大家好，又是一年高考時，一屆祖國的花朵畢業了。作為曾經參與過高考的前輩，王小明回顧了自己的經歷。
高考考分沒過線，第一志願悲慘落榜；
調劑到統計學專業，數學還很廢；
大學辛苦突擊四年，三線城市找不到工作；
北漂創業互聯網公司，居然是產品團隊“第一人”。
作為一個學統計的產品汪，數據驅動產品的意識一定要溜得飛起，才能喪中求穩，走向人生巔峰。數據驅動產品口號高呼，可是如何培養數據敏感性？如何才能構建基礎數據分析思維？王小明學習瞭如下的思想。
學前階段——要分析什麼
如果問到產品經理是做什麼的，相信不同人理解大同小異，最終都指向同一個方向：瞭解用戶想要什麼，知道自己要做什麼，把它做出來。但是如果問到產品經理要分析什麼，答案就五花八門。
這不奇怪，因為不同的用戶需求會呈現為不同的數據分佈，而一個產品經理的數據思維就是將用戶虛無縹緲的需求落地生根，轉變為可以量化的指標，讓目標更好地落地。所以問自己要分析什麼，不如先做個需求分析。
梳理需求推薦兩種方式：
1. 根據增長模型 AARRR，確定各階段需求，將用戶行為對號入座。週五話分析 | 方法論難落地？來個量身定製版本吧（AARRR模型）
2. 根據自身業務線進行需求劃分。
小學啟蒙——需要哪些數據
根據前文的梳理需求結果，可以得出一個滿足自身產品線的模型，產品經理和運營同學一起進行用戶行為設計和指標梳理，因為很多指標雙方可以交叉使用。
產品人員在明確要分析什麼時，已經梳理了業務流程，抽出主要路徑搭建模型。此時需要梳理事件，為各事件添加相應分析維度。維度即為看事情的角度，也可以理解為後續可以從哪幾方面分析用戶行為。維度的細分是數據分析的重要一環。根據自身業務需求，完善事件設計。
初中積累——數據從哪來
不是每個人都是全能選手，並非每個產品經理都會寫 SQL。數據基礎夯實方能數據分析到位，數據採集是重中之重。產品汪不能把全部身家交給技術小哥哥，要明確數據從哪來。
數據的來源渠道通常有三種：
1. 相關大數據行業機構發佈的行業數據，如 Google Tree 等，主要用於瞭解行業信息和某些競品信息。
2.第三方數據分析工具，如神策分析等，引入已經成熟的數據分析工具，可以精細化分析自身產品，減少時間成本。
3.自建數據平臺，自建數據平臺由企業內部工程師建立，高度貼合產品需求，可以定製功能，數據資源可靠，是一個企業的最佳選擇。
高中深化——如何分析
新用戶有什麼操作？老用戶有沒有流失？用戶畫像是什麼樣子？付費率有多少？跳出率怎麼樣？產品要關注的指標非常豐富，但是要回答這些問題，還需要精準的用戶行為分析。數據驅動產品的內容太過廣泛，簡單舉一個例子說明。
假設某問答社區型產品，發現用戶活躍度不太高，不利於產品體驗和發展，那麼怎麼找到具體問題呢？
產品經理推測可能是用戶留存差，新用戶沒有留存，老用戶也在流失。
可以使用留存分析模型對用戶進行分析。設定初始行為為“註冊”，結束行為為“留言”。可以看到用戶的近幾日留存數據。同理，依照老用戶的規則進行設定，可以看到老用戶的留存數據。（數據均為虛擬 DEMO。）
通過日常指標監測，我們可以對推測進行驗證，發現新用戶的次日留存跌到了 5%，7 日留存只有 3%，這意味著新訪用戶存在大量流失；對實際活躍用戶的流失進行了分析，判斷老用戶沒有大量流失。這個現象展示出了產品的問題是用戶粘性低，也確定了產品近期的第一關鍵指標是次日留存，提供了產品改進的方向：優化用戶留存，提升用戶粘性。
大學昇華——得到的結果怎麼用
剛才的例子已經直觀展示了數據分析對產品優化的作用。對數據的信息挖掘是產品經理工作的重中之重。直觀的數據並不能發揮作用，經過分析後的數據才能反映問題，驅動決策和產品優化。假設上文的案例，由低留存率的數據得出用戶粘性低的結論，從而確定產品改進方向，進行產品迭代和數據監測，進而驗證產品改進效果。
為用戶創造價值，是產品經理的最終目的，而如何讓自己的產品“可用、易用、好用”，則需要數據幫忙。建立嚴謹的數據思維，有助於產品自我驅動，業務精細化。相信已經站在產品門前的你，也能擁有數據分析“套路”。
如果您想了解更多數據分析乾貨，歡迎關注“神策分析”，如果您對我們的產品有興趣，請訪問我們的官網：www.sensorsdata.cn