一、数据分析的核心思维
产品数据分析的目的：用数据回答业务问题（用户从哪来、为什么留下、为何流失）。核心思维：先有假设再有验证（数据验证想法）；关注业务指标而非虚荣指标（DAU涨了但活跃质量下降）；对比分析（环比、同比、实验组对照组）。"数据是决策的参考，不是决策的全部"——数据+业务理解才是完整判断。
二、核心指标体系
产品核心指标：获客（新增用户、获客成本CAC）；激活（注册转化率、首日体验完成率）；留存（次日/7日/30日留存率，产品健康度关键）；变现（付费率、ARPU、LTV）；传播（K因子、分享率）。经典框架：AARRR漏斗模型（获客-激活-留存-变现-传播）；HEART框架（体验指标）。北极星指标：唯一关键指标（如社交产品的"每周活跃互动用户数"）。
三、分析工具与方法
数据分析工具：埋点平台（神策、GrowingIO、友盟）；BI看板（Tableau、PowerBI、帆软）；SQL查询（数据库取数）；Excel（日常分析）；A/B测试平台（实验优化）。分析方法：漏斗分析（转化率优化）；留存分析（用户生命周期）；用户分群（不同群体差异化分析）；归因分析（转化来源）。2026年趋势：AI数据分析助手（自然语言查数、自动生成洞察）。
四、从数据到行动
数据驱动决策流程：明确问题→定义指标→数据采集→分析洞察→提出假设→实验验证→落地推广→复盘迭代。常见误区：指标堆砌（没有重点）；数据失真（埋点错误、样本偏差）；过度依赖（忽视定性反馈）；"为了分析而分析"（不落地到行动）。数据分析的最终价值是"指导产品决策"——让每个功能改动都有依据、有验证、有复盘。