数据分析的方法都是一致的，只是在不同行业和领域中，执行细节会有所差别。本文以海外产品运营为例，通过案例为我们讲解在该行业中，执行的细节有那些不一样。

上一篇内容简单说明了如何在渠道、网站以及客户端进行信息收集，在正确地收集到尽可能全面的信息后，我们就需要开始进行数据分析的工作了。

个人觉得这部分工作是真正运营工作的出发点，通过整合并清洗信息收集回来的内容，逐步梳理相关数据，抽丝剥茧，基于产品运营人对于负责业务的理解和掌握，一步步地从这些将冷冰冰的数据抽象出不同的具象化的鲜活用户群体，以提供至后续的运营方案制定中。

一、数据分析

因为数据分析是从数据中抽象出具象的用户群体，所以是通过一种“哲学”角度来完成它。

即：方法论与实践相结合。通过整体把控数据分析的方法来指导数据分析的实践，而在实践中遇到的各种各样的情况又可以方向帮助我们不断完善方法论。

二、方法论

1. 知微见著

知微见著：比喻知道一个小小的细节就继续琢磨，洞晓大的影响或结果；见到事情的苗头，就能知道它的实质和发展趋势。

这是一种从小见大的分析方式，操作的方法是在掌握了个体的详细情况后，根据其中的某一个特性，逐步地扩大排查范围，验证个体是否具有代表性，个体的情况是否代表了某一个群体的情况。

2. 层层分剥

如果说知微见著是由小到大，那么层层分剥就是由大到小。

通过整体数据上出现的异常波动，一层一层地向下分剥，寻找到造成数据波动的关键点，并以此为基础，将当前用户进行归类。

三、实践

1. 原则

有了以上的两种方法，实践中我们还要特别注意几个点：首先，不管我们采用的方法是由小到大还是由大到小，我们始终遵循着点—线—面的原则。

其次，如何理解点线面？

• 点：点作为最基础的单元，可以代表用户，但绝对不是只能代表用户，点可以是某个用户，也可以是某个功能，同样可以是某个渠道。
• 线：将找到的点连通可以成为线，抓住一个点带出上下游也可以成为线。线存在着两种形态，一条线是交互流水线，是用户在程序中如何进行交互和操作的线，记录了用户在程序中的真实轨迹，通过对用户交互流程的观察，我们可以了解很多信息。另一条线是需求贯穿线，或者说是产品设计解决需求的理想线路，体现的是产品设计者认为的贯穿了用户为解决需求而进行操作的线路，将用户实际操作的交互流水线与产品设计者设计的需求贯穿线叠加在一起，就会很容易暴露出产品设计有哪些缺陷或者还有哪些功能和交互需要进行调整。
• 面：与其说是面，不如说是“群体”或者“类别”。在抓住了点，顺出了线之后，我们需要观察用户的“横轴”，明确用户还有哪些其他属性，比如最常见的国家/地区和语言。也正是在“面”这个环节上，才能够将一串串的数据抽象为不同的用户群体，这个将将数据抽象为用户群体的过程其实也就是用户画像确立和用户细分形成的过程。

2. 实践举例

例子1：举个例子，在互联网时代的“上古时期”，各在线视频网站并没有提供视频合集的功能，这就导致用户在观看连续剧或追番的过程中非常痛苦——如果能够找到一个按顺序上传视频的博主到还好，但如果这个博主在上传视频时并没有按照顺序的命名规则或者在观看到中间某一集时忽然没有资源了，用户必须要重新到网站上进行搜索。当时经常会出现搜一集看一集的情况。

如此，在个体观察中频繁地发现“搜索”功能使用次数很高，那就需要判断，这是否与设计好的用户解决需求的线路一致，抓住这个异常的点，观察用户的交互流程线和产品设计的需求贯穿线，产品设计的预期情况是用户通过搜索进入播放页面后保持对播放页面的关注，尽量避免其它信息对用户的干扰。

而实际上用户在交互操作线中体现的实际情况并非如此。

用户从搜索框到达播放页面，仍然在播放页面中继续高频使用了搜索框。由此可以确定，产品设计的交互线路出现了问题。而这个问题会影响哪些用户呢？可以使用扩大用户标签的方式来逐步扩大需要排查的用户范围，比如，追剧的用户、追番的用户、看电影的用户、看综艺的用户，等等。

通过逐步地排查我们就会发现，追剧、追番以及看综艺的用户会存在大量类似的情况。以此为前提，我们首先要理解用户为什么这样做。在确定了用户需要连续的剧集播放这个原因之后，产品运营就需要做些什么了：我们可以和产品经理沟通增加新的需求，或者针对这类用户提供新的运营策略。

例子2：同样的，在一些工具类软件中也有着类似的情况，之前我经历过的某数据同步产品中，但是在阶段性总结的过程中发现，同步功能的使用率这项指标非常不健康，存在明显异常。

既然是从整体出发，那么需要层层分剥来确定，问题到底出在哪。

首先从海外产品运营最常用的标签：用户语言入手，根据用户语言进行排查，发现只有英语用户存在这种情况；然后通过用户的来源渠道进行了排查，发现仅在通过搜索引擎到达网站的用户具有这个特点。

接着再进行细化排查，发现这些用户几乎来自同一类关键词的文章，而这类关键词与同步这项功能的关联很弱，主要描写的是程序中的一个免费功能。

当时通过这个免费功能进入程序的用户既拉低了产品的转化率，同时也没有被很好地利用起来，白白浪费了流量。在明确了异常点之后，我们进行了综合判断并采取了有效的措施，将这项免费功能分离出去，并在两款产品中分别开始了针对不同用户群体的运营和维护。

以上就是我在工作中进行数据分析时使用的方法了，在完成了数据分析后，下次更新就需要对分析之后出现的异常情况进行判断，并开始进行具有针对性的产品设计了。