📖本节内容：为什么要做产品分析；产品市场背景分析；产品核心功能分析；产品用户和产品回归分析
📌学习时间：2020年3月20日📅
注：本篇2020年3月参与UniCareer平台《产品经理入门必修课》期间整理的课堂笔记，图片截自课程视频，不可挪用。
1. 为什么要做产品分析？
产品有不同阶段，对应不同的产品分析方法论。
要带着目的，抓住重点。
e.g. 为什么我们身边的人貌似都不用拼多多？——因为拼多多的目标用户：北京五环外的用户
明确本次优化的目的是扩大优势还是弥补劣势。
谨慎分析，大胆创新。
横向扩展变成综合平台 e.g. 微信和抖音
平台型产品深化某个细分领域 e.g. 今日头条孵化出西瓜视频
最难的是从0到1（创业）：
要么蓝海，先发优势；要么拥有核心技术，提高壁垒。
e.g. 抖音短视频，以“潮、酷”为突破口，看到了UGC创作形式的行业趋势。
寻找行业的非共识内容（少数人）；
与竞品对比，做回归分析，避免踩别人踩过的坑；
MVP模式快速上线。
2. 如何做产品分析（案例：短视频）
四个步骤
2.1 产品市场背景分析
发现规律，预测趋势
哪里获取行业数据：
- 咨询公司，
- 玛丽米克尔（“互联网女皇”）
- 上市公司财报（了解战略发展方向）
数据分析类工具产品：
- 国内的QuestMobile，西麦数据，友盟，易观千帆；
- 国外的App Annie
（但是这些工具产品获得的数据可能不够准确，需要和其它来源进行交叉验证）
案例：
由图得，短视频市场还没有到存量用户博弈的阶段，仍然属于蓝海阶段。
抖音和快手是短视频行业的头部品牌。
直播和社交的结合：e.g. 在中国西北调研发现，农牧民不用微信，而是用快手作为主要沟通工具。
短视频算是在国外除了手机支付外最具中国特色的互联网产品了。
行业发展趋势：短视频和每个行业的交叉。
SWOT分析
两两结合：SO，ST，WO，WT
目标：找到具有决策性的、适合当前情景的产品策略。
个性化推荐算法是头条系产品的招牌打法。
假如我是抖音PM：
签约快手的头部、腰部用户；
知识付费，直播打赏。
2.2 产品核心功能分析
产品脑图，展现散发性思维，梳理产品功能。
抖音
分析顺序：从大的功能模块（用户先接触到的）过渡到不可拆分的原子功能点（用户后接触到的模块）
打开app，默认进入首页
PM需要了解并积累一个成熟的app是如何进行功能的归类和层级的划分，为后续独立规划产品非常有利。
强调业务主流程逻辑，尤其针对成熟的业务流程，有取舍，画重点，保证每个流程图不超过20个节点。
案例：抖音审核推荐流程
圆角矩形代表起始点和终点。
前端交互图
主要适用C端产品。
图5：由于支付宝和微信的异步回调特性，支付后不会立即返回结果，所以建议给用户一个“处理中”的提示，弹出一个toast弹窗。
增加“x”关闭按钮之后，增加了3%的用户付费转化率（因为用户感知上会觉得麻烦，点了“x”好像就拒绝了和主播的沟通）。
横屏时的交互：
如果未安装微信，增加一个toast提示
2.3 产品用户分析
三种产品用户分析方法：
2.3.1 用户画像分析
抽象出共同标签
以抖音为例，
用户地域分布：
“南抖音，北快手”
用户手机品牌分布：
用户年纪分布：
占比分布平均，说明抖音内容泛化做得很成功，渗透了40岁以下各年龄层用户。
-->抖音的核心用户画像：一个居住在沿海城市的、使用安卓机的、年纪在35岁以下的用户。
在后续的产品设计中，着重关注Oppo、Vivo、华为主流机型的交互差异。主功能要考虑到全年龄段人的需要。
2.3.2 用户健康度分析
将三个核心指标和行业的平均水平和竞品进行比较。
也代表着广告投放的质量。
在基础指标表现良好的情况下，关注流量质量指标（帮助了解新用户获取质量）
每个产品最终的目的都是盈利。
例如滴滴，反例是共享单车
2.3.3 漏斗分析模型
黑客增长的AARRR模型：acquisition用户获取，activation活跃度，retention留存，revenue收入，refer分享（e.g. 社交分享裂变）
支付的三步点击漏斗模型：订单数为分母-->选择支付方式（的用户百分比）-->点击确认支付按钮（的用户百分比）-->成功付款（的用户百分比）
前端打点的误差概率在5%左右
2.4 产品回归分析
2.4.1 MVP模式验证
Minimum Viable Product最简化可实行产品
“用低成本的方法验证产品是否可行。”
只保留核心功能，验证产品是否能满足核心用户的核心需求，并获得种子用户的反馈，迭代产品。（e.g. 最先发布滑板车，然后迭代到自行车到汽车）
也要避免开发周期过长，会打击团队积极性，需求可能被其它产品率先满足，或者需求已减少，让产品错过最佳上线时期，浪费资源。
2.4.2 A/B Test
比较不同测试版本的数据。
e.g. 在字节，几万的样本量才有效，要避免偶然的用户行为造成的数据波动和理论偏差。
A/B test一般开设7-14天
选择最好的版本开放给全部用户。
3.总结&思考
这些只是一般思路，实际中从自己的需要出发。产品分析的最终目的是为了更好地进行产品迭代和产品创新。
长期积累！保持好奇心！