产品经理数据分析实战手册.pdf

140 million people_ are born each year 7 billion live on Earth now /57 million die each year 108 billion are estimated to have ever lived on Earth 夥产吊经理数据分蚚实战手册产品经理数据分析实战手册诸葛 io 出品 II前言面向读者本手册主要面向互联网（移动互联网）产品经理，详细介绍在日常工作中如何开展数据分析。互联网产品的创始人（CEO）、用户体验、运营、研发等岗位也可作为参考。内容结构本手册的内容大致分为三个部分：-第一部分基础篇*第一章产品经理应该怎样入门数据分析？*第二章产品经理应关注哪些数据指标？-第二部分实战篇*第三章如何衡量产品改版（或新功能）的效果？*第四章如何发现产品改进的关键点（惊艳一刻）？产品经理数据分析实战手册诸葛 io 出品 III*第五章如何结合数据做好用户画像（persona）？*第六章怎样基于数据优化产品体验？-第三部分方法论&最佳实践*第七章什么是同期群分析（CohortAnalysis）？*第八章常见分析模型及应用场景介绍*第九章产品数据分析的一般过程*第十章如何评估选择合适的数据分析工具？如何阅读？第一部分的内容是全书的基础，建议您首先阅读。第二部分中各章的内容相对独立，您可以根据需要或兴趣选读或跳读。第三部分讲述的是通用的方法论和最佳实践，供有兴趣深入学习的读者阅读。产品经理数据分析实战手册诸葛 io 出品 IV0101020203030505060607141515162223232633目录第一章 产品经理该怎样入门数据分析？-1.1 产品经理做数据分析的入门门槛在哪？-1.2 数据分析入门的快速路径 -小结 -第二章 产品经理应关注哪些数据指标？-2.1 产品数据分析的上帝指标 -2.2 互联网产品的AARRR模型 -小结 -第三章 如何衡量产品改版（或新功能）的效果？-3.1 衡量改版效果需要哪些基础数据？-3.2 衡量产品改版（新功能）效果的操作方法 -小结 -第四章 如何发现产品改进的关键点？-4.1 应该从哪里找改进关键点？-4.2发现产品改进关键点的操作步骤 -小结 -第五章 如何借助数据快速高效构建用户模型 （Persona）？-5.1 用户模型构建的传统方法 -5.2 基于用户行为数据快速、迭代构建用户模型的方法 -小结 -产品经理数据分析实战手册诸葛 io 出品 V第六章 如何结合数据优化产品的用户体验？-6.1 什么是用户体验？-6.2 结合数据优化产品用户体验的一般方法-小结 -第七章 什么是同期群分析（Cohort Analysis）？-7.1 什么是同期群（Cohort）？-7.2 什么是同期群分析（Cohort Analysis）？-7.3 Why 同期群分析？-7.4 如何应用同期群分析？-小结 -第八章 常见分析模型及应用场景介绍 -8.1 行为统计 -8.2 漏斗分析 -8.3 留存分析 -8.4 用户洞察 -8.5 用户群细分 -第九章 产品数据分析的一般过程 -第一步：弄清目标和当前的主要问题 -第二步：找出问题相关的数据指标 -第三步：对问题指标的相关人群进行画像分析，探究问题背后的可能原因 -第四步：改进产品或运营 -小结 -第十章 如何评估选择合适的数据分析工具？-附表：互联网产品用户行为分析工具对比评估表 -343435363737383940404141424445454747474848495051产品经理数据分析实战手册诸葛 io 出品 VI后记 -致谢 -关于我们 -535354产品经理数据分析实战手册诸葛 io 出品 01第一章 产品经理该怎样入门数据分析？很多产品经理一方面很羡慕 Facebook、Twitter、Dropbox 等明星团队的数据驱动能力，另一方面却迟迟不敢在自己产品中开展数据分析。造成这个现象的原因很多，其中之一便是认为数据分析是一件门槛很高的事儿。1.1 产品经理做数据分析的入门门槛在哪？数据分析是一个知识领域，进入这个领域需要学习一些基本知识：-简单的数学知识：大部分时候只用到简单的加减乘除，所以小学或初中学习的数学知 识就足以应付；-基本的产品分析概念：比如什么是新增、活跃、留存、流失等，这些对产品经理来说 都很容易（本手册后面会有专门的章节对这些概念进行梳理和解释）；数据分析更是一项实践技能，掌握它需要学会并运用一些方法和工具，对于产品经理 来说，大致需要：-掌握利用数据评估产品改版（或新功能）效果的方法；-掌握借助数据发现产品改进关键点的方法；-学会在数据的配合下快速完成用户画像（persona）的方法；-知道如何定义数据埋点以及分析需求，并推动研发团队实施；-如果您的研发团队无暇处理数据分析需求，您还应学会至少一种产品数据分析工具的 使用（向您强烈推荐诸葛 io）以上构成了产品经理数据分析的入门门槛。我们编写本手册的目的，就是为了帮您尽快跨过这道门槛，进入数据分析的大门！产品经理数据分析实战手册诸葛 io 出品 021.2 数据分析入门的快速路径伟人云：实践出真知！Just gan（干）it！是入门数据分析最快速、最直接的方式。我们甚至建议在第一次做时，不要把数据分析专门当成个事儿来干，而是把数据分析放到您的正常工作中来顺手做了，比如：-产品新版本马上就要发布了（或者已经发布），那好，我们来看看数据，分析一下新 版本的表现如何？-或者，我们正在规划或设计产品的改版，那好，看看数据研究一下之前的用户行为，看看能不能为产品设计带来点儿新思路？之所以这样建议，是基于两方面的原因：1.对于数据分析，你越把它当回事儿，就越可能觉得时机条件不够而不愿开始。（我见过很多人想做数据分析从年初喊到年尾却从来没开始过）2.我们产品经理的核心工作是通过研究用户、定义产品来创造价值，数据对我们来说只是工具一件，我们大可不必等到一定要精通掌握所需的全部知识技能才开始做分析。（试想一下，有几位产品经理在职业生涯的初期会因为没有系统的学习 Word 就拒绝写产品文档？又有几位产品经理会因为没有搞懂 Axure 就不敢画原型？）下面是我们给出的产品经理入门数据分析的快速路径：小结数据分析入门其实并不难，在做好产品经理日常工作的同时顺便就开始了。搂草打兔子，just gan it！产品经理数据分析实战手册诸葛 io 出品 03第二章 产品经理应关注哪些数据指标？2.1 产品数据分析的上帝指标让我们从一个类比开始：-假如上帝是产品经理-那么地球就是他的产品（之一）-而人类则是这个产品的用户下面，让我们站在上帝的视角，梳理一下有哪些数据需要被关注：-新增*上帝视角：地球上每年有 1.4 亿人出生*产品视角：新用户增加的数量和速度 *产品平均每天有 1000 位新用户（日新增用户数）*产品上月新增了 3 万位用户（月新增用户数）*微解读：新用户数量的快速增长，是产品增长的基础。-活跃*上帝视角：目前，地球上总人口数为 70 亿（70 亿人活着）*产品视角：有多少人正在使用产品产品经理数据分析实战手册诸葛 io 出品 04 *产品平均每天有 2 千用户活跃（日活跃用户数，亦称日活或DAU）*产品上月共有 5 万名活跃用户（月活跃用户数，亦称月活或MAU）*微解读：只有活着的用户，才有可能为产品带来价值。-留存*上帝视角：人类的平均寿命为 72 岁*产品视角：用户会在多长时间内使用产品 *每 100 位新用户，在新增的第二天还有多少人使用产品？（次日留存率）*每 100 位新用户，在新增的一周后还有多少人使用产品？（周留存率）*微解读：用户使用产品的时间越久（活的长久），对产品的潜在价值越大。-传播*上帝视角：一对夫妻一般会在 23 岁左右生下他们的第一个孩子，平均每对夫妇生育 2 个孩子*产品视角：*平均每位老用户会带来几位新用户？（病毒系数）*老用户一般在注册（新增）后多长时间带来新用户？（传播周期）*微解读：如果你的产品，新用户主要靠病毒传播的方式增长，那么，只有在病毒系数 大于 1 的时候，产品才可能出现爆发式的指数增长；同时，传播周期越短，增长速度越快。-流失*上帝视角：地球上曾经有 1,080 亿人生活过，如今都已逝去*产品视角：*一段时间内流失的用户，占这段时间活跃用户数的比例（流失率）*微解读：只有当产品新用户增长的速度大于老用户流失的速度时，产品的活跃用户数 才会是正增长。为了便于理解和记忆，我们将上述指标统称为上帝指标 注：1上帝指标是我们为了便于大家的理解和记忆所起的名字，如果你觉得它不够严谨，或者不喜欢，请忽略它 ：）1产品经理数据分析实战手册诸葛 io 出品 05 2.2 互联网产品的AARRR模型 -获取（Acquisition）：用户如何发现（并来到）你的产品？-激活（Activation）：用户的第一次使用体验如何？-留存（Retention）：用户是否还会回到产品（重复使用）？-传播（Referral）：用户是否愿意告诉其他用户？-收入（Revenue）：产品怎样（通过用户）赚钱？小结看到这里，聪明的你已经发现，所谓的上帝指标其实和AARRR 模型相差不大：）重要的是确保你已经记住并理解了这些概念！注：2 AARRR 模型又称海盗指标，由 Dave Mcclure 于 2007 年提出。2产品经理数据分析实战手册诸葛 io 出品 06第三章 如何衡量产品改版（或新功能）的效果？在产品正式发布后，PM的大部分工作是围绕升级迭代进行的：我们定义产品，然后跟踪研发，最终面向用户发布设计开发发布的过程循环往复理想情况下，产品在迭代中不断演化，用户伴随迭代不断增长，直至产品走向成功。但不幸的是，大部分产品最后均以失败告终，排除战略、市场、运营等原因不说，在产品开发循环中缺少衡量的反馈环节，也是产品失败的常见原因很多时候，我们以为产品在迭代中螺旋上升，实际上仅仅在原地转圈（仿佛追逐自己尾巴却浑然不觉的那只汪儿）。因此，要想成为优秀的产品经理，必须学会在迭代循环中适时进行衡量并确认进展，而这正是本章的内容主旨。3.1 衡量改版效果需要哪些基础数据？需要要观察用户的行为，因此用户及其行为数据是衡量产品改进的基础。产品经理数据分析实战手册诸葛 io 出品 07用户行为数据的采集、存储、分析，可以由研发团队构建专门的系统实现。另一个更快、更低成本、更灵活的选择是在您的产品中集成诸葛 io 之类的第三方分析工具，实现快速分析。（题外话：诸葛 io 提供的免费版本，足以支撑中小型产品团队的常见分析场景，欢迎评估试用）3.2 衡量产品改版（新功能）效果的操作方法从以下 5 方面入手，可以衡量产品改版的效果：问题 1：新功能有多少人用（是否受欢迎）？一般情况下，一项新功能上线，用的人越多，表示改版更可能是成功的。（当然，某些垄断+刚需的产品除外）衡量指标：功能活跃比（使用了新功能的用户数/同期活跃用户数）产品经理数据分析实战手册诸葛 io 出品 08在诸葛 io 中，您可以直接查看某个功能所对应用户行为的活跃比的变化（比如下图反映的是某产品点击分享按钮用户占活跃用户的比例随时间的变化）。切记：使用人数的多少还会受到功能本身之外的很多因素影响，万万不可只凭这一指标判断功能好坏，一定要结合下文中的其他方面综合评估！问题 2：用户是否会重复使用（被评估的）新功能？如果新功能非常糟糕（比如存在严重 Bug 或体验极差），用户往往在用过一次之后便不会再用第二次。而优秀的功能则可能会受到用户的喜爱，并反复使用之。衡量指标：功能的重复使用用户比例（用户在首次使用新功能后的第 X 天，回访用户中使用该功能的比例）产品经理数据分析实战手册诸葛 io 出品 09在诸葛 io 中，您可以通过两个自定义留存的分析结果对比得到重复使用用户比例，具体如下：1.进入 自定义留存，将 初始行为 选择为您要评估功能的对应行为，将 留存行为 选择任意行为，这样就得到了使用新功能的用户在后续的回访情况（留存率）（如下图）2.在上一步中，将留存行为也选择为您要评估功能的对应行为，就得到了使用新 功能的用户在之后的重复使用情况（如下图）产品经理数据分析实战手册诸葛 io 出品 103.将上面两步中得到的结果放在一起，就能够计算出用户在首次使用新功能后的第X天，回访用户中使用该功能的比例。（如下图中深色柱子占浅色柱子的比例）重复使用用户比例越高，说明有越多的用户反复使用该功能。问题 3：新功能对所处的使用流程是否起到了优化作用？如果新上线（或优化）的功能处于某个用户使用流程（比如分享到第三方平台的过程、或拍摄并发布照片的过程）中，那么您可能需要评估该功能对流程是否起到了优化的作用。衡量指标：用户流程的转化率和完成率（对比改版前后的转化率和完成率）在诸葛 io 中，您可以通过漏斗完成该评估，具体如下：1.为用户流程创建漏斗（如分享过程点击分享按钮到第三方平台分享成功）2.分析改版前的漏斗转化率和完成率产品经理数据分析实战手册诸葛 io 出品 113.分析改版后的漏斗转化率和完成率对比改版前后，漏斗的转化率和完成率的变化，即可评估此次改版功能对用户使用流程的影响转化率和完成率提升的越多，说明效果越明显。问题 4：产品改版对用户留存产生了怎样的影响？一般来说，一次成功的改版（或一项优秀的新功能），会增加用户对产品的喜爱，而让用户频繁的使用产品。产品经理数据分析实战手册诸葛 io 出品 12衡量指标：留存率（用户在初始时间后第 N 天的回访比例，即为 N 天留存率，同类的常用指标有次日留存率、周（7 天）留存率、21 天留存率、月（30 天）留存率等）在诸葛 io 中，您可以通过新增用户留存衡量产品改版对用户留存的影响。具体如下：通过对比改版前后，留存率是否发生变化，以及变化的幅度，可以衡量改版对用户留存的影响。问题 5：了解用户在怎样使用新改版的功能？新功能上线了，用户是怎样用的？他们的使用方法是否与您的预期一致？用户在使用这个功能前后分别做了什么（场景还原）？产品经理数据分析实战手册诸葛 io 出品 13分析方法：行为属性统计&用户行为记录在诸葛 io 中，您可以：1.通过事件属性的分组对比了解用户对新功能的大致使用方法（如下图，展示 了用户分享的第三方平台分布）2.通过洞察单个用户的行为记录，详细了解用户的具体用法及场景（如下图）产品经理数据分析实战手册诸葛 io 出品 14用户行为数据，为我们提供了一种低成本、便捷的观察用户行为的手段。虽然它不能完全替代产品经理对用户在真实场景中的观察和研究（数据传达的信息没有现场研究多），但如果配合使用，可以极大的提升整体的效率和准确率！小结本章为基于数据评估产品改版（或新功能）效果提供了一套全面的、系统化的方法，整个过程可以通过回答 5 个问题完成。这套方法，已经经过与诸葛 io 合作的诸多产品团队验证，被证明是一套可行的、可靠的、高效的实践方法！产品经理数据分析实战手册诸葛 io 出品 15第四章 如何发现产品改进的关键点？很多产品经理都梦想能够做出爆款产品，从此功成名就、升职加薪、迎娶白富美，过上幸福快乐的生活：）美帝有句成语叫魔鬼在细节中！（Devils in the details），很多大家耳熟能详产品都是从一个或几个关键细节的改进开始走向成功的：-Facebook 早期通过博客小挂件的展示获得了每月数十亿次展示、千万次点击和 百万人注册；-Twiter 通过引导用户在注册时关注 10 个人极大的提升了留存率和活跃度；-LinkedIn 通过推荐新用户邀请 4 个好友获得了最高的邀请转化率；-很多人都听说过这些成功故事，但不幸的是，这些产品关键细节的发现过程却鲜有人知道。其实，听起来像是上帝恩赐的关键细节，都是经由一套系统化的方法，通过有组织、有步骤的实践活动发现的。在过去的一年里，诸葛 io 团队经过与很多合作伙伴的共同努力，反复探索，终于将发现产品改进关键点的过程总结形成了一套系统化、可复制的过程方法。4.1 应该从哪里找改进关键点？魔鬼在细节中！产品改进的关键点，不在产品中，而是藏在用户中，藏在用户的行动中！因此，要想找到这些关键点，您必须能够有机会全面、深入的观察用户及其行为。产品经理数据分析实战手册诸葛 io 出品 16而稍具规模的产品，其用户数量不会太小，在现实中观察用户的实际行为需要消耗的时间和人力成本都很高。因此，在产品中通过埋点记录用户行为，并通过软件工具在海量的行为数据中实现快速发现，是一种高效率、低成本的方式。（不过需要注意的是，对行为数据的分析不能完全替代在现实中对用户的观察研究，因为埋点记录的单个用户行为数据中包含的信息量远低于在现实中观察单个用户的行为所获得的信息量，卓越的产品经理应该懂得如何将两种方法结合在一起，找到效率和质量的最佳平衡点）4.2发现产品改进关键点的操作步骤 下面就通过暴走漫画（以下简称暴漫）的一次产品改版来为您来详细介绍：第 0 步：目标（起因）暴漫团队发现，部分用户下载了暴漫的 App 后，除了安装后第一次打开，后续使用的很少。一直到了 2015 年下半年，他们终于腾出手来，想要提升一下这部分用户的活跃度。（你可以思考一下哪些数据指标能够反映用户的活跃度）1注：1 暴走漫画是国内最火爆的原创恶搞漫画制作分享应用。暴漫团队是国内最擅长利用数据指导产品和运营的团队之一，也是最早使用 诸葛 io进行用户行为分析的团队。产品经理数据分析实战手册诸葛 io 出品 17第 1 步：根据目标对用户分群选取两周前新增的一批用户作为初始的研究对象：将这群用户，按照活跃度高低（目标）不同，将用户分成若干群，并从中选取出非常活跃和不太活跃的两群用户做深入研究：产品经理数据分析实战手册诸葛 io 出品 18 在诸葛io中，可以通过用户的属性特征（比如年龄、性别等）或行为特征（比如 创造过漫画、或最近 7 天读过超过 10 篇文章）对用户进行灵活的分群。（如下图暴漫定义的用户群）第 2 步：对比用户群，寻找差异接下来，暴漫的产品团队对 非常活跃 和 不太活跃 的两群用户，从各个角度进行了对比：诸葛 io 支持从很多维度进行用户群的对比：-人群属性：您应用能采集到的所有用户的人口属性，比如性别、年龄、用户等级等；-使用环境：如所在地区、来源渠道、设备品牌、操作系统版本、App版本、屏幕分辨率等；-整体行为特征：如第一次访问时间、最后一次访问时间、过去 30 天总访问次数、过 去 30 天总访问时长；产品经理数据分析实战手册诸葛 io 出品 19-用户行为：*某个具体行为的发生次数（比如成功创作漫画的次数）；*某个具体行为发生的特征（比如第三方分享的平台）；-过程转化率：*比如购物下单过程的转化率和完成率；-留存：*比如次日留存率、周留存等。在对比的过程中，一般会发现两群用户之间有很多差异。第 3 步：发现有趣的差异，探寻背后原因对上一步得到用户群之间的差异，进行逐项分析：-首先，排除一些理所应当（无趣儿）的差异（比如活跃的用户会比不活跃的用户的访 问时间长；）-然后，对剩下的（有趣儿的）差异，探索并其背后的原因。以暴漫团队为例，他们在对非常活跃和不太活跃用户的差异进行分析筛选之后，得到了一个有趣的发现：-非常活跃的用户，大多在安装 App 后的两天内完成了以下行为（如下图）：*浏览分类漫画 *加好友（订阅了喜欢的内容频道）*进入我的暴走（浏览了订阅的内容流）-而不太活跃的用户，则较少有人完成全部上述行为。产品经理数据分析实战手册诸葛 io 出品 20暴漫的产品团队基于上述大胆推测：不过，暴漫团队并没有直接据此改进产品，而是从两群中各抽取了少量的用户，进行了电话访谈，访谈的结果证实了这一推测。第 4 步：根据发现改进产品基于上述发现，暴漫的产品团队对暴走漫画 App 进行了如下优化：产品经理数据分析实战手册诸葛 io 出品 211.将 App 首界面改为推荐，新用户首次访问时直接展示热门漫画，并根据用户的 兴趣（访问记录）展示个性化内容；2.将好友的导航地位提升。第 5 步：衡量改版是否达到预期效果新版发布后，暴漫团队持续追踪了一段时间的数据，发现新版的效果非常明显：也就是说，改版后，在活跃用户数没有明显变化（可以排除改版之外其他因素的影响）的情况下：-改版后用户的启动应用次数是改版前 1.5 倍-改版后用户的单次访问时长是改版前的 1.3 倍-新用户的次日留存率是改版前的 1.3 倍（长期留存的提升与次日留存接近）非常骄人的成绩！产品经理数据分析实战手册诸葛 io 出品 22小结暴走漫画团队是一支非常优秀的团队，他们在数据驱动产品决策方面走得非常深远。上文的案例只是他们日常工作的一个缩影，虽然他们也还不能做到每次改版都取得这样的好成绩，但一个优秀的产品，不正是靠千百次的打磨和锤炼才闪闪发光的吗？！重要的是，在改版前尝试从数据中发现关键机会，改版后进行效果的确认验证，能够让产品团队有机会在更短的时间内取得更大的进展而且是真正有效的进展。因此，我们强烈推荐每一位产品经理学习掌握并实践本文提供的方法，如果您愿意实践，我们相信假以时日，您在产品事业上必有成就！产品经理数据分析实战手册诸葛 io 出品 23第五章 如何借助数据快速高效构建用户模型 （Persona）？用户模型（Persona）是 Alan Cooper 在About Face：交互设计精髓 一书中提到的研究用户的系统化方法。它是产品经理、交互设计师了解用户目标和需求、与开发团队及相关人交流、避免设计陷阱的重要工具。但在现实中，一般只有很少的成熟公司，产品经理、交互设计师或用户研究人员才会花时间构建用户模型，个人认为之所以这样，至少包含两方面原因：-一个主要原因在于，按照传统方法构建用户模型的成本高、时间长，不是一般公司和 团队所能承受的；-另一个原因在于，传统方法对用户模型构建者的要求很高，尤其是对用户的访谈和观 察，其中有很多的方法和技巧，不少产品经理不敢尝试，有些人尝试后并没有得到有 用的信息，后面往往就不再做了。本章将尝试提出一种基于用户行为数据的快速构建用户模型的方法。5.1 用户模型构建的传统方法Alan Cooper 提出了两种构建用户模型的方法：-用户模型：基于对用户的访谈和观察等研究结果建立，严谨可靠但费时；-临时用户模型（ad hoc persona）：基于行业专家或市场调查数据对用户的理解建立，快速但容易有偏颇。1.Persona，也有人译为人物模型、用户画像或用户角色，但要注意避免将其与市场研究（Marketing research）中的用户画像 或用户在机构中的职责角色等概念混淆。2.截至本文写作时，此书的第 4 版的中译本已在国内出版。12产品经理数据分析实战手册诸葛 io 出品 24方法 1：基于访谈和观察的构建用户模型（正统方法）在 Alan Cooper 的方法中，对用户的访谈和观察是构建用户模型的重要基础。完整步骤如下图：第 0 步：对用户的访谈和观察（及其他研究）。将用户当成师傅，自己作为徒弟去观察师傅的行为，并提出问题。在整个过程中收集并研究用户行为、环境、谈话内容等信息，以发现用户的行为、情境和目标。（比如，某儿童社区的用户角色大致分为孩子、妈妈、爸爸和祖辈等四类，需要分别研究）第 1 步：根据角色对访谈对象进行分组。根据研究结果和理解对用户进行大致的角色划分，并根据角色对要访谈的用户进行分组。第 2 步：找出行为变量。把每种角色的显著行为列成几组行为变量。一般包括用户的活动（行为及频率）、（对产品及相关技术的）态度、能力、动机、技能几个方面。产品经理数据分析实战手册诸葛 io 出品 25第 3 步：将访谈主体和行为变量对应起来。实际上就是为每个访谈用户标注各项行为的情况。第 4 步：找出重要的行为模型。发现访谈用户中的中的显著的行为模式组合。（比如儿童社区产品的某些家长会密切关注孩子在社区中的一举一动，而另一些家长则只是偶尔了解一下孩子的情况）第 5 步：综合各种特征，阐明目标。从用户模型的行为细节中综合/挖掘出用户的目标和其它特性。第 6 步：检查完整性和冗余。为每种用户模型弥补行为特征中重要的缺漏，将行为模式相同而仅仅是人口统计数据有差异的用户模型合并为一个。第 7 步：指定用户模型的类型。对用户模型进行优先级排序，确定主要、次要、补充和负面用户模型。主要用户模型是界面设计的主要对象，一个产品的一个界面，只能有一个主要用户模型。第 8 步：进一步描述特征和行为。通过第三人称叙述的方式描述用户模型，并为不同用户模型选择恰当的照片。至此，用户模型构建完成。方法 2：构建临时用户模型（ad hoc persona)在缺乏时间、资源不能做对用户的访谈和观察时，可以基于行业专家对用户的理解、或市场研究中获得的人口统计数据，建立临时用户模型。产品经理数据分析实战手册诸葛 io 出品 26临时用户模型的构建过程与用户模型的构建过程很像，只是其数据基础一个是来自对真实用户的访谈和观察，另一个是来自对用户的理解。二者的准确度和精度都有差别。5.2 基于用户行为数据快速、迭代构建用户模型的方法到现在，距离 Alan Cooper 首次提出用户模型（Persona)概念已经过去快 20 年了 。在这期间，软件产品开发的过程方法以及公司的运作方式都发生了很大改变：以快速迭代为特点的敏捷开发方法取代了传统的瀑布模型，以开发测量认知反馈循环为核心的精益创业方法在逐步影响和改变着公司的运作方式而传统的用户模型构建方法，从诞生之日起并未发生特别大的变化。对于已经习惯了敏捷、快速的产品经理和交互设计师来说：一方面，花很长时间去研究用户构建用户模型需要下相当大的决心、更需要下很大力气才能争取到所需的时间和资源；另一方面，互联网产品冷启动耗费的时间越来越短，为了降低成本和风险，产品团队在启动期往往会选择尽快将产品推向用户，尽快获得反馈以快速试错，现实和压力迫使大多数新产品的 PM 不敢投入大量时间精力深入的进行用户研究。这就很容易理解，为什么大家都觉得用户模型很好，却鲜有人在工作中真正运用它。接下来，我们将提出一种基于用户行为数据的快速、迭代构建用户模型的轻量方法。3.1998 年，Alan Cooper 在The Inmates Are Running the Asylum一书中首次提出。3产品经理数据分析实战手册诸葛 io 出品 27快速构建用户模型的方法简述 首先，在开始时，整理和收集已经获得的任何对用户的认知、经验和数据。它们可能是您和所在团队对用户的理解，也可能是您产品的业务数据库中记录的用户相关信息（比如用户的性别、年龄、等级等属性），还可能是用户（在产品内外）填写的任何表单或留下来的信息（比如用户填写的调查问卷、留下的微信账号等等）。产品经理数据分析实战手册诸葛 io 出品 28您可以将这些信息映射成为用户的描述信息（属性）或用户的行为信息，并存储起来形成用户档案（最终形成的结果如下图示意）。注意：从这一步开始，你就需要一个存储了用户信息和用户行为信息的数据库系统，它能够支持你快速的进行接下来的各种分析和探索，直至形成用户模型。如果您团队的技术人员没有时间为您搭建这样的系统，您可以考虑引入类似于诸葛 io 这样的分析工具，它可以帮您存储用户及行为数据，以方便查询使用，您还可以在您的 App 或网站中集成诸葛 io 的SDK，方便的记录用户的行为数据。首先，在开始时根据已获得的认知和经验对用户分群，这些用户群是进一步研究的基础。比如，你觉得用户也许可以分为孩子、妈妈、爸爸和祖辈等四类，或者你认为购物的用户可以分为男女两类，那就根据数据划分好了。如果在诸葛 io 中，您可以通过定义用户群实现（如下页下图）。产品经理数据分析实战手册诸葛 io 出品 29 接下来，您就要对上一步的用户群逐个进行分析，并尝试从中发现显著的行为模式。对于每个用户群，分析步骤如下：-从用户群中随机选取一些用户（一般根据您的时间情况，可以选取几十到上百个用户，建议最少不低于 30 个）；-逐个用户解读其属性特征和行为记录，努力通过这些数据还原出用户的真实使用场景 和过程，并尝试推测其目标。在解读的同时，随时记录你发现的有趣的行为模式、以 及不解之处。（注意，这一步的工作至关重要，对用户及其行为的感性认识是后续 工作的基础。要记住：读用户如读书，读其百遍、其义自现！）产品经理数据分析实战手册诸葛 io 出品 30-根据上面步骤中发现的典型行为模式和场景、目标的推测，对用户群进行更细致的划 分。比如，你发现一些用户会定期采购大量的办公用品（有趣的行为模式），并推测 这些人可能是企业行政部门的采购人员，他们要根据其他员工的需求定期完成采购任 务（场景和目标），那么你就可以将这群人划分出来，作为一个单独的用户群（候选 的用户模型），进行后续的研究。（如下图示例）-对上一步形成的候选用户模型（用户群），对其属性和行为数据进行统计分析，初步 验证您的猜想。（如果使用诸葛 io，您可以通过用户群的群体画像、行为（事 件）概览等功能快速完成所需分析，如下页示图所示）产品经理数据分析实战手册诸葛 io 出品 31 产品经理数据分析实战手册诸葛 io 出品 32接下来，对上面形成的每个候选用户模型，进一步完成其目标和动机的推测。同样，在过程中有任何不解之处，请记录下来。从每个用户模型中选取少量具有代表性的用户，进行访谈或调查，以消除您在前面研究中遇到的不解之处。在这一步，如果您有足够的时间和资源，那么可以多选一些用户，并尽可能的做现场的访谈和观察；如果您时间和资源有限，那么可以少选一些用户，或者采用电话、问卷等方式完成访谈，对于配合度较高的用户，可以考虑采用录屏或 QQ 远程协助之类的工具观察用户的真实行为。因为您在前面的步骤中已经对用户的真实行为有了一定的了解，所以在这一步，您可以不必严格的执行 Alan Cooper 的用户研究方法，从而节省大量的时间和资源。但是，如非特殊情况，请尽量不要跳过这一步。记住：哪怕是与用户进行很少量的沟通，也有助于发现未知的问题，这是非常值得的。在完成了上面的工作之后，接下来，您就可以对候选用户模型进行逐个的审视和修正。合并相似的，补充不完整的，采用叙述的方式描述每个用户模型，并为其选择适当的照片，这样就得到了本次迭代的用户模型（如下图示例，图片来自网络）。您可以用这个模型指导界面设计、与团队沟通 产品经理数据分析实战手册诸葛 io 出品 33最后，根据您的认知变化和产品需要，可以在合适的时机对之前得到的模型进行新一轮的修正。修正的过程和前面相同，可能您会在几次产品迭代中穿插进行一轮用户模型的迭代，时间越久，用户模型就越接近真实的用户情况。小结本文提供了一种借助行为数据和工具快速、迭代的构建用户模型（Persona）的方法，这套方法与传统的用户模型构建方法相比损失了一定的质量但效率更高，更适合今天的互联网团队的工作方式和节奏。值得说明的是，这套方法虽经实践验证是可行的，但还有进一步探索优化的空间，如果您想和我们共同探索实践这套方法，可以通过 与我们联系，来信记得简要说明您个人以及产品和团队的情况以及期望参与的方式。产品经理数据分析实战手册诸葛 io 出品 34第六章 如何结合数据优化产品的用户体验？记住一点：数据不能为您直接带来创意，但可能会帮你发现创意的机会！6.1 什么是用户体验？Jesse James Garrett 在用户体验要素：以用户为中心的产品设计一书中对用户体验的定义：用户体验是指产品如何与外界发生联系并发挥作用，也就是人们如何接触和使用它。产品经理数据分析实战手册诸葛 io 出品 35上图是书中给出的用户体验的完整模型。您可以看出，用户体验并不仅仅是设计个布局或选择个颜色那么简单，基本上从产品愿景到功能、交互、视觉感知，都会对用户体验构成影响。这就造成：很难有一套十分具体和简单的方法，我们按照方法去做就一定能优化体验。因此本文并不会告诉您十分具体的做法，而是给出一套基于数据优化体验的通用的方法框架，在实际运用时，可以灵活调整。6.2 结合数据优化产品用户体验的一般方法-衡量：结合您的优化目标，从用户的行为数据中，可以有很多方法和指标量化衡量产 品的用户体验。比如，通过下单支付完成支付过程的成功率，您可以 得到支付过程是否顺畅的量化衡量结果。您可以将这一步中得到的衡量结果作 为基准线，今后的改进应该是让指标相较基准线有所提升才是有效的。-发现：通过对衡量结果进行深入分析，您可以能会发现一些影响用户体验的场景或节 点。比如，您可能会发现在 3G 网络下，（与 4G 和 WIFI 相比）使用支付宝支产品经理数据分析实战手册诸葛 io 出品 36 付的成功率十分低，而同样的环境下微信支付的成功率就高很多。-优化：依据上面的发现，您会改进优化产品，以提升用户体验。比如前面支付的例子，您可能会在 3G 网络的情况下，推荐用户使用微信进行支付。-评估：在改进之后，您需要再看一下数据，看改进后的指标是否与基准线相比有所提 升，提升的幅度多大，以此来确认产品改进是否实现了预期的优化效果。小结对于优化用户体验，数据能帮到您的，是在优化前为我认为用户提供依据，在优化后提供效果的确认。产品经理数据分析实战手册诸葛 io 出品 37第七章 什么是同期群分析（Cohort Analysis）？基于同期群的分析是产品数据分析的核心之一！基于同期群的分析是产品数据分析的核心之一！基于同期群的分析是产品数据分析的核心之一！重要的事情说三遍。7.1 什么是同期群（Cohort）？同期群是一种用户分群的方式。同期群按用户的新增时间将用户分群，得到的每个群叫一个同期群。举个例子：从上帝视角看，对地球这个产品的用户（即人类）的进行划分，得到的同期群就是70 后、80 后、90 后、00 后（按新增即出生时间划分）。对您的产品来说，对用户划分得到的同期群就是本周新增的用户、上周新增的用户、上上周新增的用户（当然也可以按天或按月划分，时间颗粒度可大可小，但重要的是按新增时间划分）。产品经理数据分析实战手册诸葛 io 出品 387.2 什么是同期群分析（Cohort Analysis）？同期群分析是指将用户进行同期群划分以后，分析和对比不同同期群组用户的相同指标，这套分析方法就是同期群分析。要点：-对用户进行同期群划分-对比不同同期群组（比如本周新增用户和上周新增用户的）-的相同指标（比如注册转化率）产品经理数据分析实战手册诸葛 io 出品 397.3 Why 同期群分析？进行同期群分析最重要的原因是：同一项产品改进，对不同同期群中的用户，产生的影响是不同的，分开衡量才更能反映真实的情况。举例来说：计划生育这项伟大的产品策略，只影响50 后 90 后几个同期群中的用户。因为：计划生育开始实施时，50 前的人们已经过了生育年龄，而计划生育结束（全面放开二孩）时，00 后还未到生育年龄。对于产品来说也是如此：-如果你为产品增加新手引导，那么只对之后新增的用户（同期群）产生影响，而不会改变老用户的行为；-如果你准备发放优惠券，那么对刚刚注册的用户和已长期使用的忠实用户，产生的效果会有差别；-产品经理数据分析实战手册诸葛 io 出品 407.4 如何应用同期群分析？同期群分析是一种分析方法，但更重要的是其背后的思考方式。所以，请确保你已经充分理解了同期群的概念、同期群分析的基本思路以及为什么应该采用同期群分析（如果还不清楚，请重新、反复阅读前文）。一旦你掌握了它，只要有合适工具（比如诸葛 io）的帮助，您几乎可以在任何场景下使用它：-衡量产品业务的整体进展；-评估产品改版的效果；-优化产品的用户体验；-寻找产品改进关键点；-提升用户参与度；-小结现在，你理解同期群了吗？产品经理数据分析实战手册诸葛 io 出品 41第八章 常见分析模型及应用场景介绍本章将简单介绍几种常见的数据分析模型及其应用场景。8.1 行为统计用户行为统计，就是对用户在产品中的行为发生的次数或人数进行简单的统计，统计结果一般以折线图和表格的方式呈现，这是用户行为分析的最基本的方法。如下图中，某在线商城用户的搜索商品、查看商品、加购物车、付款等行为的统计：产品经理数