今天这篇文章来自我的朋友Lisa，根据自己的经验总结产品经理数据方法论。
不管是哪个行业，当前处于哪个阶段的产品经理，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：
做版本规划时，需要设立数据指标来进行功能验证功能上线后，需要数据复盘来指引迭代的方向结果异常时，通过数据来快速定位问题周报日报，需要在众多的数据中识别需要呈现的重要数据通过数据洞察，找到产品的各种增长场景
图1.1 市面上热门的数据分析书籍
但是，经过这几年的摸爬滚打，我的产品从0用户做到2300w 后，我结合了数据分析的各种场景以及产品的不同特性，提出来一套简单又具备实操性的数据分析五步法。
我的团队掌握了这套数据分析方法后，发现问题与解决问题的能力相比于之前的“听天命，撞运气”时代提升了300%不止。
不得不说，这是一套非常具有实操性的数据分析方法，如果你是小团队，创业公司，或者野生产品经理，那么请一定要好好理解它，它是你产品经理精进路上的催化剂。
数据分析思维在开始探讨数据分析万能公式之前，我先来问你一个问题：你觉得数据分析是一种方法工具还是一种思维方式呢？
我见过两种类型的产品经理：第一类，先假设结论，然后去找数据来证明自己的结论是否正确，如果不正确再去做新的假设。例如：功能A上线后，发现新增用户多了，于是假设结论：A功能带来了新用户。下一步操作去找能证明此猜想的数据，并罗列出来。如果无法找出此数据，再做新的假设。
对照上面的描述，看看你属于哪一类呢？第一类产品经理的思维方式很像中学生解应用题，而“解题家”只能证明自己，无法推动业务。而第二类产品经理，在两组数据中做对比，然后抽丝剥茧从而找到问题的真相。这才是产品经理需要具备的数据思维。所以，数据思维的本质就是站在毫无立场的客观数据前，找到核心指标，来对比业务中的两组变量之间的关系，从而解释业务，并引领业务前行。也就是我们常说的，没有对比的数据毫无意义。数据分析五步法接下来，我们一起来探讨五步法的具体操作。
2.1 第一步：感知问题顾名思义，就是需要具备判断问题是否存在的能力。比如产品的健康度如何？一个功能达到什么样的指标才算成功？页面的转化率是否正常？等等。有天赋的产品经理靠直觉来判断，而有经验的产品经理靠的是方法。要获得感知问题的能力并不难，其实只要看瞄准一个指标即可，这个指标就是OMTM（One Metric That Matters ），俗称北极星指标。它是最能代表你产品健康度的缩影，但这也并不意味着完全不需要看其他的指标了。只有北极星指标能最直接、最快速地反应问题。那如何找业务的北极星指标呢？其实常见的互联网产品无非就是以下的四种业务形态，或者这四个业务形态的合集：黏着式增长引擎北极星指标：留存
工具、内容、资源类的产品都属于黏着式增长引擎（例如：百度、小猿搜题、知乎等）；这类产品的本质是解决了用户的某一部分需求，用户今天用了明天、后天还会回来用，从而带来了新的增长。根据海盗模型AARRR，用户从获取，注册，活跃，留存，再到最终的转化。判断这类产品是否健康，北极星指标就是留存率。只有留存率提升了，才能带来真实的用户增长。一般情况，建议观察次留、三留和七留。拿工具型产品为例，40%的次留，20%的七留算是比较优秀的了。当然数值并不绝对，最好和行业同类产品对比，和自己的前一版本对比，这样才有更客观的判断。付费式增长引擎北极星指标：用户生命周期价值>获客成本
课程类、绝大多数B端产品、会员类产品等都属于付费式增长引擎（例如：VIPKID、saas系统服务、爱奇艺等）；这类产品的本质是提供某一类服务供用户消费，当企业有了利润才能投入再生产，从而开拓新的市场或新的服务。此类产品的业务逻辑是从获客，到销售转化，需要产生利润才可能驱动业务增长。判断这类业务是否健康，就是看客户终生价值是否大于获取成本。所以北极星指标是：CAC＜CLV注：CAC（Customer Aqusition Cost）客户获取成本CLV (Customer Lifetime Value) 客户终生价值在线教育行业，经过这一两年的投资机构疯狂催熟，获客成本进一步水涨船高，猿辅导的一个正价课获客成本甚至高达3000元，这样算下来，除非有非常高的正价课转化率与续费率，否则很难获得盈利。爆发式增长引擎北极星指标：病毒系数K
裂变运营活动，话题性事件等都属于爆发式增长引擎。例如砍价、拼团、瓜分红包、双11电商促销活动、美国大选等等。这类产品的业务逻辑就是短时间内是否能迅速传播，因为时效性强，一般过了48~72小时活动就不再有效了。此类产品的北极星指标是病毒系数K（ K=I * Conv=分布密度×感染强度）只有当K>1时，裂变才能进行下去。注：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，反映了感染强度这些年最成功的几个裂变运营活动当属花小猪和微粒贷。从获知的数据推算，K值应该在3.6以上，也就是说平均一个用户带来了3~4个新用户。这就是病毒传播的魔力。
其他业务形态北极星指标：简单指标&复合指标业务不属于以上的任何一种，这种情况下一些简单指标，例如：页面PV\UV、登录用户量、页面停留时长、活跃用户数等，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这些复合指标能一眼就观察到产品的用户真实情况。当然，大部分的产品都是以上各个业务形态的合集，针对产品的不同模块，可以监控不同的北极星指标。并且，随着产品的不断发展北极星指标也需要跟着一起变化。例如：爱奇艺，在很早的时候北极星指标应该是用户的留存和平均访问时长；但是现在业务规模发展壮大了，北极星指标应该是付费用户数与营业额了。2.2 第二步：提出假说当我们感知到了产品出了问题，但原因可能是什么？这个时候就需要针对现象来提出假设了。我推荐以下两种方法：方法1：归纳式，就是根据个案进行总结。例如一个知识付费产品用户的付费问题：团队可以一起头脑风暴，提出各种可能的因素；也可以对分层的用户进行抽样深读访谈，了解他们不使用或继续用下去的原因及看法；然后来归纳验证。
方法2：演绎式，就是根据模型进行推演。例如：针对部分用户在打开app后跳出的问题，可以根据对用户行为模型进行拆解，而拆解的有效与否，其实就是对用户行为的理解，用户的行为模型多少有关。
提出假说，是一个思维发散的过程，此时不拒绝任何可能性。在这个过程中，补充各个维度的思考是非常有必要的。2.3 第三步：选择表征有哪些证据可以证明以上问题？到这一步，丽莎阿姨要送给你的一句话：If you can’t measure it, you can’t improve it.（不可被数据量化，就不无法证明其好坏。）经常有产品经理会这样描述情况：反馈这个问题的用户挺多的，所以我们就做了这个XXX功能。然后我都会追问几句：挺多的是多少？这部分用户占你全量用户的多少？“挺多的”这部分用户他们是你的核心用户吗？所以…作为一个逻辑清晰的产品经理，讲数据的时候请用量化的语言准确的描述，好吗？拉钩钩…在选择数据表征时，有一些注意事项：选择的数据表征能够充分代表提出的假说的内涵；选择的数据尽量是用户客观行为数据而非主观态度数据；选择的数据是有被记录或比较容易获取。仍然沿用前面的例子：
这样下来，数据分析思维的前三步就被很好的建立起来了。2.4 第四步：收集数据从感知问题、到假设原因再到选择表征，接下来就是收集数据了。这一步可以说是数据分析里面最不需要动脑子的一步，产品只要有基础数据平台，就很容易获取到基础数据。
