为什么产品数据逐步下滑？通过数据分析找到根本原因

说起调研，很多人第一时间就会想到填问卷、写报告、做统计图、做ppt汇报。简单来说，调研报告就是通过各种调研方式系统地收集资料并对调研数据进行深入分析，最终产出报告给出一些结论数据。

数据分析是每个产品经理，尤其C端产品都应该具备的基础能力。上一个功能，迭代一个版本，做一次重构，这是每个产品经理都在做的事，都离不开价值验证。

产品功能是不是带来更好的数据结果？

为什么数据出现下滑？

下滑的根本原因是什么？

受到哪些因素的影响？

如何制定相应策略来提升？

这些都需要通过数据分析才能解决。数据分析是普通产品经理和高级产品经理的主要决策原因，也是【做】和【怎么做】的核心依据。

一. 找问题

数据分析最常用的一个场景就是找问题。许多交易类的app，是非常适合做数据分析的，因为涉及到的场景较多，链路复杂，同时涉及支付等重要用户行为，没有中间环节的数据支持，就无法准确知道用户群体在app内的行为和心理。

二. 数据拆解

以进入频道的UV举例，我们看UV有没有出现大幅的变化，假如UV出现了大幅的下降，就要梳理出进入该频道的所有流量来源。比如通过公众号、app、消息通知、小程序和惠券进入等，到底是哪个渠道才是问题所在？

我们需要对每个渠道的流量来源进行历史比较，找出真正下滑幅度最大的那个渠道。数据的拆解，本质上就是对数据链路的追溯，通过一层层的数据依赖关系，找出源头的问题，能够指导大家如何解决问题。

三. 维度

数据维度就是通过不同的角度，去看数据背后的意义，从不同的维度去看数据，能得出完全不同的结论，可见维度选择的重要性。

一般来说，选择维度只选自己需要的维度。比如你想进行个性化推荐，那么你毫无疑问需要关注人群和商品品类的维度，因为这两个维度的数据分析能决定你是否能够精准推荐。

四. 深度

数据的深度，并不是简单的拆解数据，而且挖掘数据背后的真正带来价值的东西。

某个功能后，通过一些优惠券营销裂变，不断拉新，有很多人领取优惠券进入平台，UV大增，但是最后一盘算，GMV几乎没有任何增加，反倒客单价低了很多。那么这个营销活动到底算不算一次成功的活动呢？这就是数据分析的深度，数据能证明，也会说谎。

我们日常在进行数据分析的时候，会交叉的使用不同的分析方式，而且上述介绍的也只是数据分析最基础的能力，对于大部分产品经理来说，能够熟练运用上述能力，基本能解决80%以上的数据问题。