作者 | 陈明，GrowingIO联合创始人&运营副总裁。毕业于斯坦福大学，先后就职于eBay、LinkedIn数据分析部门，有丰富的商务分析经验。

　　来源 | GrowingIO 2017年第3期电子书《产品经理数据分析手册 | 能力升级必备》

　　免费下载电子书：

　　随着人口和流量红利的下降，互联网行业必然会朝着精益化运营的方向发展。数据分析在很多互联网人的工作中越发显得重要，而对于产品经理来说，更是如此。本文将为产品经理介绍数据分析的基本思路，并基于此，衍生出 2 个常见方法和 7 个应用手段，希望在数据分析的实际应用中能给大家带来帮助。

　　数据分析应该以业务场景为起始思考点，以业务决策作为终点。

　　基本思路为 5 步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。

　　接下来我们用一个案例来具体说明这5步思路：

　　某国内 P2P 借贷类网站，市场部在百度和 hao123 上都有持续的广告投放，吸引网页端流量；最近内部同事建议尝试投放 Google 的 SEM；另外，也需要评估是否加入金山网络联盟进行深度广告投放。在这种多渠道的投放场景下，atv，产品经理该如何进行深度决策？

　　1.挖掘业务含义

　　首先要了解市场部想优化什么，并以此为核心的 KPI 去衡量。

　　渠道效果的评估，最重要的是业务转化：对P2P类网站来说，是否『发起借贷』远远比『用户数量』重要。

　　所以无论是 Google 还是金山渠道，都要根据用户群体的不同，优化相应用户的落地页，提升转化。

　　2.制定分析计划

　　以『发起借贷』为核心转化点，分配一定的预算进行流量测试，开奖，观察对比注册数量及 ROI 效果，可以持续观察这部分用户的后续价值。

　　3.拆分查询数据

　　根据各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单类型数据，进行用户分群。

　　4.提炼业务洞察

　　在不同渠道进行投放时，要根据 KPI 的变化，推测业务含义。比如谷歌渠道的效果不好，可能因为谷歌大部分的流量在海外，可能会造成转化率低。而金山网络联盟有很多展示位置，要持续监测不同位置的效果，做出最后判断。

　　5.产出商业决策

　　最后根据数据洞察，指导渠道的投放决策制。比如停止谷歌渠道的投放，继续跟进金山网络联盟进行评估，而落地页要根据数据指标持续地进行优化。

　　内外因素分解法是把问题拆成四部分，包括内部因素、外部因素、可控和不可控，然后再一步步解决每一个问题。

　　案例：

　　社交招聘类网站，一般分为求职者端和企业端，向企业端收费方式之一是购买职位的广告位。业务端人员发现『发布职位』数量在过去的6个月里有缓慢下降的趋势。对于这类某一数据下降的问题，从产品经理的角度来说，可以如何拆解？根据内外因素分解法，『内部可控因素』：产品近期上线更新、市场投放渠道变化、产品粘性、新老用户留存问题、核心目标的转化；

　　『外部可控因素』：市场竞争对手近期行为、用户使用习惯的变化、招聘需求随时间的变化；

　　『内部不可控因素』：产品策略（移动端/PC端）、公司整体战略、公司客户群定位（比如只做医疗行业招聘）；

　　『外部不可控因素』：互联网招聘行业趋势、整体经济形势、季节性变化；

　　DOSS 是从一个具体问题拆分到整体影响，从单一的解决方案找到一个规模化解决方案的方式。

　　案例：