用上述案例。百度带来的流量明显比微信多，转化第一步流失30%，第二步流失10%左右，最终带来流量60%转化的效果；   微信第一步流失仅5%的用户，第二步流失16%。

针对两个渠道，我们就要开始进行数据分析，并思考：什么造成了百度第一步转化流失率高，该采取什么措施。微信第二步流失率高的原因是什么，该怎样解决？

3. 转化率高不一定代表用户体验好

也有可能像我们曾经遇到的问题，登录密码那块出现问题，用户登录不上，只好重新注册。
综上，任何数据的异常（不论突然高了或低了）都应该引起注意。

问题详情：http://wen.woshipm.com/question/detail/spf6e.html

问题3：怎样才能获取有效的竞品数据？@王俊浩

精选回复@李小楠

1. 查看第三方机构发布的各项行业数据，如艾瑞，199it等，有些数据可以花钱买
2. 通过自己或者上司的各项人脉关系获取
3. 通过竞争对手自己发布出来的数据进行分析
4. 根据竞争对手的团队人数、收入、融资情况进行推理
5. 通过招聘等挖墙脚方法从内部员工口中获取
6. 对竞争对手用户群进行调研
7. 仔细整理统计下载量、评价及各种反馈信息，注意鉴别水军
8. 第三方统计平台等检测工具，如百度指数、App Annie、应用雷达等平台

精选回复@魏立羽

坦白跟你说吧，大部分真实有效的数据你都是拿不到的，一般只能拿到一些表面的数据：

1. 对外公布的数据
2. 页面上显示的资料，自己去跟进统计
3. 通过第三方平台查询推敲
4. 社会工程学，混群咨询、问熟人

问题详情：http://wen.woshipm.com/question/detail/5r9j.html

问题4：做竞品分析的时候数据不全面，怎么破？ @白晓亮

精选回复@赵海洲

数据不全面的情况很正常，既然拿不到，我们自己可以分析和预测是不？提供几点分析思路：

1. 根据已有的数据，行业分析特点，行业周期分布，自身发展的障碍和未来预测等，从旧数据，来预测未来数据，来完善这个行业的其他获得不到的数据。
2. 根据相关类似行业特点，将第一步完善的数据进行调整。
3. 根据上下游行业发展和趋势预测，将第二步完善的数据和分析进行调整
4. 根据国家政策和行业壁垒等会带来严重格局改变的因素，对第三步完善的数据，猜想到上限和下限。
5. 跟你们的CEO或者合伙人聊聊，听听他们对目前行业的观点和建议，完善第四步。

精选回复@阿南

得不到完整的数据是很正常的现象，有时也是根本避免不了的。有些数据涉及到商业秘密，往往很难得到，但是你在做分析时又不能不面对。所以如果通过以上几位朋友分享的网站都不能找到数据该怎么办？可以通过以下这几种办法：

1. 购买数据。如果买不到直接数据，可以找相关数据计算得到你要的数据。这种方法简单粗暴成本高，如果卖方找的好，数据质量也很高。花钱买花戴，成本足够的情况下可以使用。
2. 直接丢弃缺失的数据记录。不能让一颗老鼠屎坏掉一锅汤是原则。假设你要看不同收入的人对产品某功能的使用频次，有那么一两个分类的数据就是不全，那就直接把这几个数据对象删除了。虽说这种方法在不能充分利用已有资源，尤其是在数据缺失率比较高的情况下，但是请谨记原则。
3. 数据填补。最一步需要一定的数学基础，因为涉及到数学原理与规则。不能瞎编数据啊是不，所以我们得把缺失数据的影响降到最小。数据补充的方法有均值填补、条件均值填补和回归填补，这个就不展开说了，自己去了解吧。

问题详情：http://wen.woshipm.com/question/detail/tieij.html

问题5：数据分析中，你认为用户行为分析最重要的几个点是什么？ @小帆雅就是我呀

精选回复@jacky

1. 来源量（访入数量）

来源量指的是统计你平台入口页的量，并非指平台的pv，这里也可以理解为你布在外面的入口的点击数总和；统计这个主要是为了更精确的把握好你的真实流量情况，这里情况收到干扰，会导致你其他位置的数据都受影响，无法更好点的分析；而且流量是电商的命脉，管理好流量入口，是做大平台必经之路。

2. 流量分配

流量进来后，会通过你的导购体系将流量分配到不同的页面；而电商对于流量的精细化运营是很看重的，为了更好的聚流、打造爆品、清仓等，所以那你需要通过数据掌握全局，就像个操盘手般观察你的流量分布。

3. 订单转化率

这里指的是从浏览到生成订单的转化率，而不是付费转化率，流量进入了商品页面，那么说明他是有兴趣甚至是有意向的，那么能不能靠你页面的内容让他生成订单，则切实的决定了这件商品的销量了；相比付费转化率，订单转化率有更高的可操作空间，一般能提高的幅度大，而付费转化率虽然也重要，但能做的优化比较有限。

精选回复@海清

在用户行为分析中，我最关心的3件事是：

1. 用户从哪里来
2. 用户的访问的访问路径
3. 是否完成了他想做的事情（最好是他遇到了困难，然后找出问题。）

其实我感觉，我并不完全是按照上面写的来思考问题的。没有所谓的最重要的事情。因为原先我们预设比较重要的点，不一定能产生洞见，网站分析不应过分注重方法论。带着你的业务去思考，你的目标是什么，然后找出几个点作为入口去探究到底才是重要的。就怕你看了几眼数据就草率得出结论（公司里这样的人到处都是不是么……）。

问题详情：http://wen.woshipm.com/question/detail/scope.html

问题6：用户的线下行数据为对APP运营有多大帮助？ @MadTV

精选回复@GaraC

当然有巨大帮助：用户数据越详细我们越能知道在什么时间什么地点给用户看什么东西能够得到什么结果。

但现在不如说“拿到”用户的线下数据确实有巨大帮助。

如果有人愿意提供这些数据，数据商恨不得跪舔你。

线下行为轨迹本来就是前期用户调研非常重要的组成部分，他引导着商业模型、产品流程与架构、交互设计（何止是运营而已）。然而目前为止线下数据的提取还是主要靠用户访谈。

补充评论区问题：

1. 是的，主要是匿名数据和注册用户数据。匿名数据准确度低，注册用户准确度高且可以包含一定程度的隐私数据。

2. 并非把数据分成线上线下两个种类，而是线上数据准确度非常低。对单一产品而言，数据是有巨大瓶颈的，比如APP用户每天打开个几次已经算非常高频了，但是也就是这么几次，加起来也就几分钟或者几十分钟而已，仅这些数据，我们得到的结论是非常不准确的。比如你的用户们在早上8点钟用4g网络打开了APP，那么你“大概”可以推断他是个上班族，但是如果你准确的知道用户线下是自己开车还是做公交车上班那情况就变成了“用户8点钟出门开车上班，路上使用4g网络，双手没空，注意力集中在路上，车内空间音量可控，用户喜欢听广播。”——在产品设计中“音频要自动播放”“按钮要大”“主要场景的使用主体是耳朵不是眼睛”“外接设备操作便利”在推广中“用户常听的广播可以打广告”“要提供车辆相关的礼品活动”…..这些就是基于用户信息的基本思路。

3. 没有具体项目不知道怎么定价，以及就算你问了我也不告诉你。

4. 数据商的行为就是基于单一产品数据获取的瓶颈，数据商通常为多个产品服务，同时获取多个产品ABC的数据，如果你是A的运营，你的用户在早上8点使用了你的产品听音乐，但是数据商知道同个用户在10点使用了另外一个产品买奶粉，那么你的用户信息就更加全面了。当然现在数据商也解决不了准确性的问题，只是把数据的量和面扩大了。数据商不直接倒卖用户数据（那是违法的），主要是从A处获得数据，然后结合ABC分析数据，最后再向A输出结论。

问题详情：http://wen.woshipm.com/question/detail/gqsar.html

总结

做好数据分析和运营，需要产品经理有较好的逻辑分析能力，熟练的业务能力，敏锐的行业洞察力，最终才能做到用数据驱动商业化决策。产品经理在数据分析的过程中，必须对用户行为做到心中有“数”，对于产品各方面数据及迭代效果的监控也需要做到面面俱到，才能对公司重大决策给出决定性建议。

相关阅读

【天天问每周精选】第15期：APP的这点事儿：从设计上线到推广，APP产品都该注意这几点

【天天问每周精选】第14期：电商产品的设计和运营需要注意哪些问题？

【天天问每周精选】第13期：身负KPI重压，运营该如何将产品推广开来？

【天天问每周精选】第12期：产品经理需要懂技术到什么程度？

【天天问每周精选】第11期：对于业内近期的热点，产品经理们是这样说的

精选问题每周有，欢迎食用~配合回复味道更佳(∩_∩)

本栏目由天天问小编@Cecila编辑，欢迎大家踊跃提问，一起交流。