「PM知识体系」系列四：数据思维
2018-12-25 本文已影响98人
趙00
12月大事件是参加了白熊学院12月1期的产品经理训练营，为期21天。参加训练营的初心是想以此为契机系统梳理一遍产品经理相关的知识，同时输出完整的报告/作品为自己背书。
针对训练营的课程部分，我以该课程为基础，参考人人都是产品经理等其他渠道的资源，系统梳理产品经理工作的方方面面，最终汇成「PM知识体系」系列文章，以下是系列四：数据思维。点击《白熊学院产品经理训练营学习方法总结与心得体会》可查看系列文章汇总和我的学习方法总结~
四、数据思维
之前写过一篇文章，关于狗熊会王汉生教授（熊大老师）《数据思维》课程的总结，但简书不知道为啥锁定了这篇文章，这里挑重要观点说一下，更多内容可阅读书籍《数据思维(从数据分析到商业价值) 》。
- 数据思维：关注从数据到商业价值的转换。
- 核心内容：掌握从数据到商业价值转换的方法和思想——回归分析。更多强调技术层面之上的思想方法——把业务问题定义为数据可分析问题，最重要的是确定正确的Y——业务核心诉求/目标是什么。从而业务问题就变成技术问题了，可通过各种分析方法建立模型。
- 业务或产品好坏的评价标准是什么？熊大认为是创造价值，而价值一定体现在具体的业务场景中，有三个方面：收入（利润最大化），成本（成本最小化），风险（降低风险）
1. 四种基本数据类型
数据类型
- 定类尺度/名义尺度（Nominal Measurement）：对事物的类别或属性的一种测量，按照事物的某种属性对其进行分类或分组。仅代表了事物的类别和属性，仅能测定类别差别，不能比较各类之间的大小，即各类之间没有顺序或等级。如：性别、地区、职业等。
- 定序尺度/顺序尺度（Ordinal Measurement）：对事物之间的等级或顺序差别的一种测量，代表事物之间的顺序差别。不仅包含类别信息，还包含次序信息，因此可以比大小和排序，但定序变量并不能具体表达顺序之间的准确差值，即具体的数值之间不能进行算术运算。如学生成绩评级（优、中、良、差）、做某件事的意愿（非常愿意、一般愿意、不愿意）
- 定距尺度/间隔尺度：对事物之间的间距的一种测量，代表事物之间的具体差距，如摄氏温度
- 定比尺度/比率尺度：对事物之间的比值的一种测量，代表事物之间的具体差距和比率，如开氏温度。
2. 常用指标
- 基础指标：次数PV、人数UV、人均次数、DAU日活、MAU月活
- 转化率——漏斗模型
（1）梳理环节；
（2）收集整理每一环节的数据；
（3）画成漏斗，根据数据计算每一环节的转化率；
（4）分析问题，思考可能的原因和解决方案（不是单纯看每一步转化率的大小，而是综合评估每一步的提升空间） - 新增、留存、回流——用户流动模型，与具体的时间周期（日、周、月）和具体的行为结合
（1）日新增：以前从未来过，今天第一次来
（2）日留存：昨天来过，今天又来了
（3）日回流：以前来过，昨天没来，今天来了- 新增、留存通常看“日”，回流通常看“周”和“月”
- 留存率：粘性衡量指标，尤其是新用户留存率。新用户留存具体看“次日留存”和“7日留存”
- 新增用户+留存用户+回流用户=日用户数
3. 数据工具：记录和分析工具
-
记录工具。记录原理：通过部署追踪代码的方式获取用户行为数据。
可收集的数据
数据使用场景
-
常用工具
（1）查APP轨迹：酷传网、虫部落、ASO100、ASO114、APP Annie、sensortower
（2）查数据：CNZZ数据统计、Google Analytic、诸葛IO、Growing IO(看数据)、ptengine(用户行为)、GIO
神策、友盟、TalkingData、GA、百度分析
（3）查融资：创业邦、IT桔子、企查查 -
分析工具
- Excel：常用数据透视表
- SPSS：多用于跑问卷数据
- 数据采集工具或各个公司后台自带的分析报告
数据是为产品服务的，单纯数字没有任何价值，定义好产品的核心诉求/目标之后，关注与之相关的数据指标，抓取数据建立数据模型，理性分析并最终得出对业务有帮助的结论，对产品做出建设性优化。
上一篇：「PM知识体系」系列三：逻辑思维
下一篇：「PM知识体系」系列五：产品分析报告
