一個產品，如果你不能衡量它，你就不能了解它，自然而然，你就無法改進它。數據說到底，就是這樣一個工具——通過數據，我們可以衡量產品，可以了解產品，可以在數據驅動下改進產品。

數據分析和數據處理本身是一個非常大的領域，這里主要總結一些我個人覺得比較基礎且實用的部分，在日常產品工作中可以發揮比較大作用。本期主要討論一些數據分析的三個常用方法：

• 數據趨勢分析
• 數據對比分析
• 數據細分分析

1. 數據趨勢分析

趨勢分析一般而言，適用于產品核心指標的長期跟蹤，比如，點擊率，GMV，活躍用戶數等。做出簡單的數據趨勢圖，并不算是趨勢分析，趨勢分析更多的是需要明確數據的變化，以及對變化原因進行分析。

趨勢分析，最好的產出是比值。在趨勢分析的時候需要明確幾個概念：環比，同比，定基比。環比是指，是本期統計數據與上期比較，例如2017年2月份與2017年1月份相比較，環比可以知道最近的變化趨勢，但是會有些季節性差異。為了消除季節差異，于是有了同比的概念，例如2017年2月份和2016年2月份進行比較。定基比更好理解，就是和某個基點進行比較，比如2016年1月作為基點，定基比則為2017年2月和2016年1月進行比較。

比如：2017年2月份某APP月活躍用戶數我2000萬，相比1月份，環比增加2%，相比去年2月份，同比增長20%。

趨勢分析另一個核心目的則是對趨勢做出解釋，對于趨勢線中明顯的拐點，發生了什么事情要給出合理的解釋，無論是外部原因還是內部原因。

2. 數據對比分析

數據的趨勢變化獨立的看，其實很多情況下并不能說明問題，比如如果一個企業盈利增長10%，我們并無法判斷這個企業的好壞，如果這個企業所處行業的其他企業普遍為負增長，則5%很多，如果行業其他企業增長平均為50%，則這是一個很差的數據。

對比分析，就是給孤立的數據一個合理的參考系，否則孤立的數據毫無意義。

一般而言，對比的數據是數據的基本面，比如行業的情況，全站的情況等。有的時候，在產品迭代測試的時候，為了增加說服力，會人為的設置對比的基準。也就是A/B test。

比較試驗最關鍵的是A/B兩組只保持單一變量，其他條件保持一致。比如測試首頁改版的效果，就需要保持A/B兩組用戶質量保持相同，上線時間保持相同，來源渠道相同等。只有這樣才能得到比較有說服力的數據。

3. 數據細分分析

在得到一些初步結論的時候，需要進一步地細拆，因為在一些綜合指標的使用過程中，會抹殺一些關鍵的數據細節，而指標本身的變化，也需要分析變化產生的原因。這里的細分一定要進行多維度的細拆。常見的拆分方法包括：

• 分時：不同時間短數據是否有變化。
• 分渠道：不同來源的流量或者產品是否有變化。
• 分用戶：新注冊用戶和老用戶相比是否有差異，高等級用戶和低等級用戶相比是否有差異。
• 分地區：不同地區的數據是否有變化。
• 組成拆分：比如搜索由搜索詞組成，可以拆分不同搜索詞；店鋪流量由不用店鋪產生，可以分拆不同的店鋪。

細分分析是一個非常重要的手段，多問一些為什么，才是得到結論的關鍵，而一步一步拆分，就是在不斷問為什么的過程。

4. 小結

趨勢，對比，細分，基本包含了數據分析最基礎的部分。無論是數據核實，還是數據分析，都需要不斷地找趨勢，做對比，做細分，才能得到最終有效的結論。

那么，怎么使用這些數據分析技巧，形成一個完整的數據分析報告？歡迎收看下期。

參考資料：

王彥平 吳盛峰《網站分析實戰：如何以數據驅動決策，提升網站價值》

#專欄作家#

潘一鳴，人人都是產品經理專欄作家，THU/PM，知乎專欄：產品邏輯之美

本文原創發布于人人都是產品經理。未經許可，禁止轉載。