1. 学习完该门课程的所有内容；

2. 完成该门课程的所有课后作业；

3. 测试合格。

对互联网产品经理岗位有一定了解，通过网络阅读初步了解产品经理入门知识。

4.1认识数据——产品经理与数据分析 

4.1.1 数据的客观性

第一节：认识数据

知识点：数据是量化事物的手段；处理数据的手段会导致解读的结论偏差；“求证”地分析数据（Facebook案例）

第二节：产品经理如何学习数据分析

知识点：明确问题本质；了解产品业务；大量深入的产品实践

第三节：数据如何帮助产品经理

知识点：发现问题，验证假设，协助优化（网易案例）

4.1.2 培养面对数据的“智慧”

第一节：如何提出数据统计需求

知识点：一个完整的数据需求——功能设计方案、功能目的和目标、功能上线后需要跟踪的数据指标及指标精确定义（网站注册流程需求案例）；

第二节：如何解读数据

知识点：探究因果关系和相关关系；提出好的追问假设，在不同的维度拆分数据。（电商网站案例）

4.1.3 数据分析当中的“误区”

第一节：忽略沉默用户

知识点：用户迫切需要的需求≠产品核心需求

第二节：过分依赖数据

知识点：过分依赖数据会限制产品经理的灵感

第三节：错判因果关系和相关关系

知识点：因关关系a导出b的发生，相关关系是a和b的发生有相同的原因（电商案例）

第四节：警惕表达数据的技巧

知识点：转化率表达的案例

第五节：不要妄谈大数据

知识点：大数据——要用全部数据、注重相关关系、全新的计算方法

4.2获取数据——产品分析指标和工具

4.2.1 网站数据指标

第一节：网站分析工具

知识点：免费网站排名工具、免费网站监测工具

第二节：关键网站分析指标

知识点：访问量、访客数、浏览量、跳出率、页面停留时长、网站停留时长、退出率、转化率

第三节：Google Analytics操作介绍

知识点：受众群体分析、流量获取分析、用户行为分析、用户转化分析

第四节：对分析网站宏观分析

知识点：访客数和访问深度，访客来源，渠道效果，分析用户在网页的行为

4.2.2 移动应用类数据指标

第一节：移动应用主要指标

知识点：用户获取、用户活跃与参与、用户留存、用户转化、获取收入等过程各数据指标

第二节：使用数据指标评价版本迭代效果的方法

知识点：留存率对比，核心功能使用率，使用率和继续使用率，对核心功能的促进效果（网易云音乐案例）

第三节：移动应用分析工具

知识点：国内分析工具，国外分析工具，Crash分析工具

4.2.3 电商类数据指标

第一节：电商类关键指标

知识点：销售额、购买客户数、客单价、购买转化率、UV、详情页UV、重点商品缺货率

第二节：分析数据指标方法

知识点：流量增长因素、客单价增长因素、转化率因素（网易考拉海购）

第三节：详情页来源分析

知识点：导出率、商品导出率、推荐商品点击率

4.2.4 UGC类数据指标

第一节：UGC产品参与度指标

知识点：访客数、登陆访客数及占比、沉默用户数及占比、平均停留时长、产出内容访客及占比（Lofter案例）

第二节：优质内容评分

知识点：热度=分享次数+推荐次数+点赞次数

第三节：互联网产品指标思路

知识点：访客数和特征、获取渠道及渠道质量、访客参与深度、转化率和转化漏斗是否流畅

第四节：获取指标的方式

知识点：分析日志、分析工具获取（自定义时间、自定义转化漏斗）

4.3 分析数据——产品数据分析框架

4.3.1 基本分析方法

第一节：对比分析

知识点：横向对比，纵向对比（保证对比指标之外其他因素尽可能保持一致）

第二节：趋势分析

知识点：整体趋势、周期变化、极值点

第三节：象限分析

知识点：渠道评估和优化（质量--数量）

第四节：交叉分析法

知识点：多维度的数据分析（ios和安卓下载数分析）

4.3.2 数据分析框架——AARRR模型

第一节：数据分析框架的作用

知识点：保证结果的准确性、可靠性、针对性

第二节：AARRR分析框架

知识点：获取、激活、留存、收入、推荐及各环节的指标

第三节：AARRR模型应用

知识点：提升AARRR各环节指标的对应操作（渠道分析案例）

4.3.3 数据分析框架——逻辑分层拆解与漏斗分析

第一节：逻辑分层拆解

知识点：逻辑拆【相关指标和核心指标存在逻辑关联】分层拆解【同一层指标不相关】（电商案例）

第二节：漏斗分析法

知识点：关键路径的转化率、转化率对比分析、Google Analytic行为流

4.3.4 数据会说谎

第一节：改变坐标轴

知识点：添加趋势线及其公式

第二节：样本量的误差

知识点：决定样本量大小的因素（总体大小、总体内部差异程度）

第三节：平均数的数据谎言

知识点：当数据呈现正态分布，平均数才能近似代表整体的情况

第四节：辛普森悖论

知识点：数据集中的变量被分组，其相关性被降低或不存在相关性（注意不用混淆变量分组数据）

4.4 利用数据——数据驱动产品

4.4.1 数据应用的场景

第一节：需求分析阶段

知识点：对用户层面的需求，通过数据去伪存真。对公司层面的需求，通过数据验证并提供证据（网易考拉海购退出率案例）

第二节：产品设计阶段

知识点：设计前——发现问题，设计中——辅助决策，判断思路（A/B test），设计后——验证方案（对比核心指标）

4.4.2 数据驱动产品的方法（网易考拉海购首页改版案例）

第一节：通过数据发现问题

知识点：对导出率、跳出率、满意度、各端用户占比进行对比分析

第二节：确定改版数据指标

知识点：综合用户需求和数据反映问题拟定核心指标

第三节：产品设计

知识点：品牌调性（用户调研）、首页架构和陈列样式、展现形式

第四节：上线后的数据验证

知识点：对之前的数据核心指标进行对比认证，并发现新问题

4.4.3  如何培养数据分析能力

第一节：心法层面

知识点：好奇心、求知欲、观察生活

第二节：基础层面

知识点：核心基础概念、基本统计原理

第三节：实战层面

知识点：数据驱动产品闭环，熟悉业务，时刻关注数据、保持敏感