我們都知道，數據是支撐決策的重要依據，于是我們可以看到，幾乎所有的產品，都會具有數據統計分析的功能模塊。往大了說，比如數據中臺;往高端了說，比如數據大屏、數據看板、數據駕駛艙;往本質了說，其實就是數據的統計分析。作為一個非數據型產品經理，或者是初級產品經理，該怎樣設計這個功能模塊呢?

如果你剛好為此苦惱，不妨試一下我最近研究的這三步曲：統計+分析+可視化!

前言

關于數據統計分析，首先表達一個我蠻認同的觀點：

• 好的數據分析師，要像眼科醫生一樣：配眼鏡可能有很多專業的方法，有很多專業的工具，可在配的過程中，醫生糾結的不是自己的理論，而是關注用戶看得清不清楚，不斷問用戶“這樣可以嗎?這樣更清楚嗎?再這樣試試呢?”
• —— 接地氣的陳老師

相信在工作中，大家經常會碰到一些“孔乙己”式的數據統計分析，一開口就是“xx 指標體系”，再加上一大堆什么“權威的、標準的、BAT 認定的”這之類的修飾詞匯。這特么就是典型的虛假數據分析啊，因為這些大多數時候，耗時費力，卻沒有解決實際問題。

并且這種虛假的數據統計分析，還有它遵循的理論模型：

??

而真正的數據統計分析，就像太極拳的精髓一樣：“只重其義，不重其招，你忘記所有的招式，就練成太極拳了。”(以解決業務問題為根本)

統計

要搞數據的統計分析，那第一步我們得先有數據，也就是數據的統計工作。提起數據統計，那自然繞不開數據埋點。如果你們公司從來沒整過埋點這個事，那也不用大費周章，因為界內已經有很多成熟的埋點公司了，例如神策、友盟等等，直接花錢辦事就完了，也不貴。

我們今天研究的，是通過埋點，能夠獲得哪些數據呢?總結下來，大概有這么五類：

埋點獲取五類數據

• 整體概況
• 用戶獲取
• 活躍與留存
• 事件轉化
• 用戶特征

來來來，我們逐個剖析一下，這幾類數據，具體都包含什么，以及獲取這些數據有啥用。

1. 整體概況

??

• 實時數據意義：可以獲取到每個小時的產品實時數據，幫助你了解產品目前的實時情況。
• 使用概況意義：產品整體的使用情況，包括用戶量、訪問情況、留存等，幫助你對產品整體指標有一個大致的了解。

2. 用戶獲取

??

• 渠道訪問意義：每個渠道的用戶的使用情況，包括渠道中新用戶的占比、留存等，幫助你了解產品在獲客層面上的優勢與不足。
• 版本數據意義：每個版本的使用情況，幫助你了解在產品升級的過程中，是否在活躍和留存方面有所改善。

3. 活躍與留存

??

• 訪問流量意義：產品的每日訪問數據，指標集中在新老用戶的訪問行為上，提供訪問次數、時長、次數分布、訪問時段高峰等指標，幫助了解新老用戶在使用產品時的一些行為特征。
• 用戶留存意義：提供用戶 7 日，次日，次周，次月留存的數據，幫助你了解新老用戶的使用粘性。

4. 事件轉化

??

• 自定義事件意義：用戶自定義關鍵事件，系統會自動生成該事件的發生次數、人數以及分布情況，也就是能夠看到用戶都在干啥。
• 收益類事件意義：用戶自定義收益類事件，系統會自動生成該事件的發生次數、人數以及分布情況，會根據你選擇的數值類型屬性，計算該數值的總值、人均值以及次均值。也就是能夠看到用戶都咋花錢的。

5. 用戶特征

??

• 用戶特征意義：能夠看到我們的用戶，都是哪些牛鬼蛇神~

分析

有了埋點的數據以后，那就是怎樣利用這些數據，充分發掘這些數據的價值了。數據分析的套路就更多了，把下面這些學會，應該“二八原則”里面的“八”就能夠搞定了~

1. 常見的數據分析指標

??

• 綜合性指標：反映產品的整體情況。
• 流程性指標：反映用戶的使用行為。
• 業務性指標：反映具體的業務情況。

2. 常見的數據分析維度

??

• 數據細分：通過不同的細分維度分析，往往可以追溯到問題發生的原因，還能為后續的一些動作提供參考依據。
• 數據對比：沒有對比就沒有傷害，一方面是橫向比較，即自身和別人進行對比，如常見的同比、環比;另一方面是縱向比較，即自身和自身進行對比，比如行業競品、全站數據、AB 測試等。

3. 常見的數據分析方法

??

HEART 模型：Google HEART 模型的提出，可以讓大家反思自己的產品設計思維，同時運用相關設計工具去提高 HEART 五項指標來完善用戶體驗，打造更好的產品。

AARRR 模型：該模型出自于《增長黑客》，它是在 2007 提出，當年的獲客成本還比較低廉，而這種模型很簡單又很直觀地突出了增長的所有重要元素，所以這個模型很長時間內都很受歡迎。RARRA 模型：而現在獲客的成本與日俱增，市場情況和 2007 年已經完全不同。現在黑客增長的真正關鍵在于用戶留存，而不是獲客。于是，一個突出了用戶留存重要性的模型 RARRA 誕生了。

可視化

有了統計的數據以及分析的維度之后，最后一步工作就是可視化啦!

而想要完成這一步，又快又好的方法，那自然就是參考各種規范啦，首先我們可以去一個叫做「e-charts」的網站，去查看各種可視化圖表，因為開發很多時候，就是依照這些開源的圖表庫進行擼代碼的~

??

而我們設計的時候，就需要借助各種原型組件啦。數據可視化的內容有很多，我們來舉幾個典型例子：

1. 折線圖

??

注意事項：選用的線型要相對粗些，線條一般不超過 5 條，不使用傾斜的標簽，縱坐標軸一般刻度從 0 開始。預測值的線條線型改為虛線。

2. 柱形圖

??

注意事項：同一數據序列使用相同的顏色。不使用傾斜的標簽，縱坐標軸一般刻度從 0 開始。一般來說，柱形圖最好添加數據標簽，如果添加了數據標簽，可以刪除縱坐標刻度線和網格線。

3. 條形圖

??

注意事項：同一數據序列使用相同的顏色。不使用傾斜的標簽，最好添加數據標簽，盡量讓數據由大到小排列，方便閱讀。

4. 餅圖

??

注意事項：把數據從 12 點鐘的位置開始排列，最重要的成分緊靠 12 點鐘的位置。數據項不要太多，保持在 6 項以內，不使用爆炸式的餅圖分離。不過可以將某一片的扇區分離出來，前提是你希望強調這片扇區。

餅圖不使用圖例，不使用 3D 效果，當扇區使用顏色填充時，推薦使用白色的邊框線，具有較好的切割感。

5. 其他

??

這種數據可視化的圖表還有很多，而它的意義就在于，用圖表代替大量堆砌的數字，有助于閱讀者更形象直觀地看清楚問題和結論。我也在工作中搜集到了一些不錯的數據可視化原型組件，有需要的同學可以自行下載啦~

結語

好了，以上就是今天的所有內容了，正如前言所說的，我們今天只討論武功招式，不討論內功心法。

延伸一下：數據統計分析，最終還是要從業務中來，到業務中去，一切的形式，都是次要的，關鍵還是要以解決業務問題為根本、但對于我們這些“新手”來說，經驗主義自然也是要借鑒的!相信今天總結的內容，也足夠支撐大家比葫蘆畫瓢啦。

最后再重申一下，想要數據可視化原型組件的同學，可以自行在附件下載啦~