prd是什么意思(数据分析的通用公式)
本文作者根据多年的实践经验，总结出一套简单易行的数据分析五步法，相信对你有用。一起来看看吧~
无论是哪个行业，任何阶段的产品经理都避免不了一个词：数据分析。
说到数据分析，通常出现在以下场景中：
做版本规划时，如何设置功能验证的指标？功能上线后，如何做数据复制？如何通过数据快速定位问题？如何在众多的数据中识别出需要呈现的重要数据？和大多数人一样，几年前，我试着找各种关于数据分析的书来寻找解决方案。看了十几本数据分析的书，结论如下：没想到行业发展很快，书的出版速度跟不上行业的需求！就像手里拿着iPad看windows95操作系统的用户手册一样难过~
经过多年的努力，我的产品逐渐从0用户到1300w W，丽莎阿姨总结了一套简单易行的数据分析五步法：
第一步：找出问题所在(描述问题的特征)。第二步：可能出了什么问题(提出一个假设)？第三步：有什么证据可以证明上述问题(列出问题)？第四步：一一找证据(把数据码出来)第五步：分析验证(用你仅有的小学数学知识)。既然产品团队已经练了一年多了，我相信大妈，只要按照这种方式，再穷的小白(前提是小学数学及格)也能上路两三次~
在动手教学之前，要达成共识的基本前提：你认为数据分析是一种方法工具还是一种思维方式？
如果你认为数据分析是一种方法和工具，那我们就再也见不到面了。
数据分析的本质一定是一种思维方式！
我见过很多产品经理的操作：先给出结论，然后去找数据证明我的结论是正确的。这种令人窒息的解决应用问题的操作请不要再发生了！
数据分析应该是站在毫无立场的客观数据前，找到核心的指标，来对比业务中的两组变量之间的关系，用来解释业务，并引领你前行，毕竟没有对比的数据就是耍流氓啊~~~
确保你真的理解了丽莎阿姨的话，GMF，然后进入下一阶段的动手操作。
动手操作第一步：对问题的感知对问题的感知，顾名思义，就是能够认识问题。这部分是数据分析中最重要的部分。
这里要介绍一个概念叫OMTM(onemetricthatmaters)，是你的商业形态中最重要的指标(俗称北极星指标)。生意可以很复杂，但是你的商业目标必须很简单。
如何找到你企业的北极星指标？目前看到的产品形态无非是以下四种情况：
（1）黏着式增长引擎，唯一关键指标：留存
根据黑客成长AARRR模型，简单理解就是只有用户第一次来，还想第二次来；粘度的提高可以带来成长和转化。适用产品和模块：工具类产品，大部分产品的MVP版本，任何产品的核心功能模块，现有功能的迭代。（2）付费式增长引擎，唯一关键指标：营收
只有用户在产品上贡献的价值大于获取用户的成本，才能始终推动收入增长。简单的理解就是你的客户终身价值大于收购成本，所以这个生意可以继续，CLVCAC。适用产品和模块：课程产品；绝大多数的B端产品；会员产品；知识付费产品；市场投放等。客户获取成本
CLV(客户生命周期价值)客户生命周期价值
（3）爆发式增长引擎，唯一关键指标：病毒系数K
K=I*Conv=分布密度感染强度；当K1时，裂变可以进行。适用产品和模块：裂变运营活动(砍价、分组、分红包、任务宝)；新技术驱动的产品如I: Invitation，即每个用户发出邀请的次数，反映了分布密度。
Conv:转换率，即每次邀请成功的概率，反映了感染的强度。
（4）简单指标复合指标
一些简单的指标，比如页面PVUV、登录用户数、页面停留时长、活跃用户数等。只能帮助你快速了解产品状态。
如果我们把这些简单的指标分开，就会得到一些神奇的复合指标，比如：
页面PV/访问次数=平均访问深度；就诊时长/就诊次数=平均就诊时长；每周付费用户/用户活跃度=每人每周平均购买次数。你看，这些复合指标可以让你一目了然的观察到产品用户的真实情况。
只有了解你的业务性质，数据分析才有最根本的前提和基础。脱离你业务性质的数据分析是一文不值的，小伙伴们！
动手操作第二步：提出一个假设，即从字面上，提出各种可能性。有两种方法可以找到你喜欢的。
方法一：归纳，即根据个别案例进行总结，比如某个知识付费产品的用户付费问题：团队可以一起头脑风暴，提出各种可能的因素，也可以分层。
用户进行抽样深读访谈，了解他们不使用或继续用下去的原因及看法，然后来归纳验证。例如：针对部分用户在打开app后不使用直接离开的问题，我们可以根据对用户行为模型的理解进行拆解，而拆解的有效与否，其实就是关于你的模型多少、拆解的深度。
提出假说，就是一个思维发散的过程，不拒绝任何可能性。在这个过程中，补充各个角度的思考是非常有必要的。
到这一步，丽莎阿姨要送给你的一句话：Ifyoucan’tmeasureit,youcan’timproveit（不可被数据量化，就不能被改变）
在与产品经理沟通的时候，经常会听到的一句话，提出这个问题的用户挺多的，所以我们就做了这个XXX功能。
然后可怕的丽莎阿姨我都会追问几句：挺多的是多少？这部分用户占你全量用户的多少？“挺多的”这部分用户他们是你的核心用户吗？
所以…请以后讲数据的时候，不要用“挺多的”好吗？拉钩钩……
所以小盆友们，在你们选择数据表征元素的时候，需要知道：
选择的数据表征能够充分代表第二步中提到的假说的内涵；选择的数据尽量是用户客观行为数据而非主观态度数据；选择的数据是有被记录或比较容易获取。仍然沿用前面的例子：
你看你是不是很酷的掌握了前面三步呢？？
这一步可以说是数据分析里面最简单的一步了，只要你的产品有基础的数据平台，或者一个靠谱的后台开发，都容易获取到基础数据。
但这个步骤也一定要记得：
一切的前提是你做了数据埋点（一个标准的PRD是包含数据埋点的）当数据出来后，不要着急分析，先看看是否合理，要去掉明显不合理的数据，其次，对开发小哥的数据上报要永远抱有怀疑态度（哪怕他把胸脯拍烂。）这一步就是利用你小学数学知识的时候了！！
很多小盆友会把这一步作为数据分析最重要的一步，但在丽莎阿姨看来，这一步其实已经不那么重要了。
确定好了x与y的含义和数据，通过数据可视化的方式，表现出x与y的关系，就能发现其中是否存在有价值的规律。发现x与y存在某种关系的时候，最好通过数据进行再次验证。选择另外一组数据，再次进行分析，看确定的关系是否再次被复现。（答应阿姨要时刻捍卫自己的产品经理职业形象，OK？）数据可视化可以帮助你更好的看到数据背后的原因，并帮助其他人理解你的意图，那如何选用数据可视化图形呢？
丽莎阿姨吐血整理：
只有一个变量，且相加为100%的情况下，就用饼图，例如：用户来源渠道；当有两个变量存在，不出意外，就用折线图与柱状图，例如：不同时间段内用户的留存情况；用演绎法推导用户就用漏斗模型，例如：拼课功能的用户行为；其他的数据可视化都是辣鸡，还不如直接展示excel表格（严肃脸）。通过以上五步的刻意练习，再小白的产品经理都能快速上手（阿姨已经把胸脯拍烂）。
请根据下图找出世界上最高的山峰是哪个？？
要记住，通过数据仅能让你找到局部最大值，而更高的山峰只会建立在你更广阔的视野与深厚的认知上。
本文由@LisaDeng原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议