随着数据智能和网络协同深化，产品数据分析已成为产品经理和产品运营的一项核心能力，而且成为很多互联网公司JD的核心要求。那如何进行产品数据分析呢？下面就通过一个实例，让大家理解和掌握完整的产品数据分析过程。
分析框架
因为内容较多，先通过一张导图阐明分析框架，来方便大家记忆和理解。
了解产品
数据分析本质上是对产品业务逻辑的理解和把握。脱离产品，脱离具体业务场景的数据分析都是毫无意义的。做数据分析的产品经理本身一定要非常了解你所分析的产品的，如果你连分析的对象基本特性都不了解，分析出来的结论肯定是空中楼阁了。
1.产品简介
产品名称：测一测你未来的薪水
产品类别：微信小程序/测评
产品原有功能：测试、预估、分享等
产品新增功能：阅读文字课程
新功能上线时间：2018年2月9日
产品目标：获取销售线索；宣传课程
课程内容：求职辅导
新增功能按钮及页面
2.用户使用路径
用户使用路径图
打开微信，搜索“测一测你未来的薪水”，可以体验新版的用户流程。新增加的功能在“显示薪水”，使用户分流到“求职艺术”。另外老用户无需再次授权手机号。
分析目的
《测一测你未来的薪水》的业务目标是获取销售线索，新功能上线是为了完成对课程的宣传。这次分析旨在评估产品推广能力、新功能对原先功能的影响、新功能的使用效率、以及诊断产品质量。
分析思路
基于分析目的，提出了以下分析思路：
1.分析用户规模、质量和来源，以衡量产品的推广能力，寻找提升空间；
2.对比分析各环节转化率，评估新功能对销售线索及其他各环节的影响，对原先功能有没有促进和提升；
3.分析阅读课程转化率，评估新功能效果，发现问题并找出提升方法；
4.分析用户行为数据，衡量产品质量，找出优化思路。
数据指标
数据分析的核心并不在于数据本身，而在于选取有意义、有价值的数据指标。合适的指标能更好地发现问题，反之会难以得出结论，甚至是得出错误的结论。针对分析目的，提出了以下衡量指标：
推广能力：新增用户、新增占比、年龄属性、用户来源
解析：该产品主要价值在于获取新增大学生，而用户来源是为了找到渠道问题。
线索数=新增UV x 转化率
解析：线索数指用户授权留下的号码数。
课程阅读量=UV x 测试页转化率 x 薪水页转化率 x 求职页转化率 x 课程页转化率
解析：用户沿着用户使用路径图会不断流失，而且父级的流量会分配给多个子级。
产品质量指标：访问时长、分享次数、转化率
解析：对于测评类小程序，常规的指标，如用户留存、访问深度，不适用评估小程序的质量情况。
数据搜集
来源：微信公众平台-小程序数据后台
方法：分时段、分类别筛选相关数据，并汇总到Excel，计算并图表化。
数据分析
1. 用户分析
1.1新增趋势
日新增用户数
从2017年12月29日~2018年3月4日（正月十七），日新增用户大幅增长，原因是假日因素导致用户搜索行为增加，与新上线的功能无关。3月4日之后新增暴跌的原因是缺乏分享，假期结束后增长乏力。拐点之后的峰值点均为周六。说明用户使用测试类小程序多在空闲时间。
存在明显拐点，后续对比研究需要按时间段划分。
1.2新用户占比
新用户周占比（20171117-20180401）
新用户平均周占比约为75.6%。第12周新用户占比降低的原因是新增用户量暴跌，之后随着老用户流失，新用户占比开始提升。
1.3年龄属性
用户年龄分布
国际人职前教育辅导的目标客户是大学生和研究生，其年龄约在18-27岁，潜在客户的比例约为16.9%+11.09%=27.99%。
1.4来源分析
用户来源分布
约有19%的用户为老用户，约有4%的用户渠道为会话（分享），约有71%的用户渠道为搜索。
说明小程序名字起得好，获得较大的搜索流量；但内容不够吸引人，口碑分享少。
2.原有功能影响分析
2.1销售线索分析
各时间段线索及其转化率
日新增用户存在拐点，结合新功能上线时间，划分为4个时间段a、b、c和d。
对比分析时，数据量要够大，而且变量只能有一个。时间段b（20180113-20180208）和c（20180209-20180304）符合要求，且只有一个变量——新功能是否上线，可以作为对比对象。
两个时间段的线索转化率相近，用户数不同只是受假日因素的影响，说明新功能的上线并没有使线索转化率发生改变。
时间段d的线索转化率显著提高。主要是由于假期结束，低意向用户主动流失造成的，同时由于基数变小，偶然因素影响较大。
2.2分享路径转化分析
分享路径转化漏斗
时间段c相较于时间段b，测试页转化率降低5.8%，群分享页转化率降低20.9%。
测试页转化率降低的原因是，主要是由于二者的老用户占比不同，以及老用户对应转化率较高造成的。老用户占比：b为26%、c为20.1%。
群分享页转化率降低的原因是，求职页分流的影响。并导致分享人数/访问人数也减小，b为209/5566，c为228/8528。
（备注：测试页转化率=测试页UV/首页UV，即到达测试页的用户转化率）
3. 课程阅读分析
阅读路径转化漏斗
课程阅读最终转化率为1.6%，这个显然过低。分析转化漏斗各环节，发现薪水页、求职页、课程页的转化率都较低。
薪水页转化率低的原因是，测试页的五道测试题过于简单，权威信不强，以致查看结果的动力不强，当需要授权电话号码时，出于保护隐私，用户大量流失。改进方法是，影响薪水的要素很多，可以增加测试维度，而且测试题要针对职前教育用户。
求职页转化率低的原因是，a 薪水估值不准，用户失去信任；b 薪水估值相对实际低，用户没有提升动力；c 有些用户只是试玩，对提薪没有渴望。改进方法是提升薪水估值，建议幅度为10%；可以给出薪水总体排位，如“您的薪水超过了全国5%的人”；这样会增强用户提升薪水的意愿。
课程页转化率过低（15.23%）的原因是，求职页内容设计较为粗糙，颜色风格与测试部分严重冲突，降低了业务的可信性和权威性，减弱了用户打开下一页的冲动。改进方法是，改进布局和呈现方式，可以参考内容app，比如《得到》；雕琢标题和简介，增强吸引力；颜色风格要与之前的一致；显示阅读量和点赞量。
4.产品质量分析
4.1页面次均访问时长
各页面次均访问时长（20180209-20180304）
前面环节的访问时长相对合理，但求职页和课程页的访问时长过短。
原因是内容相对粗糙，用户缺乏阅读动力。改进方法是打磨产品内容。
4.2分享次数
各页面分享情况（20180209-20180304）
求职页和课程页的分享次数过低。
原因是这两页内容专业性不强，用户不认可，缺乏分享价值。改进方法是优化内容和UI，增加分享提醒。
结论汇总
1.产品用户以新用户为主，新用户主要来自搜索，用户不主动分享，产品推广能力较强；
2.新功能上线，不影响销售线索及分享路径大部分环节的转化率，但存在分流，减少了用户的分享行为；
3.课程阅读最终转化率过低，这是因为用户使用漏斗各环节转化率均低，根本原因是产品问题导致的用户不信任；
4.新功能上线后，求职页和课程页的次均访问时长过低，用户分享意愿弱，根源在于内容粗糙和UI设计风格前后冲突。
改进意见
1.诱导用户的分享行为，促使产品极速增长，如提高产品的趣味性或利用利他性，提升用户的分享动力。
2.打磨产品，提高产品质量，如增加测试题维度，提高薪水估值，增加全国排名等，提升用户的兴趣度，优化课程内容和UI，增强权威性和可读性。
3.不同属性的用户群体，使用行为有较大差异，应该分开研究。需要定义新事件，重点关注新用户和18-27岁群体的行为数据。
今日推荐
网友评论