產品經理常用測試方法

⑴ 產品經理如何做用戶行為分析

在這個每個互聯網人都在談論數據，每個產品經理都在談論數據分析的時代，用戶行為分析的重要性也越來越凸顯出來，那麼產品經理如何做用戶行為分析呢？接下來將為大家進行分享。

一、為什麼要做用戶行為分析

觀點一：有些功能整個平台用戶都希望做，是沒有必要耗費人力評估的，只要做了就可以了。用戶行為分析是形式，不能為了分析而分析。觀點二：我都在這個行業做了這么多年了，用戶需要什麼難道我不知道嗎？我本身就是用戶，我可以代表他們，我的需求就是他們的需求目標。觀點三：只需要做充分的調研分析就可以了，比如需求調研，產品使用調研，多找找目標用戶，多讓他們提一些反饋意見，根據反饋來做修改即可。觀點四：不要總是順著用戶的意思去做產品。產品設計的核心是產品經理的想法，而不是用戶的看法。

以上觀點其實都是錯誤的，如果產品經理有這樣的想法，會對自己極為不利。下面我們來看兩個案例：

案例一：Growing IO 改版前後對比

視頻介紹功能是所有用戶都想要的，於是Growing IO毫不猶豫地把視頻放在了首頁，然後注冊轉化率下降了50%，持續觀察兩個周，注冊轉化率仍然沒有顯著增長，回滾到上個版本，注冊轉化率逐漸恢復。結論：

部分用戶的觀點無法代表全體用戶的真實感受，視頻介紹可能是偽需求。產品經理的主觀感受無法代表用戶的真實體驗，任何人都無法代表用戶。視頻介紹分散了用戶的注意力，導致首頁注冊轉化率大幅度下跌。

案例二：Facebook改版之後再回滾

Facebook經過改版之後，頁面更清爽了，展示面積更大了，突出了圖片以及視頻，展示信息更豐富，Facebook的產品經理、交互設計師都對這一版本非常有信心。然而10%灰度發布之後，用戶平均在線時長降低50%，一個月後，數據仍然沒有好轉。

互聯網產品要以數據為導向，而不僅僅憑借自己的主觀感覺。產品設計過於超前了，產品版本迭代版本之間沒有一定的過渡，用戶無法習慣。

因此可以說，數據分析在日常工作中起到的是必不可少的作用。1、用戶行為分析不是形式化，不是為了分析而分析，哪怕是核心用戶提出的需求，也要通過數據來驗證，任何人都無法代表真正的用戶。2、產品經理要有自我革新，自我否定的意識。用戶的需求是變的，不能太過於依賴過往的經驗，過往的經驗不可靠，只有數據最可靠。3、用戶分析調研是一方面，只是為產品提供思路，但是是否有利於產品長期發展還是要通過數據來說話。4、用戶端產品要以用戶體驗為核心，以數據為導向。

二、數據指標與名詞含義

1、流量來源：流量來源的意思是網站的訪問來源，比如用戶來自於知乎，來自於微博等等。主要用來統計分析各渠道的推廣效果。

2、PV：PV（page view）即頁面瀏覽量或點擊量，指頁面刷新的次數，每一次頁面刷新，就算做一次PV流量。

3、UV：UV（unique visitor）即獨立訪客數，在同一天內，UV只記錄第一次進入網站的具有獨立IP的訪問者，在同一天內再次訪問該網站則不計數。PV與UV的比值一定程度上反映產品的粘性，比值越高往往粘性越高。

4、IP數：IP數即獨立IP的訪問用戶數，指1天內使用不同IP地址的用戶訪問網站的數量。IP數字與UV可能不同（可大可小可相等）

5、日活/月活：每日活躍用戶數（DAU）/每月活躍用戶數（MAU），反映的是網站或者APP的用戶活躍程度，用戶粘性。

6、次日留存/次月留存：次日留存、次月留存反映的是網站或者APP的留存率。

7、用戶保有率：指在單位時間內符合有效用戶條件的用戶數在實際產生用戶量的比率，也叫用戶留存。

8、轉化率/流失率：轉化率一般用來統計兩個流程之間的轉化比例。其中流失率也是重要的數據指標。用戶流失率=總流失用戶數/總用戶數。

9、跳出率：指用戶到達網站上且僅瀏覽了一個頁面就離開的訪問次數（PV）與所有訪問次數的百分比。跳出率越高說明越不受歡迎。

10、退出率：對某一個特定的頁面而言，從這個頁面離開網站的訪問數（PV）占這個頁面的訪問數的百分比。跳出率適用於訪問的著陸頁（即用戶訪問的第一個頁面），而退出率則適用於任何訪問退出的頁面。

11、使用時長：每天用戶使用的時間。對於游戲或者是社交產品來說，使用時間越長，說明用戶越喜歡。一般來說，使用時長越短說明產品粘性越差，用戶越不喜歡。

12、ARPU：Average Revenue Per User，每用戶平均收入在一定時間內，ARPU=總收入/用戶數。

三、如何做用戶行為分析――三大理念

1、要樹立以數據為驅動的價值觀

要樹立以數據為驅動的價值觀，充分認可數據的價值。工作定位：統計、助力、優化、創新。商業變現是最根本目標：用戶使用產生數據商業變現

2、要有用戶行為分析方法論

在用戶行為分析中，越底層產生的價值越低，越頂層產生的價值越高。做用戶行為分析應該把重心放在最有價值的分析和決策兩個層面。將更多的時間放在分析以及應用上，而不是數據採集上。

AARRR模型，我們在做用戶行為分析的時候，應該考慮用戶正處在AARRR模型的哪個部分、關鍵數據指標是什麼、對應的分析方法又是什麼。

當我們對產品有一個idea的時候，採用MVP的方式將其構建，功能上線後，衡量用戶和市場反應，從而不斷學習優化

3、要用功能強大的用戶行為分析工具

比如Google analysis、神策數據、Growing IO等等

四、如何做用戶行為分析――八大方法

1、內外因素分析

該方法有助於快速定位問題。例如一款金融類產品UV下降，快速分析相關原因。內部可控因素：渠道變化、近期上線更新版本、內部不可控因素：公司戰略變更、外部可控因素：淡旺季、外部不可控因素：監管。

2、事件分析

事件維度：用戶在產品中的行為以及業務過程。指標：具體的數值，訪客、地址、瀏覽量（PV、UV）、停留時長。趨勢分析：分析各個事件的趨勢

通過事件分析，比如分析用戶的在線時長、點擊事件、下載事件等等，然後分析用戶的行為。並且通過各類圖標來分析用戶的行為趨勢，從而對用戶的行為有初步的了解。

3、試點分析

說白了就是，當發現一個問題之後，不要那麼著急去解決，而是只想一個解決辦法，然後灰度發布，如果灰度發布的人群數據比較好，那麼就推往整個用戶群。

這是一種從一個具體問題拆分到整體影響，從單一解決方案找到一個規模化解決方案的方式。

4、漏斗模型

漏斗模型是最常用的分析方法，可以廣泛應用於流量監控、產品目標轉化等日常數據運營工作中。要根據實際需要來確定是否有做漏斗分析的必要，比如用戶注冊過程、下單過程這些主要流程，就需要用漏斗模型來進行分析，尤其是需要分析用戶在哪個環節流失最嚴重。

5、留存分析

通過留存分析，分析用戶的次日留存、次周留存、次月留存等等，次日留存率能夠說明用戶對這款產品是否有持續使用的興趣，對於社交、游戲類產品來說，次日留存率非常重要。

6、行為軌跡分析

只通過PV、UV 分析以及退出率分析是無法找到大部分用戶是怎麼去使用這款產品的。只有通過記錄用戶的行為軌跡，才能夠關注用戶真正如何去使用這款產品的。用戶體驗設計是對用戶行為的設計，通過行為軌跡分析，能夠幫助產品經理設計出來的產品直達用戶內心。

例：通過用戶行為軌跡分析發現，大部分用戶支付轉化率不高並不是退出了，而是返回了上一個頁面，猜測：當前頁面信息不足，用戶在猶豫，想返回上一個頁面再了解一下產品。

7、A/B test

A/B test是一種產品優化方法，AB測試本質上是個分離式組間實驗，將A與B兩個不同的版本同時發往兩個幾乎一致的用戶群，來觀測這兩個用戶群的數據反饋。

A/B test是一種「先驗」的實驗體系，屬於預測型結論，與「後驗」的歸納性結論差別巨大。A/B測試的目的在於通過科學的實驗設計、采樣樣本代表性、流量分割與小流量測試等方式來獲得具有代表性的實驗結論，並確信該結論在推廣到全部流量可信。

8、點擊分析

通過點擊分析，能夠直觀地看出來在這個頁面中，用戶的注意力都集中在哪些地方，用戶最常用的功能是什麼。方便產品經理對用戶行為形成整體的了解，有助於產品經理引導用戶往自己想要的方向去操作。

以上就是我個人總結的產品經理用戶行為分析的方法，歡迎大家來補充、交流。

作者：秦時明月，互聯網現金貸產品經理、互聯網保險產品經理。

本文由@秦時明月原創發布於人人都是產品經理。未經許可，禁止轉載。

題圖來自 unsplash，基於 CC0協議

⑵ 產品經理必會的10種數據分析方法

產品經理必會的10種數據分析方法
隨著人口和流量紅利的下降，互聯網行業必然會朝著精益化運營的方向發展。數據分析在很多互聯網人的工作中越發顯得重要，而對於產品經理來說，更是如此。
本文將為產品經理介紹數據分析的基本思路，並基於此，衍生出 2 個常見方法和 7 個應用手段，希望在數據分析的實際應用中能給大家帶來幫助。
一、數據分析的基本思路數據分析應該以業務場景為起始思考點，以業務決策作為終點。
基本思路為 5 步，首先要挖掘業務含義、制定分析計劃、從分析計劃中拆分出需要的數據、再根據數據分析的手段提煉業務洞察，最終產出商業決策。
接下來我們用一個案例來具體說明這 5 步思路：某國內 P2P 借貸類網站，市場部在網路和 hao123 上都有持續的廣告投放，吸引網頁端流量；最近內部同事建議嘗試投放 Google 的 SEM；另外，也需要評估是否加入金山網路聯盟進行深度廣告投放。在這種多渠道的投放場景下，產品經理該如何進行深度決策？1. 挖掘業務含義
首先要了解市場部想優化什麼，並以此為核心的 KPI 去衡量。渠道效果的評估，最重要的是業務轉化：對 P2P 類網站來說，是否『發起借貸』遠遠比『用戶數量』重要。
所以無論是 Google 還是金山渠道，都要根據用戶群體的不同，優化相應用戶的落地頁，提升轉化。
2. 制定分析計劃
以『發起借貸』為核心轉化點，分配一定的預算進行流量測試，觀察對比注冊數量及 ROI 效果，可以持續觀察這部分用戶的後續價值。
3. 拆分查詢數據
根據各個渠道追蹤流量、落地頁停留時間、落地頁跳出率、網站訪問深度以及訂單類型數據，進行用戶分群。
4.提煉業務洞察
在不同渠道進行投放時，要根據 KPI 的變化，推測業務含義。比如谷歌渠道的效果不好，可能因為谷歌大部分的流量在海外，可能會造成轉化率低。而金山網路聯盟有很多展示位置，要持續監測不同位置的效果，做出最後判斷。
5.產出商業決策
最後根據數據洞察，指導渠道的投放決策制。比如停止谷歌渠道的投放，繼續跟進金山網路聯盟進行評估，而落地頁要根據數據指標持續地進行優化。
二、常見的數據分析方法（一）內外因素分解法內外因素分解法是把問題拆成四部分，包括內部因素、外部因素、可控和不可控，然後再一步步解決每一個問題。
社交招聘類網站，一般分為求職者端和企業端，向企業端收費方式之一是購買職位的廣告位。業務端人員發現『發布職位』數量在過去的 6 個月里有緩慢下降的趨勢。
對於這類某一數據下降的問題，從產品經理的角度來說，可以如何拆解？
根據內外因素分解法分析如下：
1.內部可控因素
產品近期上線更新、市場投放渠道變化、產品粘性、新老用戶留存問題、核心目標的轉化；
2.外部可控因素
市場競爭對手近期行為、用戶使用習慣的變化、招聘需求隨時間的變化；
3.內部不可控因素
產品策略（移動端/PC端）、公司整體戰略、公司客戶群定位（比如只做醫療行業招聘）；
4.外部不可控因素
互聯網招聘行業趨勢、整體經濟形勢、季節性變化；
（二）DOSSDOSS 是從一個具體問題拆分到整體影響，從單一的解決方案找到一個規模化解決方案的方式。
某在線教育平台，提供免費課程視頻，同時售賣付費會員，為付費會員提供更多高階課程內容。如果我想將一套計算機技術的付費課程，推送給一群持續在看 C++ 免費課程的用戶，產品經理應該如何輔助分析？按 DOSS 的思路分解如下：
1.具體問題
預測是否有可能幫助某一群組客戶購買課程。
2.整體
首先根據這類人群的免費課程的使用情況進行數據分析，之後進行延伸，比如對整體的影響，除了計算機類，對其他類型的課程都進行關注。
3.單一回答
針對該群用戶進行建模，監控該模型對於最終轉化的影響。
4.規模化
之後推出規模化的解決方案，對符合某種行為軌跡和特徵的行為進行建模，將課程推薦模型加入到產品設計中。
三、數據分析的應用手段根據基本分析思路，常見的有 7 種數據分析的手段。（一）畫像分群畫像分群是聚合符合某中特定行為的用戶，進行特定的優化和分析。
比如在考慮注冊轉化率的時候，需要區分移動端和 Web 端，以及美國用戶和中國用戶等不同場景。這樣可以在渠道策略和運營策略上，有針對性地進行優化。（二）趨勢維度
建立趨勢圖表可以迅速了解市場， 用戶或產品特徵的基本表現，便於進行迅速迭代；還可以把指標根據不同維度進行切分，定位優化點，有助於決策的實時性；（三）漏斗洞察通過漏斗分析可以從先到後的順序還原某一用戶的路徑，分析每一個轉化節點的轉化數據；
所有互聯網產品、數據分析都離不開漏斗，無論是注冊轉化漏斗，還是電商下單的漏斗，需要關注的有兩點。第一是關注哪一步流失最多，第二是關注流失的人都有哪些行為。
關注注冊流程的每一個步驟，可以有效定位高損耗節點。
（四）行為軌跡
行為軌跡是進行全量用戶行為的還原。只看 PV、UV 這類數據，無法全面理解用戶如何使用你的產品。了解用戶的行為軌跡，有助於運營團隊關注具體的用戶體驗，發現具體問題，根據用戶使用習慣設計產品，投放內容；（五）留存分析留存是了解行為或行為組與回訪之間的關聯，留存老用戶的成本要遠遠低於獲取新用戶，所以分析中的留存是非常重要的指標之一；
除了需要關注整體用戶的留存情況之外，市場團隊可以關注各個渠道獲取用戶的留存度，或各類內容吸引來的注冊用戶回訪率，產品團隊關注每一個新功能對於用戶的回訪的影響等。（六）A/B 測試A/B 測試是對比不同產品設計/演算法對結果的影響。
產品在上線過程中經常會使用 A/B 測試來測試產品效果，市場可以通過 A/B 測試來完成不同創意的測試。
要進行 A/B 測試有兩個必備因素：
1.有足夠的時間進行測試；
2.數據量和數據密度較高；
因為當產品流量不夠大的時候，做 A/B 測試得到統計結果是很難的。而像 LinkedIn 這樣體量的公司，每天可以同時進行上千個 A/B 測試。所以 A/B 測試往往公司數據規模較大時使用會更加精準，更快得到統計的結果。
（七）優化建模當一個商業目標與多種行為、畫像等信息有關聯性時，我們通常會使用數據挖掘的手段進行建模，預測該商業結果的產生；
例如：作為一家 SaaS 企業，當我們需要預測判斷客戶的付費意願時，可以通過用戶的行為數據，公司信息，用戶畫像等數據建立付費溫度模型。用更科學的方式進行一些組合和權重，得知用戶滿足哪些行為之後，付費的可能性會更高。
以上這幾種數據分析的方法論，僅僅掌握單純的理論是不行的。產品經理們需要將這些方法論應用到日常的數據分析工作中，融會貫通。同時學會使用優秀的數據分析工具，可以事半功倍，更好的利用數據，實現整體增長。

⑶ 軟體測試的方法一共有幾種

1、從是否關心內部結構來看

（1）白盒測試：又稱為結構測試或邏輯驅動測試，是一種按照程序內部邏輯結構和編碼結構，設計測試數據並完成測試的一種測試方法。

（2）黑盒測試：又稱為數據驅動測試，把測試對象當做看不見的黑盒，在完全不考慮程序內部結構和處理過程的情況下，測試者僅依據程序功能的需求規范考慮，確定測試用例和推斷測試結果的正確性，它是站在使用軟體或程序的角度，從輸入數據與輸出數據的對應關系出發進行的測試。

（3）灰盒測試：是一種綜合測試法，它將「黑盒」測試與「白盒」測試結合在一起，是基於程序運行時的外部表現又結合內部邏輯結構來設計用例，執行程序並採集路徑執行信息和外部用戶介面結果的測試技術。

2、從是否執行代碼看

（1）靜態測試：指不運行被測程序本身，僅通過分析或檢查源程序的語法、結構、過程、介面等來檢查程序的正確性。

(2)動態測試：是指通過運行被測程序，檢查運行結果與預期結果的差異，並分析運行效率、正確性和健壯性等性能指標。

3、從開發過程級別看

（1）單元測試：又稱模塊測試，是針對軟體設計的最小單位----程序模塊或功能模塊，進行正確性檢驗的測試工作。其目的在於檢驗程序各模塊是否存在各種差錯，是否能正確地實現了其功能，滿足其性能和介面要求。

(2)集成測試：又叫組裝測試或聯合，是單元測試的多級擴展，是在單元測試的基礎上進行的一種有序測試。旨在檢驗軟體單元之間的介面關系，以期望通過測試發現各軟體單元介面之間存在的問題，最終把經過測試的單元組成符合設計要求的軟體。

（3）系統測試：是為判斷系統是否符合要求而對集成的軟、硬體系統進行的測試活動、它是將已經集成好的軟體系統，作為基於整個計算機系統的一個元素，與計算機硬體、外設、某些支持軟體、人員、數據等其他系統元素結合在一起，在實際運行環境下，對計算機系統進行一系列的組裝測試和確認測試。

在系統測試中，對於具體的測試類型有：

（1）功能測試：對軟體需求規格說明書中的功能需求逐項進行的測試，以驗證功能是否滿足要求。

（2）性能測試：對軟體需求規格說明書的功能需求逐項進行的測試，以驗證功能是否滿足要求。

（3）介面測試：對軟體需求規格說明中的介面需求逐項進行的測試。

（4）人機交互界面測試：對所有人機交互界面提供的操作和顯示界面進行的測試，以檢驗是否滿足用戶的需求。

（5）強度測試：強制軟體運行在異常乃至發生故障的情況下（設計的極限狀態到超出極限），驗證軟體可以運行到何種程序的測試。

（6）餘量測試：對軟體是否達到規格說明中要求的餘量的測試。

（7）安全性測試：檢驗軟體中已存在的安全性、安全保密性措施是否有效的測試，

（8）可靠性測試：在真實的或模擬的環境中，為做出軟體可靠性估計而對軟體進行的功能（其輸入覆蓋和環境覆蓋一般大於普通的功能測試）

（9）恢復性測試：對有恢復或重置功能的軟體的每一類導致恢復或重置的情況，逐一進行的測試。

（10）邊界測試：對軟體處在邊界或端點情況下運行狀態的測試。

（11）數據處理測試：對完成專門數據處理功能所進行的測試。

（12）安裝性測試：對安裝過程是否符合安裝規程的測試，以發現安裝過程中的錯誤。

（13）容量測試：檢驗軟體的能力最高能達到什麼程度的測試。

（14）互操作性測試：為驗證不同軟體之間的互操作能力而進行的測試。

（15）敏感性測試：為發現在有效輸入類中可能引起某種不穩定性或不正常處理的某些數據的組合而進行的測試。

（16）標准符合性測試：驗證軟體與相關國家標准或規范（如軍用標准、國家標准、行業標准及國際標准）一致性的測試。

（17）兼容性測試：驗證軟體在規定條件下與若干個實體共同使用或實現數據格式轉換時能滿足有關要求能力的測試。

（18）中文本地化測試：驗證軟體在不降低原有能力的條件下，處理中文能力的測試。

4、從執行過程是否需要人工干預來看

（1）手工測試：就是測試人員按照事先為覆蓋被測軟體需求而編寫的測試用例，根據測試大綱中所描述的測試步驟和方法，手工地一個一個地輸 入執行，包括與被測軟體進行交互（如輸入測試數據、記錄測試結果等），然後觀察測試結果，看被測程序是否存在問題，或在執行過程中是否會有一場發生，屬於比較原始但是必須執行的一個步驟。

（2）自動化測試：實際上是將大量的重復性的測試工作交給計算機去完成，通常是使用自動化測試工具來模擬手動測試步驟，執行用某種程序設計語言編寫的過程（全自動測試就是指在自動測試過程中，不需要人工干預，由程序自動完成測試的全過程；半自動測試就是指在自動測試過程中，需要手動輸入測試用例或選擇測試路徑，再由自動測試程序按照人工指定的要求完成自動測試）

5、從測試實施組織看

（1）開發測試：開發人員進行的測試

（2）用戶測試：用戶方進行的測試

（3）第三方測試：有別於開發人員或用戶進行的測試，由專業的第三方承擔的測試，目的是為了保證測試工作的客觀性

6、從測試所處的環境看

（1）阿爾法測試：是由一個用戶在開發環境下進行的測試，也可以是公司內部的用戶在模擬實際操作環境下進行的測試

（2）貝塔測試：是用戶公司組織各方面的典型終端用戶在日常工作中實際使用貝塔版本，並要求用戶報告

(3)產品經理常用測試方法擴展閱讀

軟體測試的內容：

1 得到需求、功能設計、內部設計說書和其他必要的文檔

2 得到預算和進度要求

3 確定與項目有關的人員和他們的責任、對報告的要求、所需的標准和過程 ( 例如發行過程、變更過程、等等 )

4 確定應用軟體的高風險范圍，建立優先順序、確定測試所涉及的范圍和限制

5 確定測試的步驟和方法 ── 部件、集成、功能、系統、負載、可用性等各種測試

6 確定對測試環境的要求 ( 硬體、軟體、通信等 )

7 確定所需的測試用具 (testware) ，包括記錄 / 回放工具、覆蓋分析、測試跟蹤、問題 / 錯誤跟蹤、等等

8 確定對測試的輸入數據的要求

9 分配任務和任務負責人，以及所需的勞動力

10 設立大致的時間表、期限、和里程碑

11 確定輸入環境的類別、邊界值分析、錯誤類別

12 准備測試計劃文件和對計劃進行必要的回顧

13 准備白盒測試案例

14 對測試案例進行必要的回顧 / 調查 / 計劃

15 准備測試環境和測試用具，得到必需的用戶手冊 / 參考文件 / 結構指南 / 安裝指南，建立測試跟蹤過程，建立日誌和檔案、建立或得到測試輸入數據

16 得到並安裝軟體版本

17 進行測試

18 評估和報告結果

19 跟蹤問題 / 錯誤，並解決它

20 如果有必要，重新進行測試

21 在整個生命周期里維護和修改測試計劃、測試案例、測試環境、和測試用具

⑷ 灰度測試是什麼意思產品經理必看

實際上，灰度測試是指如果軟體要在近期推出新功能或進行重大修改，你必須先做少量的實驗工作，然後慢慢增加數量，直到這個新功能覆蓋所有系統用戶，也就是新功能上有介於黑白之間的灰色，所以這種方法通常也叫灰度測試。

灰度測試，也稱為金絲雀釋放和灰度釋放，是一種枯跡釋放黑白之間平滑過渡的方式。可以對其進行A/B測試，即部分用戶繼續使用產品功能A，部分用戶開始使用產品功能B，如果用戶不反對B，逐步擴大范圍，將所有用戶遷移到B，灰度測試可以保證整個系統的穩定性，可以蔽蔽在初始灰度發現問題沒並並並進行調整，保證其影響。

灰階期：灰階發布開始到結束的時期，稱為灰階期。

灰度測試可以盡早得到用戶的反饋，提高產品功能和質量，讓用戶參與產品測試，增強與用戶的互動，減少產品升級影響用戶的范圍。