數據分析的方法都是一致的，只是在不同行業和領域中，執行細節會有所差別。本文以海外產品運營為例，通過案例為我們講解在該行業中，執行的細節有那些不一樣。

上一篇內容簡單說明了如何在渠道、網站以及客戶端進行信息收集，在正確地收集到盡可能全面的信息后，我們就需要開始進行數據分析的工作了。

個人覺得這部分工作是真正運營工作的出發點，通過整合并清洗信息收集回來的內容，逐步梳理相關數據，抽絲剝繭，基于產品運營人對于負責業務的理解和掌握，一步步地從這些將冷冰冰的數據抽象出不同的具象化的鮮活用戶群體，以提供至后續的運營方案制定中。

一、數據分析

因為數據分析是從數據中抽象出具象的用戶群體，所以是通過一種“哲學”角度來完成它。

即：方法論與實踐相結合。通過整體把控數據分析的方法來指導數據分析的實踐，而在實踐中遇到的各種各樣的情況又可以方向幫助我們不斷完善方法論。

二、方法論

1. 知微見著

知微見著：比喻知道一個小小的細節就繼續琢磨，洞曉大的影響或結果；見到事情的苗頭，就能知道它的實質和發展趨勢。

這是一種從小見大的分析方式，操作的方法是在掌握了個體的詳細情況后，根據其中的某一個特性，逐步地擴大排查范圍，驗證個體是否具有代表性，個體的情況是否代表了某一個群體的情況。

2. 層層分剝

如果說知微見著是由小到大，那么層層分剝就是由大到小。

通過整體數據上出現的異常波動，一層一層地向下分剝，尋找到造成數據波動的關鍵點，并以此為基礎，將當前用戶進行歸類。

三、實踐

1. 原則

有了以上的兩種方法，實踐中我們還要特別注意幾個點：首先，不管我們采用的方法是由小到大還是由大到小，我們始終遵循著點—線—面的原則。

其次，如何理解點線面？

• 點：點作為最基礎的單元，可以代表用戶，但絕對不是只能代表用戶，點可以是某個用戶，也可以是某個功能，同樣可以是某個渠道。
• 線：將找到的點連通可以成為線，抓住一個點帶出上下游也可以成為線。線存在著兩種形態，一條線是交互流水線，是用戶在程序中如何進行交互和操作的線，記錄了用戶在程序中的真實軌跡，通過對用戶交互流程的觀察，我們可以了解很多信息。另一條線是需求貫穿線，或者說是產品設計解決需求的理想線路，體現的是產品設計者認為的貫穿了用戶為解決需求而進行操作的線路，將用戶實際操作的交互流水線與產品設計者設計的需求貫穿線疊加在一起，就會很容易暴露出產品設計有哪些缺陷或者還有哪些功能和交互需要進行調整。
• 面：與其說是面，不如說是“群體”或者“類別”。在抓住了點，順出了線之后，我們需要觀察用戶的“橫軸”，明確用戶還有哪些其他屬性，比如最常見的國家/地區和語言。也正是在“面”這個環節上，才能夠將一串串的數據抽象為不同的用戶群體，這個將將數據抽象為用戶群體的過程其實也就是用戶畫像確立和用戶細分形成的過程。

2. 實踐舉例

例子1：舉個例子，在互聯網時代的“上古時期”，各在線視頻網站并沒有提供視頻合集的功能，這就導致用戶在觀看連續劇或追番的過程中非常痛苦——如果能夠找到一個按順序上傳視頻的博主到還好，但如果這個博主在上傳視頻時并沒有按照順序的命名規則或者在觀看到中間某一集時忽然沒有資源了，用戶必須要重新到網站上進行搜索。當時經常會出現搜一集看一集的情況。

如此，在個體觀察中頻繁地發現“搜索”功能使用次數很高，那就需要判斷，這是否與設計好的用戶解決需求的線路一致，抓住這個異常的點，觀察用戶的交互流程線和產品設計的需求貫穿線，產品設計的預期情況是用戶通過搜索進入播放頁面后保持對播放頁面的關注，盡量避免其它信息對用戶的干擾。

而實際上用戶在交互操作線中體現的實際情況并非如此。

用戶從搜索框到達播放頁面，仍然在播放頁面中繼續高頻使用了搜索框。由此可以確定，產品設計的交互線路出現了問題。而這個問題會影響哪些用戶呢？可以使用擴大用戶標簽的方式來逐步擴大需要排查的用戶范圍，比如，追劇的用戶、追番的用戶、看電影的用戶、看綜藝的用戶，等等。

通過逐步地排查我們就會發現，追劇、追番以及看綜藝的用戶會存在大量類似的情況。以此為前提，我們首先要理解用戶為什么這樣做。在確定了用戶需要連續的劇集播放這個原因之后，產品運營就需要做些什么了：我們可以和產品經理溝通增加新的需求，或者針對這類用戶提供新的運營策略。

例子2：同樣的，在一些工具類軟件中也有著類似的情況，之前我經歷過的某數據同步產品中，但是在階段性總結的過程中發現，同步功能的使用率這項指標非常不健康，存在明顯異常。

既然是從整體出發，那么需要層層分剝來確定，問題到底出在哪。

首先從海外產品運營最常用的標簽：用戶語言入手，根據用戶語言進行排查，發現只有英語用戶存在這種情況；然后通過用戶的來源渠道進行了排查，發現僅在通過搜索引擎到達網站的用戶具有這個特點。

接著再進行細化排查，發現這些用戶幾乎來自同一類關鍵詞的文章，而這類關鍵詞與同步這項功能的關聯很弱，主要描寫的是程序中的一個免費功能。

當時通過這個免費功能進入程序的用戶既拉低了產品的轉化率，同時也沒有被很好地利用起來，白白浪費了流量。在明確了異常點之后，我們進行了綜合判斷并采取了有效的措施，將這項免費功能分離出去，并在兩款產品中分別開始了針對不同用戶群體的運營和維護。

以上就是我在工作中進行數據分析時使用的方法了，在完成了數據分析后，下次更新就需要對分析之后出現的異常情況進行判斷，并開始進行具有針對性的產品設計了。