产品经理必会的10种数据分析方法

1. 产品经理必会的10种数据分析方法

产品经理必会的10种数据分析方法 
随着人口和流量红利的下降，互联网行业必然会朝着精益化运营的方向发展。数据分析在很多互联网人的工作中越发显得重要，而对于产品经理来说，更是如此。
本文将为产品经理介绍数据分析的基本思路，并基于此，衍生出 2 个常见方法和 7 个应用手段，希望在数据分析的实际应用中能给大家带来帮助。
一、数据分析的基本思路数据分析应该以业务场景为起始思考点，以业务决策作为终点。
基本思路为 5 步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。
接下来我们用一个案例来具体说明这 5 步思路：某国内 P2P 借贷类网站，市场部在百度和 hao123 上都有持续的广告投放，吸引网页端流量；最近内部同事建议尝试投放 Google 的 SEM；另外，也需要评估是否加入金山网络联盟进行深度广告投放。在这种多渠道的投放场景下，产品经理该如何进行深度决策？1. 挖掘业务含义
首先要了解市场部想优化什么，并以此为核心的 KPI 去衡量。渠道效果的评估，最重要的是业务转化：对 P2P 类网站来说，是否『发起借贷』远远比『用户数量』重要。
所以无论是 Google 还是金山渠道，都要根据用户群体的不同，优化相应用户的落地页，提升转化。
2. 制定分析计划
以『发起借贷』为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及 ROI 效果，可以持续观察这部分用户的后续价值。
3. 拆分查询数据
根据各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单类型数据，进行用户分群。
4.提炼业务洞察
在不同渠道进行投放时，要根据 KPI 的变化，推测业务含义。比如谷歌渠道的效果不好，可能因为谷歌大部分的流量在海外，可能会造成转化率低。而金山网络联盟有很多展示位置，要持续监测不同位置的效果，做出最后判断。
5.产出商业决策
最后根据数据洞察，指导渠道的投放决策制。比如停止谷歌渠道的投放，继续跟进金山网络联盟进行评估，而落地页要根据数据指标持续地进行优化。
二、常见的数据分析方法（一）内外因素分解法内外因素分解法是把问题拆成四部分，包括内部因素、外部因素、可控和不可控，然后再一步步解决每一个问题。
社交招聘类网站，一般分为求职者端和企业端，向企业端收费方式之一是购买职位的广告位。业务端人员发现『发布职位』数量在过去的 6 个月里有缓慢下降的趋势。
对于这类某一数据下降的问题，从产品经理的角度来说，可以如何拆解？
根据内外因素分解法分析如下：
1.内部可控因素
产品近期上线更新、市场投放渠道变化、产品粘性、新老用户留存问题、核心目标的转化；
2.外部可控因素
市场竞争对手近期行为、用户使用习惯的变化、招聘需求随时间的变化；
3.内部不可控因素
产品策略（移动端/PC端）、公司整体战略、公司客户群定位（比如只做医疗行业招聘）；
4.外部不可控因素
互联网招聘行业趋势、整体经济形势、季节性变化；
（二）DOSSDOSS 是从一个具体问题拆分到整体影响，从单一的解决方案找到一个规模化解决方案的方式。
某在线教育平台，提供免费课程视频，同时售卖付费会员，为付费会员提供更多高阶课程内容。如果我想将一套计算机技术的付费课程，推送给一群持续在看 C++ 免费课程的用户，产品经理应该如何辅助分析？按 DOSS 的思路分解如下：
1.具体问题
预测是否有可能帮助某一群组客户购买课程。
2.整体
首先根据这类人群的免费课程的使用情况进行数据分析，之后进行延伸，比如对整体的影响，除了计算机类，对其他类型的课程都进行关注。
3.单一回答
针对该群用户进行建模，监控该模型对于最终转化的影响。
4.规模化
之后推出规模化的解决方案，对符合某种行为轨迹和特征的行为进行建模，将课程推荐模型加入到产品设计中。
三、数据分析的应用手段根据基本分析思路，常见的有 7 种数据分析的手段。（一）画像分群画像分群是聚合符合某中特定行为的用户，进行特定的优化和分析。
比如在考虑注册转化率的时候，需要区分移动端和 Web 端，以及美国用户和中国用户等不同场景。这样可以在渠道策略和运营策略上，有针对性地进行优化。（二）趋势维度
建立趋势图表可以迅速了解市场， 用户或产品特征的基本表现，便于进行迅速迭代；还可以把指标根据不同维度进行切分，定位优化点，有助于决策的实时性；（三）漏斗洞察通过漏斗分析可以从先到后的顺序还原某一用户的路径，分析每一个转化节点的转化数据；
所有互联网产品、数据分析都离不开漏斗，无论是注册转化漏斗，还是电商下单的漏斗，需要关注的有两点。第一是关注哪一步流失最多，第二是关注流失的人都有哪些行为。
关注注册流程的每一个步骤，可以有效定位高损耗节点。
（四）行为轨迹
行为轨迹是进行全量用户行为的还原。只看 PV、UV 这类数据，无法全面理解用户如何使用你的产品。了解用户的行为轨迹，有助于运营团队关注具体的用户体验，发现具体问题，根据用户使用习惯设计产品，投放内容；（五）留存分析留存是了解行为或行为组与回访之间的关联，留存老用户的成本要远远低于获取新用户，所以分析中的留存是非常重要的指标之一；
除了需要关注整体用户的留存情况之外，市场团队可以关注各个渠道获取用户的留存度，或各类内容吸引来的注册用户回访率，产品团队关注每一个新功能对于用户的回访的影响等。（六）A/B 测试A/B 测试是对比不同产品设计/算法对结果的影响。
产品在上线过程中经常会使用 A/B 测试来测试产品效果，市场可以通过 A/B 测试来完成不同创意的测试。
要进行 A/B 测试有两个必备因素：
1.有足够的时间进行测试；
2.数据量和数据密度较高；
因为当产品流量不够大的时候，做 A/B 测试得到统计结果是很难的。而像 LinkedIn 这样体量的公司，每天可以同时进行上千个 A/B 测试。所以 A/B 测试往往公司数据规模较大时使用会更加精准，更快得到统计的结果。
（七）优化建模当一个商业目标与多种行为、画像等信息有关联性时，我们通常会使用数据挖掘的手段进行建模，预测该商业结果的产生；
例如：作为一家 SaaS 企业，当我们需要预测判断客户的付费意愿时，可以通过用户的行为数据，公司信息，用户画像等数据建立付费温度模型。用更科学的方式进行一些组合和权重，得知用户满足哪些行为之后，付费的可能性会更高。
以上这几种数据分析的方法论，仅仅掌握单纯的理论是不行的。产品经理们需要将这些方法论应用到日常的数据分析工作中，融会贯通。同时学会使用优秀的数据分析工具，可以事半功倍，更好的利用数据，实现整体增长。

2. 产品经理如何做好数据分析

流量相关数据：IP、PV、在线时间、跳出率、新用户比例;

订单相关数据：总订单、有效订单、订单有效率、总销售额、客单价、毛利润、毛利率;

转化率相关：下单转化率、付款转化率。

　　第二项：每周数据分析(核心)
用户下单和付款不一定会在同一天完成，但一周的数据相对是精准的，所以我们把每周数据作为比对的参考对象，主要的用途在于，比对上周与上上周数据间的差别，运营做了某方面的工作，产品做出了某种调整，相对应的数据也会有一定的变化，如果没有提高，说明方法有问题或者本身的问题并在与此。

网站使用率：IP、PV、平均浏览页数、在线时间、跳出率、回访者比率、访问深度比率、访问时间比率;

3. 产品经理怎么用好数据分析？

在上一篇文章中我们为大家介绍了产品经理为什么要使用数据分析来工作以及数据分析工作需要的技能，那么大家知道不知道产品经理需要分析哪些数据呢，数据分析的工具是什么呢，如何进行数据分析呢？下面就由小编为大家解答一下这些问题。
首先给大家说一下产品经理需要分析哪些数据？产品经理需要分析的数据有很多，就是基础数据。基础数据就是下载量、激活量、新增用户量、活跃用户等。还有社交产品，社交产品有用户分布、用户留存等。还有电商。淘宝指数、网站流量、跳出率、页面访问深度等。同时还有内容类，内容转化率、留存量。工具类就是功能点击量、应用商城排名。
那么大家知道不知道数据分析的工具都有哪些呢？数据分析工具主要就是第三方数据分析工具，这样据可快速接入，节省成本，比较适合创业型公司及刚上线的产品，但是无法对关键数据在突发异样时进行跟踪。除了这些，还有自己开发的数据分析工具，可以对每个数据进行实时跟踪，并快速做出产品的调整，需要足够的开发人员及成本，比较适合大型公司或者成熟型产品。
那么如何进行数据分析呢？我们需要先对数据建模，再对实际分析数据，看是否与模型吻合。但是，我们却需要要有一个产品数据分析的思路，这个思路可以这样展开：我为什么分析？即就是明白，我分析的目的是什么，是寻找问题的原因？还是寻找问题的解决方式？同时，我们还需要考虑通过分析想要达到什么效果？是通过分析付费用户，找到问题，解决问题从而提升收入？当然，我们还需要我该分析哪些数据才能达到这个效果？即需要什么数据才能达到分析的目的。同时我们需要考虑如何采集这些数据？是直接通过第三方数据分析工具或者我们自己开发的工具就可获得？还是说要从数据库调取再交给程序员？同时还如何整理这些数据？即我们常说的数据可视化，这样可以便于我们进行分析。如何分析？即通过分析，找出问题的所在，给出你的结论。怎么解决问题？给出你的解决方案。
通过这篇文章我们不难发现数据分析的内容是有很多的，我们在学习数据分析的时候一定要做好数据分析知识的储备，这样才能够做好数据分析工作，尤其是作为产品经理，为了巩固自己的职业地位和提高竞争力没，我们必须要让自己不断地学习吸收新的知识。最后感谢大家的阅读。

4. 产品经理最常用的几种数据分析模型

在做数据分析的时候，首先要明确分析的目的和思路。
  
 这里介绍几种数据分析的模型，数据分析模型是套用一些现有的固定思路来进行分析的，熟练掌握这些数据分析模型有利于我们做现状调查和背景分析。
  
 PEST模型常用来分析宏观环境，即从政治（Political）环境、经济（Economic）环境、社会（Social）环境、技术（Technological）环境这4个部分出发，分析影响企业决策、课题选择、背景调查等的宏观因素，在各行各业均有应用。具体如下。
  
 ① 政治（Political）：国家政策、国家法律法规、当地政府的方针、国内外局势、国际关系等。
  
 ② 经济（Economic）：经济发展水平、经济政策、国家经济形势、国民生产总值、居民消费水平、居民消费结构、通货膨胀率等。
  
 ③ 社会（Social）：国家或地区的历史文化、风俗习惯、宗教信仰、语言文字、教育水平、审美观念、生活方式等。
  
 ④ 技术（Technological）：国家对该技术的支持程度、申请授权专利、技术的研究程度等。
  
 SWOT模型从优势（Strength）、劣势（Weakness）、机会（Opportunity）、威胁（Threats）4个方面对企业的现状进行分析，同时对未来加以预测。
  
 SWOT是应用矩阵思维的一个模型，通过4个维度之间的有机组合，进行全面、系统的研究分析。
  
 ① 优势与劣势（SW）：优势与劣势是对企业或某个产品内部环境的分析，从中得知与竞争对手相比存在哪些优势和劣势。正确认识优势与劣势，才能够扬长避短。
  
 ② 机会与威胁（OT）：机会与威胁是对宏观大环境的分析，可参考PEST模型。对机会要积极争取，对威胁要进行规避，同时也要意识到，威胁本身既是机遇也是挑战。
  
 将这4个维度下的条件逐一列出，运用矩阵思维对这4个方面进行交叉组合，还可以得到SO（优势+机会）、WO（劣势+机会）、ST（优势+威胁）和WT（劣势+威胁）的维度，对组合而成的4个方面也列出相应的内容。
  
 对于自身的优势同时也是机会的部分要放大并加以利用；对于自身的劣势却是机会的部分要改进以迎合机会；对于自身的优势却是威胁的部分不能冒进、要持续监控和跟进；对于自身的劣势同时也是威胁的部分要尽可能地消除。
  
 SWOT模型不仅可用于企业，还可用于对自身的分析，例如竞争一个岗位，就可从优势与劣势、机会与威胁来分析评估。将自身情况套入SWOT模型进行分析得到的结果，由此可以全方位地审时度势，认清自己能力的同时从容地应对外部的挑战。
  
 5W2H模型又叫“七问分析法”，即以5个以W开头的英文单词和2个以H开头的英文单词为引子进行提问，从提问中发现答案的分析方法。其在企业管理中用得较多，此外，还可以进行用户行为分析、营销方案制订等。这7个英文单词如下。
  
 ① What：以“什么”为结尾的提问，如要做什么？目的是什么？
  
 ② Why：以“为什么”开始的提问，如为什么要做？为什么是这个方案？
  
 ③ Who：以人为关键词的提问，如谁来负责？目标受众是谁？
  
 ④ When：以时间为关键词的提问，如什么时候开展活动？什么时候活动结束？每一步分别何时开展？
  
 ⑤ Where：以地点为关键词的提问，如在哪里（实地/线上）开展活动？渠道有哪些？
  
 ⑥ How：具体的实施步骤，越详细越好，如怎么做？如何优化？
  
 ⑦ How much：涉及程度的提问，如成本几何？预算多少？配备多少人员？做到什么程度？
  
 会问问题也是一种能力，问问题能帮我们理清思路，查漏补缺。
  
 4P模型是经典的营销分析理论模型，最早于20世纪60年代提出。
  
 4P指的是4个“P”开头的英文单词，即Product（产品）、Price（价格）、Place（渠道）、Promotion（促销）。可以从这4个因素出发进行营销组合，分析产品的现状，调整推广手段。这种分析模型围绕着产品展开，是站在公司层面来说的，因此也是典型的“以产品为中心”的营销战略支撑模型。
  
 ① 产品（Product）：公司主推何种产品（包括有形/无形的产品），分析时要考虑到产品的内容是什么、有什么特色、性能如何等。
  
 ② 价格（Price）：该产品的售价，分析时应该考虑该产品的生产成本、售价与竞争对手的价格相比如何及利润空间有多大等因素。
  
 ③ 渠道（Place）：该产品从生产到交付的流程，分析时要考虑产品的承包商、中间的制作环节、后期的流通方式等。
  
 ④ 促销（Promotion）：该产品的宣传和推广方式，包括线上如何宣传、线下如何销售等。
  
 4C模型是1990年美国营销专家罗伯特·劳特朋（Robert F.Lauterborn）教授提出的与4P模型相对应的营销理论模型。4C指的是4个以“C”开头的英文单词，即Consumer（客户）、Cost（成本）、Convenience（便利）、Communication（沟通）。
  
 与4P模型不同的是，4C模型从客户的角度出发，是典型的“以客户为中心”的思维。
  
 ① 客户（Consumer）：要了解客户的需求，根据客户的需求定制产品。
  
 ② 成本（Cost）：包含4P模型中的价格（Price），同时还应包含客户的购买成本；从客户的角度出发，研究客户能否在金钱、时间和精力上接受该产品。
  
 ③ 便利（Convenience）：该产品应为客户提供最大程度的便利，如方便支付、方便维护等。
  
 ④ 沟通（Communication）：该产品应该做到能和客户随时随地进行有效沟通，及时听取客户建议和意见以更好地优化产品，如客服系统、收集并处理投诉等。
  
 决策树模型运用逻辑树来分析问题。
  
 决策树又叫“树图”，常用来层层拆解某个问题，直至找到末端原因。
  
 在运用决策树模型时，要首先找到互相独立、不交叉的几个相关因素，再从这几个相关因素逐层推导出第二层相关因素，最后得出末端原因。
  
 第一层相关因素就是决策树的“大树枝”，第二层因素则是“小树枝”，这些树枝构成了整个树图。
  
 决策树模型可以提醒读者不要被眼前的表象所迷惑，要一层一层逐一剖析，找出真正的问题所在。
  
 1：为什么要搭建客户运营分析模型？可以运用SWOT模型指出客户的运营分析模型存在的必要性。
  
 2：怎么搭建，从哪些角度搭建？可以运用逻辑树模型，结合PEST模型，从外部宏观环境和企业内部的储备方面分层思考，如客户价值、客户活跃度、客户流失预警等。

5. 互联网产品经理如何分析数据

显然，这里所说的数字和数据，不是指我们每月银行卡里面多出来的那个，而是产品的数据，其中包括行业整体数据、网站运营数据、用户数据、广告投放/转化率数 据、业务/产品销售量数据、产品投入/收益数据等等，所有这些数据构成的综合指标，将决定一个产品经理的业绩评定——当然，最终反映出来的，可能就是个人 银行卡里的数字。在数据指标是很科学的体系的情况下，数据分析得出的结论确实比主观的臆断会更具有确定性和说服力。那么，产品经理在管理一个互联网产品时，到底需要关注哪些数据呢？一般来说，我们主要关注的有以下几个方面：1.网站流量数据。比如访问量、点击量、浏览量、转化率、停留时间等等。以上是基础的指标，但结合到几十万网页还有不同来源、不同时间的时候，就是非常复杂数据体系了。 2.网站用户数据。比如用户人口的属性特征：年龄、性别、行业、职位、地区等等；另外，还有用户行为特征：登录次数、注册数、注销数、点击数、收藏数、操作数、订购量等等。3.访谈数据。可能有些公司会做一些调查问卷，如果能够按照统计学规范设计成量表，那么这种访谈数据也是很有价值的。一般的统计就能从里面了解不少信息，如果问卷设计合理，还可以利用多元统计的方法进一步挖掘更深入的信息。4．财务数据。比如总销售额、毛利、纯利润、成本、广告投放额等。产品是不是赚钱，能赚多少钱，是一个产品经理关注的重点，也是追求的目标。5.外部来源数据：行业市场份额、竞争对手数据等。6.搜索引擎数据：搜索引擎来源比例、SEM流量所占比例、搜索关键词以及各个关键词产生的PV值等。 以上这些数据，是我们经常需要经常用到的，具体在使用的时候，还可能需要根据产品性质不同、KPI不同和职责不同，来选择不同的数据类型，因为市场部和BD和老板所看的数据都是不一样的。对于一个产品经理来说，他不只需要像一个市场分析者或者财务分析者一样了解数据结果，更要通过这些数据的积累和经验进行更加细化的分析和研究，从而了解用户是如何创造出这些数据的，以及为什么创造出这样的数据。只有做到了这些，才能将繁琐枯燥的数字转化为运营能力的提升。那产品经理如何才能做好数据分析呢？首先，要拥有一个好的统计系统，没有好的数据来源，再强的分析能力，也没有用武之地。现在互联网上提供很多，如CNZZ，当然也可以根据产品情况有针对性地进行自主开发；其次，要持续关注数据的变化，最好有专人负责数据汇总和解读。运营数据分析是一个数据持续积累和研究的过程，越多越细致的数据，越能从中获得有价值的分析结果。第三，要定出产品的主要考核指标，并进行定期的周度、月度、季度、年度或者某一个特别事件的专项数据分析，从而了解一个阶段内的发展过程，了解发展趋势；第四，需要采用一些图表，以增强数据的可读性。有时候，再好的语言和文字，也不如一张图来得简洁明了；
最后，除了自己的产品外，我们还需要时刻关注行业数据的变化，以及中国整体网民对同类型产品的偏好度、用户属性和变化情况。目前也有很多第三方公司提供这类报告，比如艾瑞、CNNIC等。总而言之，数据分析是一个过程漫长，事务繁杂的工作，但只要你对它保持足够的重视程度，坚持不懈地去做，却可能有意外的收获。

6. 产品经理应该从哪里做起学习数据分析？

2、产品一般能接触到的数据
产品基础运营数据、用户数据、用户行为数据、推广渠道数据、营收数据、用户调研数据
3、产品一般会做的分析
基础运营数据分析：
用户特征分析：
这个也不难，用户画像越丰富越好。除了最大限度的了解你的客户以外，还有一个重要的事情是要经常和你的目标用户画像做对比，以及时调整产品策略或推广渠道
推广渠道分析：
用户行为分析：
营收不说了，一个需要学数据分析的产品同学恐怕离营收还比较遥远，赚钱也是一很深的学问
当然是从你手里最重要的项目做起。产品经理是经验型职业，都是实战出来的，不是学知识学出来的。
养成写运营周报的习惯。没人看就写给自己看。
当你习惯从数据中发现问题，或利用数据去解决问题的时候，就算大功告成了。

7. 产品经理如何分析1款产品

1、用户、场景、需求是怎么被满足的
  
 用户：有哪些类型的用户
  
 使用场景：不同类型的用户在什么场景下会使用
  
 满足的需求：产品满足了哪些需求
  
 案例;在行产品
                                          
 2、产品逻辑：用户、数据流向、关键路径（产品内、产业链-加角色）
  
 ---用户的流向：都有哪些用户
  
 ---数据的流向：产生的数据是如何运转的
  
 ---汇合点：用户、数据在那个关键页面汇合
  
 ---关键路径：用户操作的关键功能、页面是什么
                                                                                  
 3、关键页面与典型交互
  
 4、产品迭代路径
  
 5、产品的表现如何
  
 ---数据表现：使用数据、排名数据、评分数据、增长数据
  
 ---用户表现：用户点评、产品点评
  
 6、横向比较同类产品
  
 ---与同类产品比，现在处于什么位置
  
 ---找出产品之间的核心差异点
  
 ---总结分析同类产品的优缺点：竞争格局、产品差异、总结分析
  
 ---关注主流产品相关模块的优点、缺点，每个产品的核心流程
  
 基本思路：通过竞品定位、竞品功能、精品策略---分析结论
                                                                                  
 7、运营路径与方法，核心驱动力是什么、主要渠道、增长模型、盈利模型
                                          
 产品的不同发展阶段，核心驱动力可能不一样，以下为下厨房的发展过程
                                          
 8、撰写报告
  
 明确清晰的结论、逻辑清晰的表达调研过程和结论之间的关联、抓重点、说正事（1-3条）

8. 产品经理做市场调研和数据分析的方法

产品经理做市场调研和数据分析的方法
产品经理，你对用户的需求了解多少呢？你知道用户想要什么样的产品吗？你想知道用户将会如何看待你的产品吗？你想知道你设计的产品在用户中的口碑如何吗？
是的。每一个产品经理都希望在产品开始立项设计前，得到用户最真实的需求，为自己的产品设计提供良好的支撑；每一个产品经理都希望自己的设计的产品得到用户的认可和亲睐；每一个产品经理都希望用户能在使用产品的过程中不断反馈对于产品改进的意见和建议……那么，我们如何才能得到用户的前期意见和后期反馈呢？
这个时候我们需要的是数据的支撑，只有数据才能让一切更有说服力（前提是真实、有效的数据）、只有数据才能让我们更清楚地了解到我们想法的可行性……
既然这样,那数据从何而来?这自然少不了市场调研，只有通过对用户的调研才能收集用户最基础的用户数据、从最基础的数据上进行分析，从而了解用户的真实需求。那么，作为产品经理，我们应该如何对市场或用户进行调研呢？调研的方式和方法有哪些？对于调研的数据我们如何进行数据分析呢？数据分析的方法和方式有哪些呢？
一、 产品经理为什么要做市场调研？调研的目的是什么？我们在做市场调研前，必须有一个自己的调研思路：我们要调研的对象，需要收集的数据，需要达到的效果等。只有有了明确的目标，才能获得更加有效的数据。
1、通过调研了解市场需求、确定目标用户、确定产品核心，为了更好的制订MRD；
2、为领导在会议上PK提供论据；
3、提高产品的销售决策质量、解决存在于产品销售中的问题或寻找机会等而系统地、客观地识别、收集、分析和传播营销信息，及时掌握一手资源；
4、验证我们定的目标客户是不是我们想要的，目标用户想要什么样的产品或服务；
5、了解我们能不能满足目标用户的需求并且乐于满足目标用户的需求；
6、找准产品机会缺口，然后衡量各种因素，制定产品战略线路；
7、调研到最后，目标越明确，需求确明确，也就会觉得，产品越难做，难以打开市场等；
8、对于全新的产品，调研前PM必须先自己有一个思路，然后通过调研去验证自己的想法的可行性。
二、 市场调研的方式方法有哪些？怎样确定调研的维度？1、问卷调查、用户AB测试、焦点访谈、田野调研、用户访谈、用户日志、入户观察、网上有奖调查；
2、做人物角色分析：设置用户场景、用户角色进行模拟分析；
3、情况推测分析；
4、调研的维度主要从战略层、范围层、结构层、框架层、视觉层来展开（不同的产品从不同的层次来确定调研的维度）
三、 如何整理市场调研的数据？PS:对收集到的调研数据，我们需要整理出那些有效的数据，对于无效数据果断丢弃。对有效数据进行细致的处理、分析。
通过市场调研，我们收集了不少的数据，这些数据都是用户最直接的对产品的某种需求的体现。作为产品经理，我们视这些数据为宝贝，我们需要将这些数据进行整理，让他们变为珍宝。那我们该如何整理呢？
1、将规范的数据按照维度整理、录入，然后进行建模；不规范的数据的话就必须得自己先通过一些定性的处理，让它变得规范，然后再用工具进行分析；
2、封闭性的问题，设置选项归类即可。开放性的问题，建议还是先录下来，然后再头脑风暴整理出有用的东西；
3定性的，焦点访谈和深访，都可以录音，在事后可以形成访谈记录；焦点访谈的过程中，可以以卡片的形式或者其他的形式让用户做选择题，可以获取少量的有数据性的东西，其他的更多的是观点、方向性的，这个需要在整理访谈记录的时候根据问题来归纳整理；
4、深度访谈的数据整理，我们以前会做头脑风暴，建立很多个用户模型，强行量化这些数据。这个方法比较有效，特别在做人群研究的时候。
四、 如何书写市场调研报告？对整理后的数据，我们最终需要形成书面的市场调研文档报告，以最直观的方式呈现给我们的BOSS，从而获得老板对产品的支持。
1、对市场调研的数据分析后进行的说明总结，用图表或图形的形式最直观呈现；
2、分析用户当前现状，用户对产品的需求点；
3、报告的组成有研究背景、研究目的、研究方法、研究结论等相关内容；
4、根据调研的时候的思路，将报告逐一完善，将数据分析的结论图表化，得出自己的结论总结出趋势和规律
五、 数据分析的方式方法有哪些？1、数据分析需要掌握数据统计软件和数据分析工具（分析工具如SPSS等）；
2、数据分析的主要方法有：
对比分析法:将两个或两个以上的数据进行对比分析，分析其中的差异，从而揭示这些事物发展变化的规律和情况。对比分为横向对比和纵向对比。结构分析法:被分析研究总体内各部分与总体之间进行对比分析的方法，即总体内各部分所占的指标。交叉分析法:同时将两个有一定联系的变量及其值交叉排列在一张表内，使各变量值成为不同变量的交叉点，一般采用二维交叉表进行分析。分组分析法:按照数据特征，将数据进行分组进行分析的方法。其他还有比如漏斗图分析法、杜邦分析法、矩阵关联分析法等等。（数据分析方法可以参考：《谁说菜鸟不会数据分析》一书）
PS:数据分析的方法有很多种，在进行数据分析的时候，选择有效的数据分析方法，能达到事半功倍的效果。
六、 数据分析报告如何指导产品经理进行产品设计？1、根据调研结论 确定产品核心功能
2、把数据分析的结果加入到整个迭代设计的过程中加速产品的迭代更新
3、评估解决方案的可行性。根据实施的结果再去评估解决方案是否真的可行？是否还需要再改进，依此类推
4、通过数据进行分析，得出用户的行为规律，为产品提供支撑
5、日常的运营分析，及时发现产品问题
6、产品后期设定一系列的运营指标进行运营监控，然后反馈产品迭代（指标主要包括：1、用户的反馈、2、产品的BUG、3、市场的反映、4、产品未来的发展方向、5、点击率、留存率等等）
以上是小编为大家分享的关于产品经理做市场调研和数据分析的方法的相关内容，更多信息可以关注环球青藤分享更多干货