第三时期产品研发将针对第二时期筛选出的产品概念，按照以用户为中心的理念开始设计产品。首先根据目标用户的使用习惯并结合用户对产品的期望要求，设计出产品原型。然后基于用户对原型产品可用性的反馈评估，不断优化改进产品，以确保研发出的最终产品符合用户需要。 产品原型可以看做与用户沟通时使用的一种表现形式，诸如纸笔原型、线框图、产品测试版等，主要用来展现产品与用户之间…

在产品试商用的定量测试结果分析中，首先通过实际数据展示了产品下载安装成功率的具体情况。如上所示，可以看出，其中有90%的测试用户安装成功，有10%的测试用户出现了问题，而安装不成功主要归咎于三种情况，应重点关注并及时改进完善。   接下来的产品偏好评价方面，如上所示，最上面描述了影响产品各个指标的体验得分及权重。纵坐标表示各个指标的重要性程度，横坐…

通过定性研究，深入了解用户的产品使用行为、探索归纳出使用过程中遇到的障碍和问题，并对这些问题作出详细合理的解释，为随后的定量分析做准备。 结合定性研究总结出的主要问题，定量分析通过结构化的问卷调研了解用户的行为特征，如用户下载安装、使用地点、使用频率，以及对产品功能、价格和名称等方面的评价，并进行量化确认。 定量分析中，一般会借助电话访问结合问卷调研来获取用…

产品数据是产品经理量化产品的重要方面，数据的客观性，让数据变成了发掘问题本质，寻找事物规律所需要用到的最有利的手段之一，但在与数据打交道的过程中，我们可能经常会犯一些错误，导致分析的结论出现较大的偏颇，本文罗列数据分析过程中5个常见误区。

大数据时代，拥有数据就是拥有了宝贵的财富。现在获得数据已经变得越来越容易。但是数据的价值怎么才能最大的挖掘出来呢仅仅拥有数据是远远不够的，要使用数据来发挥价值。仅仅让机器来使用数据还是远远不够的，更最重要的在于企业里的 “人” 可以正确高效的使用数据。这就需要企业具备数据驱动的理念。 那么什么是数据驱动的理念怎么定义数据驱动有很多人从不同角度给出了不同的解释…

当产品的订购或下载明显上升，需求量逐步扩大，营收业绩稳定增长，那么产品将进入发展时期。这时，产品经理应重点关注和考虑用户和产品之间的关系，了解哪些产品是经常被一起购买的，购买与不购买某类产品的用户特征又是怎样的。 通过挖掘产品横向之间的关联关系，分析出不同产品之间的内在共性，产品经理可以根据研究结果设计出针对性的产品组合，以此促进产品的订购和使用，为业务交叉…

在具体的研究过程中，分为外部调研和内部数据分析两个过程。 外部调研包括用户消费习惯和使用态度的研究，一是通过搜集用户基本属性信息以及使用产品的行为偏好信息来了解用户对产品的认知程度;二是通过搜集用户使用产品的反馈信息来了解用户对产品各方面的评价。 内部数据分析方法主要用来目标用户识别，依照用户的产品订购及使用行为，从多个维度对目标用户进行分析，以此了解用户使…

运营是介于产品开发和营销之间的一种运作状态。一般来说，随着业务的深入发展，以经验型为主粗放式运营必然转向以分析型为主的精细化运营。运营首先要处理好精确和准确的关系：准确是指真实值与测量值之间的误差程度小，精确表示在条件不变的情况下，真实值和测量值之间的误差程度能够反复再现。 运营分析需要保证结果的精确性，也就是常说的“次次如此、回回一样”，可以容忍一定程度上…

在这样一个「数据驱动」的时代，很多产品团队都选择在产品早期就引入或搭建数据分析平台，并希望能够通过数据驱动产品的快速成长，但即便如此，大多数的初创企业还是难逃失败的厄运。除去战略、经营等导致企业死亡的情况，数据分析的「深度不够」也是让产品铩羽的重要原因——大多数企业构建的数据分析平台仅仅能看一些统计指标——而这并不足以指导产品改进，并使之走向成功! 产品数据…

本文作者系统介绍了用户体验评测指标体系的构建。

通常，用户使用产品前，鉴于对产品的认知和了解以及过往其他类似产品的使用经验，会对产品体验有所期望。当用户使用产品后，体验高于期望时，满意度会较高，反之则会较低。 简单地说，用户体验就是用户使用某个产品或者服务过程中的主观感受。良好的用户体验能够有效提升产品运营的质量，有利于维持用户黏性，提高用户忠诚度。 产品成熟阶段，用户体验评测主要用来评价、监测当前指定产…

外部调研结束后，接下来的内部数据分析则需由产品经理、行业专家和数据分析师共同配合完成。产品经理首先提出业务需求，并及时帮助数据分析师理解需求目标，然后数据分析师在充分掌握的基础上，将其转化为内部数据挖掘的分析目标，最后与行业专家确认所构建出的业务模型。同时，通过内部数据分析，产品经理还可以了解不同用户群体对产品的使用情况，以及从用户使用特征的角度来划分市场。…

定性研究结束后，随后的定量分析需要接触一定规模的用户，以此获取用户对产品的认知度等方面的信息，为了保证样本的代表性，通常采取电话访问的形式。 与试商用时期相比，产品上市后的用户数量会有所增加。如果成本允许，建议总样本规模尽可能达到600至800人左右，并按照用户黏性、订购方式分别配额。通常，访问800个用户，在95%的置信度下，可以确保误差在3.5%以内。 …

在这样一个「数据驱动」的时代，很多产品团队都选择在产品早期就引入或搭建数据分析平台，并希望能够通过数据驱动产品的快速成长，但即便如此，大多数的初创企业还是难逃失败的厄运。除去战略、经营等导致企业死亡的情况，数据分析的「深度不够」也是让产品铩羽的重要原因——大多数企业构建的数据分析平台仅仅能看一些统计指标——而这并不足以指导产品改进，并使之走向成功！ 01、产…