数据分析的万能公式

不管是哪个行业，当前处于任何阶段的产品经理，躲不开的一个词便是：数据分析。

提到数据分析，它一般会出现在以下的场景中：

做版本规划的时候，如何设立指标来进行功能验证？

功能上线后，如何做数据复盘？

如何通过数据来快速定位问题？

在众多的数据中如何识别哪些是需要呈现的重要数据？

……

像大多人一样，几年前我也是试图寻求各种数据分析的书籍来找解决方案，在翻看了十几本数据分析的书后，结论如下：没想到这个行业发展之快，书籍的出版速度已经远远跟不上行业需要了！！就像是你手里拿着一个iPad在看windows 95视窗操作系统的使用手册一样难过~

经过这几年的摸爬滚打，我的产品逐渐从0用户做到1300w+后，丽莎阿姨总结了一套简单又能打的数据分析小白五步法：

第一步：弄清楚问题到底怎么样（给问题定性）？

第二步：可能出了什么问题（提出假说）？

第三步：有哪些证据可以证明以上问题（列出问题清单）？

第四步：逐一找证据（把数据码出来）

第五步：分析验证（用你仅有的小学数学知识来完成）

产品团队实践了一年多以来，相信阿姨，只要跟着这个方式来做，再一穷二白的小白（前提是小学数学要及格）两到三次就能上道~

手把手教学的之前，我们要达成共识的基础前提：你觉得数据分析是一种方法工具还是一种思维方式？？？

如果你觉得数据分析就是一种方法工具，那从此我们江湖别过，后会无期。

数据分析的本质一定是一个思维方式！！！

见过不少的产品经理的操作：首先把结论给下了，然后去找数据来证明自己的结论正确。这种解应用题一般的令人窒息的操作请不要再发生了！！

数据分析应该是站在毫无立场的客观数据前，找到核心的指标，来对比业务中的两组变量之间的关系，用来解释业务，并引领你前行，毕竟没有对比的数据就是耍流氓啊~~~

你确保真的理解了丽莎阿姨这段话，那GMF，然后再继续进行接下来的手把手操作阶段吧。

手把手操作第一步：感知问题

感知问题，顾名思义就是要有能力知道问题，这个部分是数据分析里最最最重要的部分。

在这里要引入一个概念叫：OMTM（One Metric That Matters ），也就是你的业务形态里最重要的那个指标（俗称 北极星指标）。业务可以复杂，但你的业务目标一定是简单的。

如何找到你业务的北极星指标呢？当前看到的产品形态无非是以下四种情况：

（1）黏着式增长引擎，唯一关键指标：留存

根据黑客增长AARRR模型，简单理解就是只有用户来了第一次，还想来第二次；粘性的提高才能带来了增长与转化。

适用的产品与模块：工具型产品，绝大多数产品的MVP版本，任何一款产品的核心功能模块，现有功能的迭代。

（2）付费式增长引擎，唯一关键指标：营收

用户在产品上贡献的价值大于获取用户的成本，才可能一直驱动营收增长。简单理解就是你的客户终生价值要大于获取成本这个生意才能做的下去，CLV>CAC。

适用的产品与模块：课程类产品；绝大多数B端产品；会员类产品；知识付费类产品；市场投放等。

CAC（Customer Aqusition Cost）客户获取成本

CLV (Customer Lifetime Value) 客户终生价值

（3）爆发式增长引擎，唯一关键指标：病毒系数K

K=I * Conv=分布密度×感染强度；当K>1时，裂变才能进行下去

适用的产品与模块：裂变运营活动（砍价、拼团、瓜分红包、任务宝）；新技术驱动类产品等

I：Invitation，即每个用户发送的邀请数量，反映了分布密度

Conv ：Conversion rate，即每个邀请成功的概率，反映了感染强度

（4）简单指标&复合指标

一些简单指标，例如：页面PVUV、登录用户量、页面停留时长、活跃用户数等，仅能帮助你快速的了解产品状态。

如果我们把这些简单指标做一个除法，就会得到一些有魔法的复合指标，例如：

页面PV/访问数量=平均访问深度；

访问时长/访问数量=平均访问时长；

每周付费用户/用户活跃数=平均每周每人购买数量。

你看，这些复合指标是不是能让你一眼就能观察到产品的用户真实情况呀。

只有弄清楚你业务的本质，数据分析才有最根本的前提与基础，脱离业务本质的数据分析一文不值啊，小盆友们！

手把手操作第二步：提出假说

提出假说，就是字面上的意思，提出各种可能性，方法有以下两种，找一个你喜欢的。

方法1：归纳式，就是根据个案进行总结