產品上線後，開發人員一半都會鬆一口氣（終於開發結束了），然後狂歡一個週末。作為產品經理是不是能夠讓開發人員繼續充滿鬥志的做下個迭代的開發。就要對上線後的產品進行資料分析了。
在廣告圈有句話：我知道廣告費有一半被浪費了,但不知道被浪費的是哪一半。同樣在產品上也適用。往往我們開發了很多功能，但不是很清楚，哪個功能使用的人多，哪個功能使用的少。這有時就會讓開發人員迷惑。如果一直開發，並且沒有使用者量的提升，那麼開發人員估計就坐不住了，開始質疑產品經理：這個功能有沒有用，為什麼要開發，為什麼要開發成這樣。如果只憑產品經理一個人在那用自己的三寸不爛之舌闡述自己巨集偉的思想，估計開發人員會送他兩個字：意淫。
所以，用資料說話，也成為產品經理經常拿來作為開發功能的論據。雖然有些資料可能不是很準確，總歸有一定的依據。
那麼對產品的資料分析主要的作用也就是：
1.驗證之前的產品構思是否正確
2.通過使用者反饋和行為探索使用者真實的需求
3.更好的滿足使用者需求，繼續開發和完善功能
那麼一般對產品進行哪些方面的資料分析呢（一下是個人的淺顯認識，很多不足）
對於移動APP應用大部分都是使用友盟進行統計，當然也會自己寫一些程式進行一些特定資料的抓取。
一般會關注AARRR，也就是使用者量，使用者的活躍度，使用者的留存率等。可以參考`

產品思維學習(四)–增長黑客(Growth Hacker)
可以通過採用橫向和縱向的方式來對比。比如橫向，可以和市場上已經有的競品作對比，現在外賣類的，百度外賣，口碑外賣，美團外賣，餓了麼等。通過分析這個月使用者的新增量，下單量等做橫向比較。比如家校親子類貝聊，掌通家園，親子園等進行分析，從中可以分析出自己產品的問題在哪，然後進行修復。
通過縱向，比如自己的產品每個月的使用者新增量的曲線，使用者的使用某個功能的頻率，使用時長，頁面跳轉等，這樣更能直觀看出功能的使用情況。
當然也要通過人群進行資料分析，比如，我們的產品新增的人群年齡比例分佈，性別分佈，甚至地域分佈，然後分析各個人群的行為習慣，這樣更能確定我們定位的目標人群的使用情況，是不是滿足他們的需求。
在資料分析前，我們可以先根據我們的設想建立一個模型，然後通過真實使用者資料統計來分析是不是符合我們原來的設想。
但是有時資料也會說假話，這就是我們可能進入的誤區，比如我們釋出一個新版本後，使用者量上來了，那是不是就是說是新新增的功能帶來的使用者量而不是前期宣傳積累產生的效果。這個就要看使用者對新新增功能的使用率和頁面跳轉率來具體分析。
總之，資料分析是產品經理不能忽視的一個環節。（一個開發菜鳥對產品資料分析理解尚淺，繼續努力。希望自己能夠用產品的思維去開發，更能關注使用者需求和使用者體驗）