想要培養(yǎng)數(shù)據(jù)分析的能力，我認(rèn)為可以從兩部分來(lái)著手：一是數(shù)據(jù)分析方法論的建立，二是數(shù)據(jù)分析從入門(mén)到精通的知識(shí)學(xué)習(xí)。

那么該如何搭建自己的數(shù)據(jù)分析知識(shí)體系？數(shù)據(jù)分析的價(jià)值又在哪里？做數(shù)據(jù)分析有哪些具體的方法？又如何學(xué)習(xí)數(shù)據(jù)分析？

我把我之前的兩篇文章整理下，和大家分享一下這些問(wèn)題。

Part 1 | 數(shù)據(jù)分析方法論 & 知識(shí)體系

1. 數(shù)據(jù)分析體系：道、術(shù)、器

「道」是指價(jià)值觀。要想做好數(shù)據(jù)分析，首先就要認(rèn)同數(shù)據(jù)的意義和價(jià)值。一個(gè)不認(rèn)同數(shù)據(jù)分析、對(duì)數(shù)據(jù)分析的意義缺乏理解的人是很難做好這個(gè)工作的。

「術(shù)」是指正確的方法論?，F(xiàn)在新興的「Growth Hacker」（增長(zhǎng)黑客）概念，從 AARRR 框架 ( 獲取、激活、留存、變現(xiàn)與推薦五個(gè)環(huán)節(jié)）入手進(jìn)行產(chǎn)品分析，這是一個(gè)非常好的分析方法。

「器」則是指數(shù)據(jù)分析工具。一個(gè)好的數(shù)據(jù)分析工具應(yīng)該能幫助大家進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)可視化等工作，節(jié)省時(shí)間和精力，幫助更好理解用戶(hù)、更好優(yōu)化產(chǎn)品。

2. 數(shù)據(jù)分析的價(jià)值

數(shù)據(jù)分析不能為了分析而分析，而要將落腳點(diǎn)放到業(yè)務(wù)、產(chǎn)品和用戶(hù)上。以產(chǎn)品經(jīng)理為例，數(shù)據(jù)分析應(yīng)該幫助產(chǎn)品經(jīng)理不斷優(yōu)化產(chǎn)品設(shè)計(jì)和迭代，驅(qū)動(dòng)產(chǎn)品和用戶(hù)增長(zhǎng)。

當(dāng)我們上線(xiàn)了一個(gè)新的產(chǎn)品（product）或者功能時(shí)，需要對(duì)其進(jìn)行數(shù)據(jù)監(jiān)控和衡量（measure）。然后從監(jiān)控中采集到產(chǎn)品的用戶(hù)行為數(shù)據(jù)（data），并對(duì)這些數(shù)據(jù)進(jìn)行分析和總結(jié)（learn）。最后從分析中得出結(jié)論和觀點(diǎn)（idea），如果數(shù)據(jù)證明我們的新產(chǎn)品/功能是優(yōu)秀的，那么可以大力推廣；如果數(shù)據(jù)說(shuō)明我們的產(chǎn)品還存在問(wèn)題，就需要對(duì)產(chǎn)品進(jìn)行新一輪的優(yōu)化（build）。

在「產(chǎn)品——數(shù)據(jù)——結(jié)論」的不斷循環(huán)中，我們不斷用數(shù)據(jù)來(lái)優(yōu)化我們的產(chǎn)品，加快產(chǎn)品迭代的步伐、提升用戶(hù)體驗(yàn)。

3. 數(shù)據(jù)分析的方法

（1）流量分析

a. 訪問(wèn) / 下載來(lái)源，搜索詞

網(wǎng)站的訪問(wèn)來(lái)源，App 的下載渠道，以及各搜索引擎的搜索關(guān)鍵詞，通過(guò)數(shù)據(jù)分析平臺(tái)都可以很方便的進(jìn)行統(tǒng)計(jì)和分析，分析平臺(tái)通過(guò)歸因模型判斷流量來(lái)源，產(chǎn)品經(jīng)理在分析這些流量時(shí)，只需要用自建或者第三方的數(shù)據(jù)平臺(tái)追蹤流量變化即可，第三方平臺(tái)如 Google Analytics 、 GrowingIO 等；

b. 自主投放追蹤

平時(shí)我們?cè)谖⑿诺韧獠壳劳斗盼恼隆5 等，許多產(chǎn)品都會(huì)很苦惱無(wú)法追蹤數(shù)據(jù)。

分析不同獲客渠道流量的數(shù)量和質(zhì)量，進(jìn)而優(yōu)化投放渠道。常見(jiàn)的辦法有 UTM 代碼追蹤，分析新用戶(hù)的廣告來(lái)源、廣告內(nèi)容、廣告媒介、廣告項(xiàng)目、廣告名稱(chēng)和廣告關(guān)鍵字。

c. 實(shí)時(shí)流量分析

實(shí)時(shí)監(jiān)測(cè)產(chǎn)品的訪問(wèn)走勢(shì)，尤其要關(guān)心流量異常值。舉個(gè)例子，某互聯(lián)網(wǎng)金融平臺(tái)因?yàn)橐粋€(gè)產(chǎn)品 Bug 導(dǎo)致用戶(hù)瘋狂搶購(gòu)造成的流量峰值，產(chǎn)品經(jīng)理發(fā)現(xiàn)實(shí)時(shí)數(shù)據(jù)異常后迅速下線(xiàn)該產(chǎn)品修復(fù) Bug，避免了損失擴(kuò)大。

（2）轉(zhuǎn)化分析

無(wú)論是做網(wǎng)站還是 App，產(chǎn)品里面有很多地方需要做轉(zhuǎn)化分析：注冊(cè)轉(zhuǎn)化、購(gòu)買(mǎi)轉(zhuǎn)化、激活轉(zhuǎn)化等等。一般我們借助漏斗來(lái)衡量用戶(hù)的轉(zhuǎn)化過(guò)程。

影響轉(zhuǎn)化率的因素很多，我們總結(jié)了三個(gè)大的方面：渠道流量、用戶(hù)營(yíng)銷(xiāo)、網(wǎng)站 / APP 體驗(yàn)。以渠道流量為例，通過(guò)優(yōu)選渠道并且量化分配我們的投放資源，可以有效提升總體的轉(zhuǎn)化率。

（3）留存分析

在互聯(lián)網(wǎng)行業(yè)里，通常我們會(huì)通過(guò)拉新把客戶(hù)引過(guò)來(lái)，但是經(jīng)過(guò)一段時(shí)間可能就會(huì)有一部分客戶(hù)逐漸流失了。那些留下來(lái)的人或者是經(jīng)?；卦L我們公司網(wǎng)站 / App 的人就稱(chēng)為留存。

在一段時(shí)間內(nèi)，對(duì)某個(gè)網(wǎng)站 / App 等有過(guò)任意行為的用戶(hù)，稱(chēng)之為這個(gè)網(wǎng)站 / App 這段時(shí)間的活躍用戶(hù)，這個(gè)任意行為可以是訪問(wèn)網(wǎng)站、打開(kāi) App 等等。

現(xiàn)在大家經(jīng)常會(huì)用到所謂的「日活」 （日活躍用戶(hù)量，DAU）、「周活」 （周活躍用戶(hù)量，WAU）來(lái)監(jiān)測(cè)我們的網(wǎng)站，有的時(shí)候會(huì)看到我們的「日活」在一段時(shí)期內(nèi)都是逐漸地增加的，以為是非常好的現(xiàn)象，但是如果沒(méi)有做留存分析的話(huà)，這個(gè)結(jié)果很可能是一個(gè)錯(cuò)誤。

留存是產(chǎn)品增長(zhǎng)的核心，用戶(hù)只有留下來(lái)，你的產(chǎn)品才能不斷增長(zhǎng)。一條留存曲線(xiàn)，如果產(chǎn)品經(jīng)理不做什么的話(huà)，那么用戶(hù)就慢慢流失了。

這是一個(gè)常見(jiàn)的留存曲線(xiàn)，我把它分成了三個(gè)部分：第一部分是振蕩期，第二部分是選擇期，第三部分是平穩(wěn)期。

從產(chǎn)品設(shè)計(jì)的角度出發(fā)，找到觸發(fā)留存的關(guān)鍵行為，幫助用戶(hù)盡快找到產(chǎn)品留存的關(guān)鍵節(jié)點(diǎn)。之前我們發(fā)現(xiàn)我們產(chǎn)品里面，使用過(guò)“新建”功能用戶(hù)的留存度非常高；于是我們做了產(chǎn)品改進(jìn)，將“新建”按鈕置于首頁(yè)頂部刺激用戶(hù)使用，效果非常好。

硅谷流行的 Magic Number（魔法數(shù)字）也是留存分析的一部分，比如 Facebook 發(fā)現(xiàn)「在第一周里加 10 個(gè)好友」的新用戶(hù)留存度非常高。作為產(chǎn)品經(jīng)理，我們也需要通過(guò)數(shù)據(jù)分析來(lái)不斷探索我們產(chǎn)品里面的魔法數(shù)字，不斷提高用戶(hù)留存度和活躍度。

（4）可視化分析

用戶(hù)體驗(yàn)，是一個(gè)非常抽象的概念，我們可以對(duì)其進(jìn)行形象化。目前一個(gè)普遍的方法就是對(duì)用戶(hù)的數(shù)據(jù)進(jìn)行可視化，以熱圖的形式呈現(xiàn)。

借助熱圖，產(chǎn)品經(jīng)理可以非常直觀了解用戶(hù)在產(chǎn)品上的點(diǎn)擊偏好，檢驗(yàn)我們的產(chǎn)品設(shè)計(jì)或者布局是否合理。

（5）群組分析 & 挖掘用戶(hù)需求、改進(jìn)及優(yōu)化產(chǎn)品

千人千面，產(chǎn)品經(jīng)理對(duì)用戶(hù)精細(xì)化的分析必不可少。不同區(qū)域、不同來(lái)源、不同平臺(tái)甚至不同手機(jī)型號(hào)的用戶(hù)，他們對(duì)產(chǎn)品的使用和感知都可能存在巨大的差異。產(chǎn)品經(jīng)理可以對(duì)不同屬性的用戶(hù)進(jìn)行分群，觀察不同群組用戶(hù)的行為差異，進(jìn)而優(yōu)化產(chǎn)品。

之前我們做過(guò)一次分析，網(wǎng)站的總體注冊(cè)轉(zhuǎn)化率是 6%；但是使用 Chrome 瀏覽器的新用戶(hù)注冊(cè)轉(zhuǎn)化率高達(dá) 12%，使用 IE 瀏覽器的新用戶(hù)注冊(cè)轉(zhuǎn)化率才 1%。這樣一分的話(huà)，問(wèn)題就很明顯了，極有可能是瀏覽器兼容性的問(wèn)題，產(chǎn)品經(jīng)理應(yīng)該關(guān)注一下這個(gè)問(wèn)題。

Part 2 | 數(shù)據(jù)分析知識(shí)學(xué)習(xí)

從入門(mén)到精通：互聯(lián)網(wǎng)數(shù)據(jù)分析的書(shū)籍清單！

任何一個(gè)技能的學(xué)習(xí)，都有從淺到深的過(guò)程，數(shù)據(jù)分析也不例外。因此我把推薦書(shū)籍劃分成幾個(gè)段位，更便于大家挑選。

1. 入門(mén)版

適合對(duì)數(shù)據(jù)分析的入門(mén)者，對(duì)數(shù)據(jù)分析沒(méi)有整體概念的人，常見(jiàn)于應(yīng)屆畢業(yè)生，經(jīng)驗(yàn)尚淺的轉(zhuǎn)行者。

深入淺出數(shù)據(jù)分析 ：HeadFirst 類(lèi)的書(shū)籍，一向淺顯易懂形象生動(dòng)，可以對(duì)分析概念有個(gè)全面的認(rèn)知。

誰(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析 ：不僅講解了一些常見(jiàn)的分析技巧，并附帶 Excel 的一些知識(shí)以及數(shù)據(jù)分析在公司中所處的位置，對(duì)職場(chǎng)了解亦有一定幫助。

赤裸裸的統(tǒng)計(jì)學(xué) ：作者年輕時(shí)是個(gè)追求學(xué)習(xí)意義的學(xué)霸，后來(lái)自己從統(tǒng)計(jì)學(xué)中發(fā)掘了很多可以應(yīng)用到生活的地方。這也是本書(shū)的主旨，結(jié)合生活講解統(tǒng)計(jì)知識(shí)，生動(dòng)有趣?？梢员苊饨y(tǒng)計(jì)學(xué)一上來(lái)就大講貝葉斯概率和隨機(jī)分析的枯燥。

同樣類(lèi)似的書(shū)籍還有「 統(tǒng)計(jì)數(shù)字會(huì)撒謊 」，這本書(shū)知名度要高點(diǎn)，不過(guò)我還沒(méi)看…

2. 進(jìn)階版

具有一定的行業(yè)針對(duì)性，要求具備一定的分析常識(shí)，適合網(wǎng)站分析師，商業(yè)分析師以及數(shù)據(jù)產(chǎn)品經(jīng)理。

精通 Web Analytics 2.0 ：此書(shū)雖老，但其中很多思想和流量分析的案例仍然很有借鑒意義，現(xiàn)在紙質(zhì)書(shū)只能上淘寶買(mǎi)舊書(shū)了。

與此類(lèi)似的有「 網(wǎng)站分析實(shí)戰(zhàn) 」，是國(guó)內(nèi)一本講網(wǎng)站分析的書(shū)，沒(méi)有上面經(jīng)典，但勝在新出，很多案例和理念都有及時(shí)的更新。

深入淺出統(tǒng)計(jì)學(xué) ：Headfirst 類(lèi)書(shū)籍，可以幫助你快速了解統(tǒng)計(jì)方面的知識(shí)。

數(shù)據(jù)化管理：洞悉零售及電子商務(wù)運(yùn)營(yíng) ：黃成明著，講解在企業(yè)中應(yīng)用數(shù)據(jù)的例子，讀完受益匪淺，里面舉的很多例子都很接地氣。雖說(shuō)偏向于零售業(yè)管理，但大道歸一，可適用于很多行業(yè)，當(dāng)時(shí)依據(jù)里面的理念規(guī)劃了美團(tuán)外賣(mài)面向 BD 的數(shù)據(jù)產(chǎn)品。

MySQL 必知必會(huì)：這本也是我當(dāng)年學(xué)習(xí) SQL 的入門(mén)書(shū)，薄冊(cè)子一本，看起來(lái)很快。SQL 是個(gè)性?xún)r(jià)比很高的技能，簡(jiǎn)單而強(qiáng)大。任何想進(jìn)一步提高自己數(shù)據(jù)分析技能的產(chǎn)品/運(yùn)營(yíng)/分析師 同學(xué)，都建議點(diǎn)亮 這個(gè)技能點(diǎn)。

互聯(lián)網(wǎng)增長(zhǎng)的第一本數(shù)據(jù)分析手冊(cè) ：我司 GrowingIO 出的一本數(shù)據(jù)分析的增長(zhǎng)手冊(cè)（封面和目錄見(jiàn)下圖），我們一直在做互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析知識(shí)的普及，目前我們已經(jīng)做了 15 期「 GrowingIO 數(shù)據(jù)分析公開(kāi)課」 ，面向產(chǎn)品經(jīng)理、運(yùn)營(yíng)等等，這里是我們整理出來(lái)的「互聯(lián)網(wǎng)增長(zhǎng)的第一本數(shù)據(jù)分析手冊(cè)」。為大家提供常見(jiàn)的分析手段講解，如漏斗分析，同期群分析等等?？牲c(diǎn)擊書(shū)籍名字在 GrowingIO 技術(shù)論壇中免費(fèi)下載。

3. 高階版

更高階的數(shù)據(jù)相對(duì)來(lái)說(shuō)專(zhuān)業(yè)性較強(qiáng)了，如涉及到企業(yè)內(nèi)部數(shù)據(jù)治理，數(shù)據(jù)結(jié)合的業(yè)務(wù)分析，數(shù)據(jù)可視化等。當(dāng)然，還有數(shù)據(jù)挖掘算法之類(lèi)的更深入的東西，這塊沒(méi)有研究就不瞎推薦了。

決戰(zhàn)大數(shù)據(jù) ：阿里巴巴前數(shù)據(jù)副總裁車(chē)品覺(jué)老師所著，講解了阿里巴巴在企業(yè)內(nèi)部治理數(shù)據(jù)過(guò)程中的心得，所講“存-通-用”數(shù)據(jù)管理三板斧和“從數(shù)據(jù)化運(yùn)營(yíng)到運(yùn)營(yíng)數(shù)據(jù)”，字字珠璣，可堪借鑒。

精益數(shù)據(jù)分析 ：此書(shū)優(yōu)勢(shì)在于將企業(yè)分成了幾個(gè)大的行業(yè)類(lèi)別，并分門(mén)別類(lèi)的講解了每個(gè)行業(yè)的商業(yè)模式特點(diǎn)及分析技巧，對(duì)使用者的分析能力要求較高，且必須具備相應(yīng)的業(yè)務(wù)知識(shí)。

The Wall Street Journal Guide to Information Graphics ，華爾街日?qǐng)?bào)負(fù)責(zé)商業(yè)分析的人做的可視化指南，精華且實(shí)用，我之前在公眾號(hào)上寫(xiě)過(guò)讀書(shū)筆記「 華爾街日?qǐng)?bào)是這樣做數(shù)據(jù)可視化的（1） 」，可供大家參考。

《數(shù)據(jù)倉(cāng)庫(kù)經(jīng)典教程》：網(wǎng)上有人整理出來(lái)的資料，優(yōu)點(diǎn)是簡(jiǎn)單明了，不像正常的數(shù)據(jù)倉(cāng)庫(kù)教材厚厚一本。

| 結(jié)語(yǔ)

數(shù)據(jù)分析是一門(mén)多學(xué)科、多領(lǐng)域的交叉學(xué)問(wèn)，涉及到的東西非常多。要想做好數(shù)據(jù)分析，應(yīng)該有一套完整的思維體系，在價(jià)值觀、方法論和工具三個(gè)層面上儲(chǔ)備相關(guān)知識(shí)。同時(shí)立足于產(chǎn)品和用戶(hù)，用數(shù)據(jù)來(lái)打磨產(chǎn)品，用數(shù)據(jù)來(lái)檢驗(yàn)迭代，不斷提升用戶(hù)體驗(yàn)。

數(shù)據(jù)分析網(wǎng)認(rèn)證作者：張溪夢(mèng)