本篇文章分為兩個部分，第一部分介紹產品數據分析中最基礎的兩個分析模型；第二部分結合案例來談談這些模型在實戰中要注意的關鍵點。

模型一：漏斗模型

第一個我們要介紹的模型是漏斗模型，所為漏斗模型其最早起源是從傳統行業的營銷商業活動中演變而來的，它是一套流程式數據分析方法。

漏斗模型框架是什么？

它的主要模型框架：通過檢測目標流程中起點（用戶進入），到最后完成目標動作。這其中經歷過的每個節點的用戶量與留存量，來考核每個節點的好壞，來找到最需要優化的節點?？梢哉f漏斗模型是用戶行為狀態以及從起點到終點各階段用戶轉化率情況的重要分析模型。

實戰案例

在這之前我們要先說一個前提：所有漏斗模型的建立一定要是在產品的主流程之上，只有這樣數據量才會有足夠大樣本性。

讓我們拿一個電商中從進入網站到購買的過程漏斗數據集來看，如下：

圖1. 購買過程數據漏斗

在第一步我們要先明確我們的目標：分析用戶從進入網站到最終轉化購買這個過程中，用戶從進入以及到最終實現目標的各個環節的轉化率，并最終找到這個路徑中用戶流失最多的環節。

根據這個目標我們在上面的例子中，可以直觀的看到這樣的一個事實：用戶從網站首頁到商品詳情頁的這一環節轉化率相對于其他環節是最低的。

好，那到這我們就算分析完畢了嗎？找到產品的癥結所在了嗎？顯然，答案是否定。

談到漏斗模型的轉化率這里就有兩個實戰中關注點是需要注意的：

1. 最重要一點數據怎么看？

我們不能說某個環節的轉化率最低，就一定是某一個環節出現了問題，比如上面的例子，在訪客進入到商品瀏覽這個流程中，其轉化率有90%是所有環節中最高的。

但是這能說明什么呢？假設上個月這個環節是100%，那這里反而成為產品此時最大的問題所在。此外如果和同行業比的話，發現行業同類產品的這個環節平均轉化率是95%，那還是說明這個階段不是足夠好的。

這就是說在我們拿到數據后，要按照一定的對比維度去進行分析，得到的結果才是有意義的。

總結來說，在漏斗模型建立完成后，我們對數據要從如下三個維度去進行分析：

• 縱向對比：也就是讓產品與自己歷史同期進行對比，這種對比適用于對某一流程或其中某個步驟進行改進或優化的效果監控；
• 橫向對比：通過將本產品的同一流程轉化率在競品中進行橫向對比，定位自身產品出現的問題；
• 來源分類：細分來源或不同的客戶類型在轉化率上的表現，從而完成客戶群體劃分。在日常分析中我們通常用于網站廣告或推廣的效果的評價。

大家可以根據自己的需要去挑選維度來分析。

2. 漏斗模型的漏斗顆粒度定義

在實際的場景中同一款產品會有各種各樣的用戶類型，比如用戶來自于不同的區域、不同的生命周期、不同的性別，不同的年齡，他們在漏斗中的表現都是不一樣的，也就造成了在用戶漏斗中的轉化率往往是有很大的差異的，因此我們需要將不同的人群拆分成一個個小的漏斗去逐一分析，一點點去分析結果。

讓我們再總結一下所謂漏斗模型將任意產品流程抽象成一個個的關鍵步驟，如案例中的購物流程。然后用轉化率來衡量每一個步驟的表現，最后通過異常的數據指標找出有問題的環節。從而解決問題優化該步驟，最終達到提升轉化率的目的。

用一句話來說漏斗模型的核心思想就是分解和歸類量化。

在定位了產品出現問題的環節后，接下來讓我們來看看，如何具體定位指標。

模型二：杜邦分析模型

讓我們先來看下百科中的定義

“杜邦分析法（DuPont Analysis）是利用幾種主要的財務比率之間的關系來綜合地分析企業的財務狀況。具體來說，它是一種用來評價公司贏利能力和股東權益回報水平，從財務角度評價企業績效的一種經典方法。其基本思想是將企業凈資產收益率逐級分解為多項財務比率乘積，這樣有助于深入分析比較企業經營業績?！?/p>

其實說白了就是將指標進行肢解，將大指標拆分成若干個底層應用中直接觸達的動作。

如果用一張圖來表示，就是如下：

圖2. 杜邦分析核心模式

一般的我們將指標分為如下三個角色：

1. 核心指標
2. 子指標（若干層級）
3. 孫代指標（讓抽象的指標與APP中動作進行關聯上的指標）
4. 那為什么要這么做呢？直接看指標不行嗎？

其實是這樣的產品本身涉及到的各種指標類型非常的多，但產品經理無法對這些指標面面俱到。往往此時產品經理只能去關注本業務核心指標，而這些指標已經遠遠脫離了現實APP中可以直觀感受到的部分。

舉例來說，當我們討論銷售額的時候討論的是什么？這不是一句俏皮話，這是一個現實的問題。如果直接談銷售額我們很難有直觀感受，但往往通過指標拆分后，我們拿到的結果告訴我們銷售額其就是一個產品中支付界面的流程或者投放中產品觸達的最優組合。

正是因為存在如此大的抽象層級差距，也就導致了在我們看到產品核心指標（注意一定要監控產品業務核心指標，而不是籠統的DAU等數據，如果對這個概念不太理解可以去我的主頁看我本系列的第一篇文章）發生變化的時候，很難清楚到底是什么原因導致本指標的上升或下降呢？

拿一個電商的產品案例來說，對于電商類的產品來說核心指標就是成交金額。

而當我們發現在我們某次日常運營活動投放后，產品的成交金額不增反而出現了下跌，這個時候問題就出現了到底是什么讓我們的產品出現這樣的問題了呢？

那么這個時候就需要通過杜邦分析模型來尋找答案了。

首先我們將電商成交額做如下拆分：

• 核心指標拆分：銷售額 = 付費人數 * 客單價
• 子指標拆分：付費人數 = UV * 付費轉化率
• 孫代指標拆分：

圖3. UV拆分結果（在新標簽頁中打開即可查看大圖）

我們拿此處UV的例子來看，經過層層拆分，我們看到了最后和產品相關的是我們本次活動用戶步驟與步驟獎勵數這兩個指標。

因此我們就可以根據如上的圖中的指標去看數據來一步步尋找產品的問題；

我們拿到的數據如下：

Part 1. 核心指標：

從這我們就能看到核心指標中付費人數出現了問題，那么我們就找到了入手調查的地方，讓我們繼續拆分付費人數這個指標。

Part 2. 子指標拆分：

在付費轉化率幾乎沒有變化的情況下，UV就成了這最大的問題。

Part 3. 孫代指標拆分：

Part N. 中間省去若干個孫代指標的最終對比

那么在這我們就能清楚的看到了，由于我們本次的活動要求用戶過多，長達7步導致了用戶很多程度下不愿意參與本活動，導致了流失與交易金額的下降。

到這我們產品的解決方案也就出來了需要對活動進行修改，減少活動用戶步驟或者增大獎勵。

最后

以上是我們數據分析中最常用的兩個分析模型，用好這兩個完全可以解決日常工作中大多數數據決策問題。當然數據分析這里還有很多其它的數據分析方法，我會在本系列后面的文章中一一介紹，感興趣的大家可以關注期待。

相關閱讀

千萬日活級產品人必備（一）：數據監控后臺之數據指標怎么選？

作者：三爺，多年互聯網名企經歷，前MBA特約講師

本文由 @三爺 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖依舊來自 Pexels，基于 CC0 協議