產品分析是為了更好地改進產品、實現產品價值，分析師圍繞產品功能上線、迭代所做的包括流程梳理、指標監控、問題診斷、決策支援和效果評估的分析行為。

資料分析有三大場景：經營分析、運營分析、產品分析，本文主要介紹這三大場景之一的運營分析。產品分析可以判斷產品是否存在問題，定位問題出在哪，確定如何最佳化，更好地改進產品、實現產品價值。

產品分析核心的內容如下圖：

01 產品分析的作用

產品上線或迭代時，都需要用到產品分析，產品分析的具體作用可以從下面幾點去理解：

**對競品功能的量化分析：**新上線產品與成熟競品點選率做對比,如果持平說明產品較好。
**對新功能上線的效果測試：**產品上線前選取一定的流量做灰度測試，如果對使用者活躍度沒有起到促進作用，就不上線產品。
**對資料的異常波動進行監測診斷：**產品表現差找到對應的原因，比如註冊轉化率下降是因為使用者流失率上升和平均停留時長下降。
**對產品功能效果進行監控：**新功能上線的效果評估，比如打卡功能的目標是提升活躍度，從資料來看，使用者增長不明顯，但是使用者停留時長增加，說明有增加使用者粘性的作用，要放在更突出的位置。

產品分析對於更好的實現產品價值以及滿足使用者的需求至關重要，我們還需要了解產品分析的資料是什麼？以及產品分析資料的來源有哪些？

產品分析的資料：產品和使用者之間的互動所產生的資料，比如註冊、點選、停留。

產品分析的資料來源：

向工程師提埋點的需求（app/Web段）
艾瑞諮詢、谷歌分析、上市公司財報
競品內部資料、競品爬蟲資料

02 產品分析的常見指標

產品分析關注的指標主要分為使用者瀏覽和使用者使用這兩大類。

1）使用者瀏覽涉及到的指標有：

2）使用者使用涉及到的指標有：

產品分析關鍵指標主要包含：PV、UV、轉化率、停留時長、跳出率。

**PV(Page View,瀏覽量）：**是指在一個統計週期內，瀏覽頁面的數之和（只統計次數，不統計人數）。
**UV(Unique Visitor,訪客量）：**是指在一個統計週期內，訪問頁面的人數之和（統計人數，即去重次數）。
**轉化率：**是指成功達到下一步的人數/總參與人數的比率,常見的轉化率有註冊轉化率、付費轉化率。
**停留時長：**是指該產品的從開啟到關閉的整體時長。
**跳出率：**未能順利完成後跳轉行為的資料和總參與人數的比率，就是跳出率，對應的是轉化率，1-轉化率=跳出率。

03 不同生命週期的產品分析工作

從產品生命週期來看產品分析的工作，處在不同生命週期的階段，產品分析的關注也不同。產品生命週期如下圖：

產品分析涉及到的分析全流程是：競品分析、新功能上線指標監測體系搭建、功能測試（A/B測試）、功能上線&效果跟蹤。那麼從產品生命週期來看產品分析的主要工作如下圖：

04 產品的全流程分析

產品的全流程分析是：競品分析、新功能上線指標監測體系搭建、功能測試（A/B測試）、功能上線&效果跟蹤。

競品分析

**定義：**對現有或潛在競爭對手的產品進行分析比較
為什麼要做競品分析？
從量化能力出發，透過優劣勢分析來最佳化和提升產品功能
如何做產品分析？
產品分析的競品分析：功能點+量化資料+對比後的差異
流程：明確目的 — 選擇產品 — 體驗產品 — 分析產品 — 結論 — 撰寫報告

產品新功能上線指標監測體系搭建

確認產品功能核心目標——梳理產品使用路徑——監測指標確認

和產品經理確認產品功能核心目標
看產品的PRD文件（主要看使用者路徑），自己體驗（為了確定具體對用哪些指標)
指標梳理，和產品經理確認梳理的流程和指標是不是對方想要的

案例：某商戶平臺註冊流程最佳化
某商戶註冊轉化偏低，之前的流程沒有監測指標，現在需要分析師幫助產品經理搭建指標監控體系。

原先的商戶註冊流程：登入總帳號 — 新增子賬號 — 定義子賬號名稱、角色、許可權 — 提交生成許可權碼 — 返回平臺登入頁，點選子賬號啟用 — 輸入許可權碼，確認商戶資訊 — 選擇手機號或郵箱登入 — 獲取手機驗證碼或郵箱驗證碼連結 — 完成驗證，設定子賬號登入密碼 — 成功登入
最佳化後的商戶註冊流程：登入總賬號 — 新增子賬號 — 定義子賬號名稱、登入手機 — 返回平臺登入，輸入手機號，簡訊驗證 — 成功登入

分析師的任務：針對改版後的流程搭建指標監測體系

先確定核心目標，然後梳理路徑

產品功能核心目標：子賬號註冊轉化率
產品使用路徑：登入總賬號 — 新增子賬號 — 定義子賬號名稱、登入手機 — 返回平臺登入，輸入手機號，簡訊驗證 — 成功登入
對應指標：（登入總賬號使用者數） — 新增子賬號UV — 頁面訪問UV — 輸入驗證碼UV — 子賬號成功登入UV

指標體系對應如下：

監測指標=核心目標+流程指標

功能測試：A/B測試

目的：驗證一個新的產品互動設計、產品功能或者策略、演演算法的效果
實驗設計：同一時間段內，給多組使用者分別展示最佳化前（對照組）和最佳化後（實驗組）的產品
結果分析與結論：透過實驗組和對照組關鍵指標的資料分析，得出效果是否符合預期的結論

A/B測試有什麼特點？

a. 預測性 — 使用者流量是按預測全量上線效果
b. 並行性 — 可以兩個或多個版本同時線上，實驗組可以不止一個
c. 科學性 — 科學抽樣，假設檢驗&定量評估

為什麼要用A/B測試？

a. 科學的檢驗一個新產品或功能的好壞
b. 精細化運營的必備手段：最佳化轉化率、產品迭代

功能上線&效果跟蹤

產品功能透過測試，達到預期目標後可直接上線，但是實際效果好壞需要透過效果跟蹤才可清晰掌握，包括三個方面:轉化漏斗分析、頁面跳轉路徑分析、使用者行為路徑分析。

轉化漏斗分析：一條路徑找原因，通常是在流程已知的情況下監測或分析該流程當中結果資料下降/上漲的原因
頁面跳轉路徑分析：已知結果查路徑，通常是某一資料下降/上漲，但是產生該資料結果的方法有很多種，此時需要全部拎出來逐一分析。
使用者行為路徑分析：頁面路徑看使用者，通常是透過產品原有設計的流程無法分析出結果，此時需要透過產品中使用者的實際使用來探究方法和規律。

轉化漏斗分析
在分析轉化率的時候，透過漏斗的方式將整體流程拆解為一個個步驟，藉此發現轉化率的變化原因的分析方法。

案例：京東註冊流程
整個註冊流程，下一步總比上一步人數少，可以看作一個漏斗。例如京東註冊人數環比上週減少了2400人，經確認下載app的使用者量基本一致，說明註冊轉化率下降了。
為什麼註冊轉化率下降了？點選註冊 — — 註冊成功？

結論：安全驗證環節的跳轉率降低了

頁面跳轉路徑分析

根據想要監控/分析的指標，從產品流程設計角度梳理有關該指標的所有路徑，針對所有路徑下各步驟的指標資料展開的分析。

如何進行頁面跳轉路徑分析？
核心監控指標 — — 產品PRD檔案 — — 監控報表 — — 量級和比例

案例：某電商平臺功能指標異常波動
某電商平臺新上線了一個“優惠券可疊加使用”的功能，但是功能上線一段時間後，發現優惠券領取率逐漸下降。

找到核心監控/分析的指標 — — 優惠券領取率
結合產品PRD檔案，篩選出和核心指標監控一切相關的現有流程 — — 經和產品經理確認，可領取優惠券的流程
從流程的每個步驟中找到對應的指標 — — 如已有報表，則直接使用
求出監測時間段的每個流程對應的數情況，即可找到指標異常的原因
產品注重的是轉化率，要注意區分不同流程的數量級

由以上五步分析，得到結論

使用者行為路徑分析
由產品功能視角跳轉到使用者使用視角，觀察原有設計流程和實際使用流程有何差異

使用者行為路徑分析 VS 頁面跳轉路徑分析

同：都是产品分析的方式，和用户使用都有关
異：
a.使用者行為路徑分析 — — 探索性的，挖掘使用者行為路徑，找出主流路徑；可能發現某些事先不為人知的有趣路徑
b.頁面跳轉路徑分析 — — 事先的、人為的；主動設定了若干個關鍵事件節點路徑

為什麼做使用者行為路徑分析？
產品問題的專項分析 — — 通常我們會透過漏斗分析、頁面跳轉分析來尋找原因，當上述分析無法解決問題時，就需要做使用者行為路徑分析。

產品分析的重要手段 — — 產品講究“以人為本”，這裡的“人”就是使用者，觀察使用者的實際使用習慣，便於分析師和產品經理發現使用者在產品使用中的真實訴求。

如何進行使用者行為路徑分析？

第一步：確認人群 — — 尋找問題點，對應的最終步驟的使用者群
第一步：回溯步驟 — — 尋找該部分人群產生該行為的上一步流程
第三步：繼續上鑽 — — 直到可追溯到正常頁面跳轉路徑
第四步：評估分析 — — 確定每個路徑對應實際資料情況來分析解決問題