产品工作中，数据分析也是非常重要的一环，分析完后肯定要产出分析报告的。这篇文章，作者就分享了如何写分析报告的整个过程和方法，供大家参考。

一、前言

不少产品经理，尤其是to c的产品经理，都需要在功能上线后，定期复盘，做相关的数据分析。那么，为什么要做数据分析？原因如下：

1.1 围绕业务：分析本次上线是否符合了业务目标

做任何功能，都会有定量/定性的项目目标/业务目标，这是产品经理的主要目标，通过数据分析，可以知道是否完成了目标？完成的好的原因是什么？如果没完成，是什么原因导致？

这一部分的分析，主要依靠【后端数据库】的数据和【前端埋点】的数据，综合分析得出。

1.2 围绕功能：分析本次产品功能的优劣

分析完业务目标后，作为产品经理，我们也会关注产品功能的易用性，合理性，看看用户经常使用的功能有哪些？哪些地方用户压根不会去点？以及用户使用上的问题等等。

这一部分的分析，主要依靠【前端埋点】的数据，以及一些用研分析得出。

下面我们具体看下如何做数据分析。

二、数据分析基本结构

2.1 不同角色分析视角不同

不同角色对于数据分析的内容有着很大的区别，下图简单举例了一个项目中可能存在的几种角色，以及每种角色看待数据的视角的相同点和不同点。

2.2 产品经理的分析视角

B端产品和C端产品的分析视角又会有差异之处，此处择重点简单概括。

2.2.1 业务分析

2.2.1.1 项目目标实现情况

每个项目的目标，可以是产品经理自己定义的，也可以是业务定义的。

• 定量目标：根据数据即可直观对比体现。
• 定性目标：比如提高用户满意度之类的，测算方式比较多样，比如用NPS之类的方法。

2.2.1.2 各个阶段的数据分析（C端常用）

各阶段的数据分析通常用在C端场景更多，比如C端做了某个营销活动的功能，那么用户会经历1——>2——>3几个步骤/阶段，此时，我们就需要对各阶段进行转化率分析，页面元素的分析。

2.2.1.3 一些常用的维度分析视角

分析一般的思路就是【先总后分】。先看大盘数据表现，然后再细拆维度下钻。

比如，某个功能的用户数上线一个月达到了目标，为了看下具体如何达到目标的，首先我会先按地区看，发现河北的增长十分明显，而湖南、浙江等地表现平平。其次，再去下钻为什么河北增长如此明显，发现河北在此期间新用户增长突出等原因。

只有从不同的维度去看待某一个指标，我们才能看到数据背后的发展规律。那么一些大众常用的维度基本是：

• 时间维度：天、周、月、季、年
• 地理纬度：国家、片区、省份、城市
• 用户维度：新老客、性别、年龄段、活跃度、忠诚度
• 渠道纬度：线上渠道、线下渠道、社交媒体
• ……

2.2.2 产品功能分析

2.2.2.1 各个静态页面的使用情况

比如你是一个B端后台产品经理，设计了一个功能，涉及到多个页面之间的交互，你要看下页面是否对于用户是易用的。那可以看下每个页面的使用埋点，举例如下。

• 列表查询页面：曝光pv、uv；页面各按钮的点击情况；页面停留时间等
• 详情页：曝光pv、uv；页面各按钮的点击情况；页面停留时间等
• ……

通过看到这些，你会有大概的感知，你这个页面用的人多不多，用户经常用的功能是哪些，为什么有的页面你觉得用的次数应该少结果却很多…

2.2.2.2 交互页面合理性分析

几乎所有的功能都涉及交互，C端的交互相对B端会更多样一些。从分析各页面交互的转化率，我们也能看到我们的功能设计的合理性、用户的使用偏好。

2.2.2.3 用户产品体验反馈

这一阶段需要靠人工的问卷调研、回访等方式，收集用户的声音，也是最直观反映产品功能缺陷的宝贵一环。通过用户反馈，也可以进一步看到用户对该功能的爽点和通点，为后面的再次优化提供更多的依据。

三、案例

3.1 背景介绍

这里举例说一个在第一篇文章中分享过的裂变活动的数据分析。这是一个偏C端的产品能力。

简单介绍下裂变活动的步骤，分2个角色：邀请者和助力者。

1、邀请者分享活动链接给好友，待好友给他助力3个人后，邀请者就可以获得一个奖励。

邀请者页面概况展示：左图为未邀满好友页面，点击按钮进行裂变分享；右图为邀满后，点击按钮领取优惠券奖励。

2、助力者收到好友的邀请链接后，点开帮助好友点击助力即完成助力，完成后，助力者也可以前往活动页面去参与活动发起邀请。当然，助力存在成功，也存在多种失败的情况，不过多赘述。

助力者页面概况展示：左图为帮好友点击助力的页面，右图为点击后助力成功并获得奖励的页面。

3.2 数据分析框架

3.2.1 框架如下：

3.2.2 详细说明

3.2.2.1 目标完成情况

本次吸引新人注册达xx人，超出目标x%，达到预期；

本次活动完成的订单量达x元，完成目标的70%，与目标存在一定差距，主要是由xxx原因导致的。

3.2.2.2 各阶段数据分析（以下数字纯属虚构）

3.2.2.2.1 邀请者

活动参与情况：

• 【概况分析】本次活动页面曝光100万，发起邀请40万人，40%的人参与了活动，与上期活动参与度（20%）相比，提升了一半，说明活动力度大，规则简单明了
• 【细节分析】活动参与的人中，大部分人只发起了1、2轮邀请，不会过多参与，猜测可能需要营造稀缺感进一步提升参与度

活动领奖情况：

• 【概况分析】参与活动的人中，83%的人完成了活动，并获得了优惠券奖励，说明活动难度不高，用户普遍信心较足
• 【细节分析】发起活动却没人给他助力的用户占了75%，猜测可能用户点点看这种试探的行为较多，并不是真的想参与活动

奖品核销情况：

• 【概况分析】本次共发放奖励100万张优惠券，其中核销率为40%
• 【细节分析】活动期间核销量持续上升，达到活动结束日达到顶峰，说明用户对活动的结束有明显感知，基于厌恶损失心理，使得获得大额折扣券的用户想在活动结束前用完券，折扣率越大的券使用的欲望越高。

3.2.2.2.2 助力者

• 【概况分析】助力成功人数200w，其中新人助力占比30%，助力成功率为85%，助力失败人数中主要由老人助力失败所致（60%）
• 【细节分析】助力成功后只有20%的人会去参与活动，说明助力成功页面活动信息透出力度不够，吸引度不够
• 【细节分析】助力失败的原因主要是用户完成了本轮邀请，占比80%，说明邀请者裂变的速度比较快；助力失败后有40%用户会去参加活动，说明“挫败感心理”可能会驱动用户更积极参与活动。

3.2.2.3 其他维度分析（简单举一个例子）

活动期间商品销售情况

• 【概况分析】活动期间，各商品销量排行前三的为：A、B、C
• 【细节分析】老客户购买决策比较保守，基本会选择经典款，除非试错成本比较低才会选择新品；新用户由于还没建立商品心智，购买决策则更看重季节品、主推品。

3.2.2.4 活动页面分析

• 邀请者首页分析：通过埋点数据分析，主按钮、好友助力记录、我的奖励、查看奖励的点击情况较佳，在后续沉淀后台能力时，这些可以保留；头像框邀好友功能则不需要做，点击情况很差。
• 助力者页面分析：助力成功页面转化率较低，此页面需要重新更改

3.2.2.5 交互分析（建议画漏斗图分析）

3.2.2.5.1 邀请者交互流程：进入活动页面——>发起活动——>领取奖励

【数据】：

• 进入活动页面——>发起活动：转化率40%
• 发起活动——>领取奖励：转化率90%

【结论】：转化率较上期相比提高，说明活动页面操作显眼，用户路径清晰

3.2.2.5.2 助力者交互流程：

【数据】路径1: 点击助力——>点击我也要邀请——>进入活动页面——>发起活动；

• 点击助力——>点击我也要邀请：转化率20%
• 点击我也要邀请——>进入活动页面：转化率100%
• 进入活动页面——>发起活动：转化率70%

【数据】路径2: 点击助力——>关闭

• 点击助力——>关闭：转化率80%

【结论】路径1&路径2 ：助力后多数用户选择关闭，而但凡被吸引进入活动的，大概率会去参与活动，发起活动，所以助力页面的信息透传、按钮展示需要进行优化

总结

数据分析的主旨就是“了解现状，发现问题”。我们只要抓住【总—分】结构，先看大面，再从各个视角切入抓原因，就可以产出一份比较详尽的数据分析报告。

以上为个人浅见，欢迎大家多多指正～