斑马，斑马，你不要睡着了。让我看看你受伤的尾巴。
PM眼里的数据分析
数据分析是一种统计描述的方法，它的核心是量化一切，用来减少不确定性，降低噪音，回答真实世界中的某些复杂的问题。互联网产品的数据分析，回答包括但不仅限于以下的问题：面向什么用户和场景？用户的来源？日常的使用情况？核心业务流程的使用？
但一份非常粗放的问题列表，不适用所有的产品类型。Saas产品天生就该和娱乐消费类产品区分开。
为什么Saas产品需要建立更严苛的数据分析体系
就像上篇文章我讲的：Saas产品累积几百万用户，是一件值得骄傲但可能没有实际效用的事情。跟C端产品不同的是，Saas产品的核心数据指标是留存率，留存和订阅(subscribe)有密不可分的关系。用户付费行为，即收益过程是企业级产品的生命力，因此和订阅、留存相关的指标，是Saas产品的核心指标。
假设你还没有进行任何数据分析的产品，首要任务是梳理交易流水、每月收入和用户付费留存模型，在你的仪表盘第一位的应该是这一类数据。如果你没有创建这个仪表盘，至少你的运营团队应该每个月在Excel追踪和更新这些数据。其次才是我们日常认知中觉得重要的DAU/MAU等用户行为数据。
总的来说，Saas产品的数据分析包括以下几个方面：
- 交易型数据：基于订阅、充值、购买等行为产生的数据，基于这些数据可以得知当前的盈利模式是否健康、每月收入构成、用户订阅留存、用户续费率等信息。
这些信息可以帮助运营团队理清当前的产品状况，制定未来目标。例如，如果我们想要在未来一年达到60%的留存，通过估算客单价和延长用户订阅周期，很容易得到一个目标型的数据。而所有的产品功能研发、验证都应该围绕着这个目标数据进行。
- 用户行为数据：基于用户与产品进行交互的行为数据，这些数据组合描写用户活跃数据、核心功能在目标用户群体的使用习惯、某个链条功能的转化漏斗等。对于产品的设计者来说，这类数据帮助他避免盲目设计，或拍脑袋定价。
- 流量数据：Page view, Unique view, Duration,Google Analytics提供的网页流量数据，我个人理解这些数据对客户获取和SEO优化有帮助，至少你得知道你投放的广告是从哪个渠道来的吧。
几点实践方法
基于客户成功的假设
Saas工具带来的价值是能立马反应到客户的工作流程里的。所以，基于客户成功的假设，是我们在做产品设计、数据监控的前提。在做目标优化时，我最喜欢问自己的问题是：
用户需要达到什么标准才算成功？有哪些数据可以佐证用户是成功的？
一个高价值的用户当前的LTV是多少？如何延长用户的生命(付费订阅)周期？
我们一旦找到了撬动用户成功的那个数据指标，所有的功能设计、优化、和未来的运营维护都应该围绕着促进这个指标增长进行。说白了，就是不择手段地（用尽全力）帮用户获得成功。
对用户进行 Segmentation
当你的产品运营一段时间后，产品经理应该很容易想清楚，不是所有的用户都是等价的。Saas产品往往关注的是关键业务流程的重现，将所有的注册用户按照时间序列或者是上文提到的关键指标进行分类，建立客户成功（或者是任何帮助用户的loop）Loop，追踪他们产生的数据，对他们进行精细化运营，以避免用户过快流失。
海盗模型（AAARR）提供了一个做分区的思路。然而太过于笼统，我个人不太喜欢。
数据的多个侧面
没错，数据是会骗人的。就像斑马一样，数据有黑白两面。本次美国大选，沉默的大多数并不会发出太大的声音，但在决定最终结果时，沉默的大多数占领了发声的精英。
不要太过于迷信数据的解释，经常和客户多聊一聊，才能保证你在为真实的世界设计。
-----
这篇文章太大，以后有机会会分区来写。这回是为了完成米老板的作业，我实在是头皮抠破了。如果你想看的话，赏我喝酒，我就写。
