产品经理如何通过数据分析发现用户需求？

如图，横轴和纵轴往往是你运营当中关注的核心指标（当然不限于二维），而分类后的对象，你能看到他们的分布不是随机的，而是有显著的集群的倾向。

打个比方，经典的RFM模型依托收费的3个核心指标构建用户分群体系：最近一次消费时间（Recency）、消费频率（Frequency）、消费金额（Monetary）。

二、矩阵思维

分类思维的发展之一是矩阵思维，矩阵思维不再局限于用量化指标来进行分类。许多时候，我们没有数据做为支持，只能通过经验做主观的推断时，是可以把某些重要因素组合成矩阵，大致定义出好坏的方向，然后进行分析。大家可以百度经典的管理分析方法“波士顿矩阵”模型。

但是，看上去越是普适越是容易理解的模型，它的应用越得谨慎和小心。在漏斗思维当中，我们尤其要注意漏斗的长度。

漏斗从哪里开始到哪里结束？漏斗的环节不该超过5个，漏斗中各环节的百分比数值，量级不要超过100倍（漏斗第一环节100%开始，到最后一个环节的转化率数值不要低于1%）。若超过了我说的这两个数值标准，建议分为多个漏斗进行观察。

理由是什么呢？超过5个环节，往往会出现多个重点环节，那么在一个漏斗模型中分析多个重要问题容易产生混乱。数值量级差距过大，数值间波动相互关系很难被察觉，容易遗漏信息。

四、相关思维

我们观察指标，不仅要看单个指标的变化，还需要观察指标间的相互关系。有正相关关系（图中红色实线）和负相关关系（蓝色虚线），最好能时常计算指标间的相关系数，定期观察变化。

时间序列的思维有三个关键点：

一是距今越近的时间点，越要重视（图中的深浅度，越近期发生的事，越有可能再次发生）；

二是要做同比（图中的连线指示，指标往往存在某些周期性，需要在周期中的同一阶段进行对比，才有意义）；

业务流程的闭环是管理者比较容易定义出来的，列出公司所有业务环节，梳理出业务流程，然后定义各个环节之间相互影响的指标，跟踪这些指标的变化，能从全局上把握公司的运行状况，如脉脉的业务流程（如下图）。有了循环思维的好处是，你能比较快的建立有逻辑关系的指标体系。

九、逻辑思维

逻辑思维即明白价值链、明白各项数据中的关系，也就是因果关系。

该方法的关键在于明白其中的关系要求你对这项工作要了解、熟悉，要细致和慎密，要清楚充分性和必要性的关系。实际上也就是指：你需要哪些数据？如何获得这些数据?数据之间的关系如何？这里最常见的手段就是A/B test啦。

那么如何细化一下这个概念？

一是在条件允许的情况下，决策前尽量做对比测试；

二是测试时，一定要注意参照组的选择，建议任何实验中，都要留有不进行任何变化的一组样本，作为最基本的参照。

现在数据获取越来越方便，在保证数据质量的前提下，希望大家多做实验，多去发现规律，可以按如下表格来做实验。

数化的好处非常明显：

一是减少了指标，使得管理者精力更为集中；

二是指数化的指标往往都提高了数据的可靠程度；

三是指数能长期使用且便于理解。

指数的设计是门大学问，这里简单提三个关键点：

一是要遵循独立和穷尽的原则；

二是要注意各指标的单位，尽量做标准化来消除单位的影响；

三是权重和需要等于1。

PS：独立穷尽原则，即你所定位的问题，在搜集衡量该问题的多个指标时，各个指标间尽量相互独立，同时能衡量该问题的指标尽量穷尽（收集全）。例如当运营人员考虑是否需要将自己的内容分发到其他平台时，他可以采用指数化思维来整体评分。