問(wèn)題：產(chǎn)品對(duì)于數(shù)據(jù)分析能力方面的提升，有什么具體建議及好的學(xué)習(xí)資源（電商方面），跪求大神干貨！
回答一：顧先森，淘米 產(chǎn)品經(jīng)理
1. 了解業(yè)務(wù)，熟悉數(shù)據(jù)框架、體系
了解你的業(yè)務(wù)是做什么的，業(yè)務(wù)的發(fā)展規(guī)劃有什么，衡量的核心指標(biāo)有哪些，列出KPI或是核心指標(biāo)，一般重點(diǎn)指標(biāo)就那么幾個(gè)；然后對(duì)幾個(gè)核心指標(biāo)進(jìn)行拆解，這點(diǎn)也需要根據(jù)你的業(yè)務(wù)屬性進(jìn)行，你的業(yè)務(wù)凡是會(huì)影響到這個(gè)指標(biāo)的有哪幾個(gè)元素。
拆分的好處是你能對(duì)一個(gè)具體的指標(biāo)很清晰它是怎么組成的，好像庖丁解牛，當(dāng)然這個(gè)過(guò)程可以不斷拆分下去，加上一些公共屬性，例如時(shí)間、用戶(hù)性別、用戶(hù)年齡、用戶(hù)職業(yè)等公共的緯度進(jìn)去細(xì)切。
2. 對(duì)現(xiàn)有數(shù)據(jù)指標(biāo)進(jìn)行思考；多維度集中分析找規(guī)律
在熟悉產(chǎn)品需要關(guān)注的指標(biāo)、框架之后，了解現(xiàn)有每個(gè)指標(biāo)的運(yùn)營(yíng)現(xiàn)狀，如果有同行業(yè)指標(biāo)對(duì)比更好，看是否有提高的空間。或者是，希望通過(guò)某個(gè)運(yùn)營(yíng)的動(dòng)作，提高哪一個(gè)指標(biāo)，提高到多少；通過(guò)一系列的比較精準(zhǔn)命中，預(yù)估運(yùn)營(yíng)能夠提升指標(biāo)到一個(gè)什么水準(zhǔn)。
另 外有一個(gè)精準(zhǔn)模型的好處是了解你的核心用戶(hù)后，你可以單獨(dú)針對(duì)這部分用戶(hù)進(jìn)行產(chǎn)品用研與需求挖掘，更利于你內(nèi)心確定哪些指標(biāo)是可以通過(guò)什么手段提升的；同 時(shí)找規(guī)律，對(duì)于拆解出來(lái)的指標(biāo)，想辦法做一些分析，這里的分析個(gè)人覺(jué)得并不一定需要很復(fù)雜的手段，更重要的是一種感覺(jué)和意識(shí)。
3. 規(guī)律驗(yàn)證，經(jīng)驗(yàn)總結(jié)
找 到規(guī)律了，內(nèi)心明白了，下一次做事情心里會(huì)更透亮一些，對(duì)產(chǎn)品的理解又會(huì)更深一些。很多事情，就是這樣一點(diǎn)點(diǎn)去熟悉，去深入慢慢產(chǎn)生親切感的。數(shù)據(jù)是讓你 和你的產(chǎn)品心靈貼近的一個(gè)話題而已，更高級(jí)更深入人心的數(shù)據(jù)溝通，不妨還是交給專(zhuān)業(yè)的數(shù)據(jù)處理人員吧，就好像不是人人都是心理咨詢(xún)師一樣。
總之，對(duì)于PM而言，個(gè)人覺(jué)得數(shù)據(jù)是一種意識(shí)，而非技術(shù)，是一種方法總結(jié)，而非理論科學(xué)，關(guān)注數(shù)據(jù)是個(gè)優(yōu)點(diǎn)。 每個(gè)產(chǎn)品經(jīng)理在產(chǎn)品設(shè)計(jì)前就需要明白一個(gè)最簡(jiǎn)單的公式：
產(chǎn)品價(jià)值=產(chǎn)品帶來(lái)的收益－設(shè)計(jì)研發(fā)運(yùn)營(yíng)成本>0
例 如積分類(lèi)的產(chǎn)品,如果使用了積分產(chǎn)品后凈增的銷(xiāo)售額*利率-積分充抵的商品價(jià)值（運(yùn)營(yíng)成本）－設(shè)計(jì)研發(fā)成本>0，如果用戶(hù)會(huì)長(zhǎng)期使用積分，設(shè)計(jì)研發(fā) 成本可以忽略，其它數(shù)據(jù)可以比較容易拿到。再如頁(yè)面改版類(lèi)產(chǎn)品，改版帶來(lái)忠實(shí)用戶(hù)數(shù)*每忠實(shí)用戶(hù)價(jià)值-新頁(yè)面的設(shè)計(jì)研發(fā)運(yùn)營(yíng)成本>0，說(shuō)明改版是成 功的。
產(chǎn)品經(jīng)理只要把握好這個(gè)基本公式，其它深入的數(shù)據(jù)分析交給更專(zhuān)業(yè)的人員去做吧，產(chǎn)品經(jīng)理的主要精力還是放在用戶(hù)需求分析層面。
（以上回答略刪減，想看詳細(xì)舉例版本請(qǐng)戳閱讀原文）
回答二：mrjesse 電商 產(chǎn)品經(jīng)理
樓上已經(jīng)說(shuō)的很詳細(xì)了，我來(lái)補(bǔ)充下：
作為一個(gè)電商產(chǎn)品經(jīng)理，畢竟不是專(zhuān)業(yè)數(shù)據(jù)產(chǎn)品經(jīng)理，我們不需要了解的太深，只需要關(guān)注最核心的一些內(nèi)容，在明確數(shù)據(jù)分析之前，首先我們要明確電商產(chǎn)品的數(shù)據(jù)分析幾大業(yè)務(wù)指標(biāo)：
一. 用戶(hù)角度
1、總活躍用戶(hù)數(shù)、新注冊(cè)用戶(hù)數(shù)、總PV；
2、一定時(shí)間的活躍用戶(hù)數(shù)、新注冊(cè)用戶(hù)數(shù)、總PV；
3、一定時(shí)間的轉(zhuǎn)換關(guān)系；
4、不同渠道下，注冊(cè)轉(zhuǎn)換情況；
5、不同注冊(cè)渠道下，注冊(cè)用戶(hù)的后續(xù)留存率；
6、一定時(shí)間有購(gòu)買(mǎi)行為的用戶(hù)的重復(fù)購(gòu)買(mǎi)的分布情況
二. 訂單角度
1、今日的訂單總數(shù)、銷(xiāo)售額、訂單單價(jià)、有訂單用戶(hù)數(shù)、補(bǔ)貼比例；
2、過(guò)去一周每天的訂單總數(shù)、銷(xiāo)售額、訂單單價(jià)、有訂單用戶(hù)數(shù)、補(bǔ)貼比例；
3、過(guò)去一周每天的訂單平均送達(dá)時(shí)間；
三. 商品角度
1、按照商品分組，今日每個(gè)商品的瀏覽數(shù)、購(gòu)買(mǎi)用戶(hù)數(shù)、訂單數(shù)、銷(xiāo)售額；
2、按照商品分組，過(guò)去一周每天每個(gè)商品的瀏覽數(shù)、購(gòu)買(mǎi)用戶(hù)數(shù)、訂單數(shù)、銷(xiāo)售額；
四. 品類(lèi)角度
1、按照商品品類(lèi)分組，今日每個(gè)品類(lèi)的瀏覽數(shù)、購(gòu)買(mǎi)用戶(hù)數(shù)、訂單數(shù)、銷(xiāo)售額、訂單單價(jià)；
2、按照商品品類(lèi)分組，過(guò)去一周每天每個(gè)品類(lèi)的瀏覽數(shù)、購(gòu)買(mǎi)用戶(hù)數(shù)、訂單數(shù)、銷(xiāo)售額、訂單單價(jià)；
五. 店鋪角度
1、按照店鋪分組，今日每個(gè)店鋪的瀏覽數(shù)、購(gòu)買(mǎi)用戶(hù)數(shù)、訂單數(shù)、銷(xiāo)售額、訂單單價(jià)；
2、按照店鋪分組，過(guò)去一周每個(gè)店鋪的瀏覽數(shù)、購(gòu)買(mǎi)用戶(hù)數(shù)、訂單數(shù)、銷(xiāo)售額、訂單單價(jià)；
在基于以上指標(biāo)進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)，我們?cè)龠M(jìn)行數(shù)據(jù)分析：
首先數(shù)據(jù)分析建模，我們知道電商類(lèi)產(chǎn)品模型一般以事件（點(diǎn)擊，瀏覽等）用戶(hù)屬性進(jìn)行建模。然后我們進(jìn)行正式的數(shù)據(jù)分析：
方法一：多維度數(shù)據(jù)分析
我們需要定義一些事件，如取消訂單，提交訂單，支付訂單，瀏覽商品，加入購(gòu)物車(chē)等等。
然后基于這些事件，我們需要一個(gè)指標(biāo)，比如說(shuō)次數(shù)，總和。
可是我們知道光有個(gè)數(shù)據(jù)羅盤(pán)還不夠，我們需要對(duì)數(shù)據(jù)進(jìn)行細(xì)分，這里我們做了事件，指標(biāo)。所以還需要篩選用戶(hù)的屬性了，比如說(shuō)城市，用的設(shè)備，支付方式，來(lái)源渠道。
這個(gè)方法，我們常用于用戶(hù)畫(huà)像，用戶(hù)行為分析，數(shù)據(jù)異常排查分析等。
方法二：轉(zhuǎn)換率數(shù)據(jù)分析
我們進(jìn)行一場(chǎng)活動(dòng)，我們需要進(jìn)行評(píng)估，這二天注冊(cè)了多少人，訂單轉(zhuǎn)換率是多少，支付率是多少，我們就需要一個(gè)分析方法了。
從我剛講的我們基于事件分析，所以我們就可以定義一個(gè)事件，篩選時(shí)間，先定義事件（注冊(cè)），再次定義事件（提交訂單），在次定義事件（支付訂單），我們可以得到一個(gè)轉(zhuǎn)換率。
這個(gè)方法，我們常用于轉(zhuǎn)換率分析，也稱(chēng)漏斗分析。
方法三：留存數(shù)據(jù)分析
留存分析正如字面意思留存，我們需要對(duì)一段時(shí)間的用戶(hù)就像數(shù)據(jù)分析，比如說(shuō)我們搞了一個(gè)活動(dòng)，我們需要看那段時(shí)間的注冊(cè)用戶(hù)，提交訂單的情況，第一有多少提交，第二天有多少人提交，第三天有多少人提交等。
數(shù)據(jù)分析一般為，我們還是根據(jù)我們的數(shù)據(jù)模型，首先定義一個(gè)事件（如注冊(cè)用戶(hù)），在次定義一個(gè)事件（如提交訂單）得到一定事件的比列。
這個(gè)方法，我們常用于觀測(cè)一定事件的留存情況。
方法四：活躍或回訪數(shù)據(jù)分析
我們知道，我們定義了用戶(hù)的行為數(shù)據(jù)分析了，可是我們需要看一段時(shí)間的，一個(gè)事件的使用次數(shù)，或者某個(gè)地方的用戶(hù)使用情況，那我們?cè)趺崔k呢。這里就是我所說(shuō)的活躍數(shù)據(jù)分析情況了，
我們首先需要定義一個(gè)事件（如注冊(cè)用戶(hù)），在定義一個(gè)事件（如提交訂單）的情況（這里一般為次天數(shù)），然后我們篩選用戶(hù)的事件為什么，得到一個(gè)數(shù)據(jù)。
這個(gè)方法，我們常用于調(diào)查用戶(hù)使用情況，也是衡量一個(gè)用戶(hù)活躍的關(guān)鍵數(shù)據(jù)分析指標(biāo)。
說(shuō)了這么多，我們這些能干嘛呢
1、數(shù)據(jù)異常排查，細(xì)分逐一查看
2、關(guān)鍵頁(yè)面的轉(zhuǎn)換率提升
3、活動(dòng)的情況評(píng)估，渠道數(shù)據(jù)分析評(píng)估
ASO優(yōu)化服務(wù)點(diǎn)擊鏈接：ASO優(yōu)化服務(wù)介紹
IOS加速審核點(diǎn)擊鏈接：//www.opp2.com/8854.html
APP頂尖推廣(www.opp2.com)是國(guó)內(nèi)最頂尖的移動(dòng)APP推廣干貨平臺(tái)。歡迎關(guān)注官方微信公眾號(hào)：appganhuo
標(biāo)簽：三亞
新鄉(xiāng)
中山
云浮
南昌
肇慶
錫林郭勒盟
南充
