数据分析的“深度不够”是产品失败的重要原因——大多数企业搭建的数据分析平台只能看一些统计指标——而这不足以指导产品改进和促进销售。
产品数据分析的三个层次
对产品用户和行为数据的研究大致可以分为三个层次:宏观层次、微观层次和中观层次。
1。宏层
由一系列数据指标组成。比如日活跃用户数、新增用户数、订单数、点赞数和点赞数、次日或7日留存率等。，这些指标可以帮助你从整体上把握产品的运行状态；
2。微观层
由每个用户及其在产品中的行为的详细数据组成。比如每个用户的年龄和性别……，他什么时候打开的应用，他做了什么，他的购物车里有什么商品等等。这些数据可以帮助你深入了解和理解每个用户及其行为？
3。中间层
中间层由一系列相互关联的分析方法、模型和相应的数据组成。比如行为分析、漏斗、留存、细分、形象洞察等等。
决定成败的“中间层”
“中间层”是最重要的一层-对你的产品和业务目标的大部分分析都需要在中间层方法模型的支持下完成。这是因为:
宏观层的数据指标过于概括，虽然可以帮您了解产品的整体状况，却很难基于这些指标直接构建出切实的产品改进策略 而微观层的行为的数据量实在太大，海量细节让人无从下手。
如果中间层能够基于丰富的维度提供有效的方法和模型，你就有机会一步一步向下钻取有问题的宏观数据指标，逐步缩小问题的范围和人群，甚至可以洞察微观层面的相关用户和行为，直到你对问题的原因有了清晰的认识(或有效的猜测)——然后构建产品改进策略，逐步改进产品。
相反，如果中间层缺失，或者提供的方法模型无法支持你充分分析问题指标，你就只能回到“看着数据一头雾水”的老路上去，产品快速成长并最终成功的几率就会降低。以一个假想的“视频分享社区”产品为例:
1。发现的问题
数据显示，该产品运营负责人发现，只有20%的新用户在注册第二天进行了回访(“宏观层面”指标“次日留存率”较低)。
2。深入分析
接下来，她将某一天的新增用户分为两组，即“第二天回访的用户”和“第二天不回访的用户”(中间阶层)，从多个维度(中间阶层细分、群体画像、行为分析等方法)对这两组用户进行分析比较，发现这两组用户的一个典型区别是:
「回访的用户」往往在首次使用时就「拍摄了至少1段视频」并且「微信朋友圈」 而「不回访的用户」大多在首次使用时「没有拍摄视频」或「没有朋友圈」基于以上差异，运营负责人大胆猜测，第一次使用时的“拍摄分享”会影响第二天及以后的留存率。
于是，她进一步从两个群体中各选取少量用户，查看他们的行为记录(微级别用户和行为细节)，发现第一次“拍摄和分享视频”的用户，在朋友圈收到好友的评论时，往往会返回应用，以便查看或回复评论。而且，获得更多评论的用户很快就会“拍新视频”，而“不拍不分享视频”的用户则有相反的情况，运营负责人的想法被这些详实的数据所验证。
3。改进的产品得到推广
运营经理与产品经理和其他团队成员交流了她的发现，并得到了认可。
基于这一发现，我们对产品本身做了更深入的分析，并选取了部分用户进行电话调研。然后，每个人都制定了改进产品的策略:
第一步：对产品本身进行优化改进，引导和鼓励用户在首次使用时完成视频拍摄和分享。新版本发布后，新增用户的次日留存率很快上升到50% 第二步：组织「最佳微视频评选」、「搞笑视频评选」等一系列活动，刺激视频的拍摄和传播互动。随着活动的进行，新增用户数量和次日留存率又有了进一步的提升，并且老用户的活跃度也不断增长。4。收获结果
随着产品用户的快速增长，产品团队负责人迅速与投资人敲定了新一轮融资，产品获得成功...宏观层面的指标相对容易得到。数据分析成功的关键是选择或构建合适的分析工具来“解锁”中间层和微观层！
