产品经理常用测试方法

⑴ 产品经理如何做用户行为分析

在这个每个互联网人都在谈论数据，每个产品经理都在谈论数据分析的时代，用户行为分析的重要性也越来越凸显出来，那么产品经理如何做用户行为分析呢？接下来将为大家进行分享。

一、为什么要做用户行为分析

观点一：有些功能整个平台用户都希望做，是没有必要耗费人力评估的，只要做了就可以了。用户行为分析是形式，不能为了分析而分析。观点二：我都在这个行业做了这么多年了，用户需要什么难道我不知道吗？我本身就是用户，我可以代表他们，我的需求就是他们的需求目标。观点三：只需要做充分的调研分析就可以了，比如需求调研，产品使用调研，多找找目标用户，多让他们提一些反馈意见，根据反馈来做修改即可。观点四：不要总是顺着用户的意思去做产品。产品设计的核心是产品经理的想法，而不是用户的看法。

以上观点其实都是错误的，如果产品经理有这样的想法，会对自己极为不利。下面我们来看两个案例：

案例一：Growing IO 改版前后对比

视频介绍功能是所有用户都想要的，于是Growing IO毫不犹豫地把视频放在了首页，然后注册转化率下降了50%，持续观察两个周，注册转化率仍然没有显着增长，回滚到上个版本，注册转化率逐渐恢复。结论：

部分用户的观点无法代表全体用户的真实感受，视频介绍可能是伪需求。产品经理的主观感受无法代表用户的真实体验，任何人都无法代表用户。视频介绍分散了用户的注意力，导致首页注册转化率大幅度下跌。

案例二：Facebook改版之后再回滚

Facebook经过改版之后，页面更清爽了，展示面积更大了，突出了图片以及视频，展示信息更丰富，Facebook的产品经理、交互设计师都对这一版本非常有信心。然而10%灰度发布之后，用户平均在线时长降低50%，一个月后，数据仍然没有好转。

互联网产品要以数据为导向，而不仅仅凭借自己的主观感觉。产品设计过于超前了，产品版本迭代版本之间没有一定的过渡，用户无法习惯。

因此可以说，数据分析在日常工作中起到的是必不可少的作用。1、用户行为分析不是形式化，不是为了分析而分析，哪怕是核心用户提出的需求，也要通过数据来验证，任何人都无法代表真正的用户。2、产品经理要有自我革新，自我否定的意识。用户的需求是变的，不能太过于依赖过往的经验，过往的经验不可靠，只有数据最可靠。3、用户分析调研是一方面，只是为产品提供思路，但是是否有利于产品长期发展还是要通过数据来说话。4、用户端产品要以用户体验为核心，以数据为导向。

二、数据指标与名词含义

1、流量来源：流量来源的意思是网站的访问来源，比如用户来自于知乎，来自于微博等等。主要用来统计分析各渠道的推广效果。

2、PV：PV（page view）即页面浏览量或点击量，指页面刷新的次数，每一次页面刷新，就算做一次PV流量。

3、UV：UV（unique visitor）即独立访客数，在同一天内，UV只记录第一次进入网站的具有独立IP的访问者，在同一天内再次访问该网站则不计数。PV与UV的比值一定程度上反映产品的粘性，比值越高往往粘性越高。

4、IP数：IP数即独立IP的访问用户数，指1天内使用不同IP地址的用户访问网站的数量。IP数字与UV可能不同（可大可小可相等）

5、日活/月活：每日活跃用户数（DAU）/每月活跃用户数（MAU），反映的是网站或者APP的用户活跃程度，用户粘性。

6、次日留存/次月留存：次日留存、次月留存反映的是网站或者APP的留存率。

7、用户保有率：指在单位时间内符合有效用户条件的用户数在实际产生用户量的比率，也叫用户留存。

8、转化率/流失率：转化率一般用来统计两个流程之间的转化比例。其中流失率也是重要的数据指标。用户流失率=总流失用户数/总用户数。

9、跳出率：指用户到达网站上且仅浏览了一个页面就离开的访问次数（PV）与所有访问次数的百分比。跳出率越高说明越不受欢迎。

10、退出率：对某一个特定的页面而言，从这个页面离开网站的访问数（PV）占这个页面的访问数的百分比。跳出率适用于访问的着陆页（即用户访问的第一个页面），而退出率则适用于任何访问退出的页面。

11、使用时长：每天用户使用的时间。对于游戏或者是社交产品来说，使用时间越长，说明用户越喜欢。一般来说，使用时长越短说明产品粘性越差，用户越不喜欢。

12、ARPU：Average Revenue Per User，每用户平均收入在一定时间内，ARPU=总收入/用户数。

三、如何做用户行为分析――三大理念

1、要树立以数据为驱动的价值观

要树立以数据为驱动的价值观，充分认可数据的价值。工作定位：统计、助力、优化、创新。商业变现是最根本目标：用户使用产生数据商业变现

2、要有用户行为分析方法论

在用户行为分析中，越底层产生的价值越低，越顶层产生的价值越高。做用户行为分析应该把重心放在最有价值的分析和决策两个层面。将更多的时间放在分析以及应用上，而不是数据采集上。

AARRR模型，我们在做用户行为分析的时候，应该考虑用户正处在AARRR模型的哪个部分、关键数据指标是什么、对应的分析方法又是什么。

当我们对产品有一个idea的时候，采用MVP的方式将其构建，功能上线后，衡量用户和市场反应，从而不断学习优化

3、要用功能强大的用户行为分析工具

比如Google analysis、神策数据、Growing IO等等

四、如何做用户行为分析――八大方法

1、内外因素分析

该方法有助于快速定位问题。例如一款金融类产品UV下降，快速分析相关原因。内部可控因素：渠道变化、近期上线更新版本、内部不可控因素：公司战略变更、外部可控因素：淡旺季、外部不可控因素：监管。

2、事件分析

事件维度：用户在产品中的行为以及业务过程。指标：具体的数值，访客、地址、浏览量（PV、UV）、停留时长。趋势分析：分析各个事件的趋势

通过事件分析，比如分析用户的在线时长、点击事件、下载事件等等，然后分析用户的行为。并且通过各类图标来分析用户的行为趋势，从而对用户的行为有初步的了解。

3、试点分析

说白了就是，当发现一个问题之后，不要那么着急去解决，而是只想一个解决办法，然后灰度发布，如果灰度发布的人群数据比较好，那么就推往整个用户群。

这是一种从一个具体问题拆分到整体影响，从单一解决方案找到一个规模化解决方案的方式。

4、漏斗模型

漏斗模型是最常用的分析方法，可以广泛应用于流量监控、产品目标转化等日常数据运营工作中。要根据实际需要来确定是否有做漏斗分析的必要，比如用户注册过程、下单过程这些主要流程，就需要用漏斗模型来进行分析，尤其是需要分析用户在哪个环节流失最严重。

5、留存分析

通过留存分析，分析用户的次日留存、次周留存、次月留存等等，次日留存率能够说明用户对这款产品是否有持续使用的兴趣，对于社交、游戏类产品来说，次日留存率非常重要。

6、行为轨迹分析

只通过PV、UV 分析以及退出率分析是无法找到大部分用户是怎么去使用这款产品的。只有通过记录用户的行为轨迹，才能够关注用户真正如何去使用这款产品的。用户体验设计是对用户行为的设计，通过行为轨迹分析，能够帮助产品经理设计出来的产品直达用户内心。

例：通过用户行为轨迹分析发现，大部分用户支付转化率不高并不是退出了，而是返回了上一个页面，猜测：当前页面信息不足，用户在犹豫，想返回上一个页面再了解一下产品。

7、A/B test

A/B test是一种产品优化方法，AB测试本质上是个分离式组间实验，将A与B两个不同的版本同时发往两个几乎一致的用户群，来观测这两个用户群的数据反馈。

A/B test是一种“先验”的实验体系，属于预测型结论，与“后验”的归纳性结论差别巨大。A/B测试的目的在于通过科学的实验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的实验结论，并确信该结论在推广到全部流量可信。

8、点击分析

通过点击分析，能够直观地看出来在这个页面中，用户的注意力都集中在哪些地方，用户最常用的功能是什么。方便产品经理对用户行为形成整体的了解，有助于产品经理引导用户往自己想要的方向去操作。

以上就是我个人总结的产品经理用户行为分析的方法，欢迎大家来补充、交流。

作者：秦时明月，互联网现金贷产品经理、互联网保险产品经理。

本文由@秦时明月原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 unsplash，基于 CC0协议

⑵ 产品经理必会的10种数据分析方法

产品经理必会的10种数据分析方法
随着人口和流量红利的下降，互联网行业必然会朝着精益化运营的方向发展。数据分析在很多互联网人的工作中越发显得重要，而对于产品经理来说，更是如此。
本文将为产品经理介绍数据分析的基本思路，并基于此，衍生出 2 个常见方法和 7 个应用手段，希望在数据分析的实际应用中能给大家带来帮助。
一、数据分析的基本思路数据分析应该以业务场景为起始思考点，以业务决策作为终点。
基本思路为 5 步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。
接下来我们用一个案例来具体说明这 5 步思路：某国内 P2P 借贷类网站，市场部在网络和 hao123 上都有持续的广告投放，吸引网页端流量；最近内部同事建议尝试投放 Google 的 SEM；另外，也需要评估是否加入金山网络联盟进行深度广告投放。在这种多渠道的投放场景下，产品经理该如何进行深度决策？1. 挖掘业务含义
首先要了解市场部想优化什么，并以此为核心的 KPI 去衡量。渠道效果的评估，最重要的是业务转化：对 P2P 类网站来说，是否‘发起借贷’远远比‘用户数量’重要。
所以无论是 Google 还是金山渠道，都要根据用户群体的不同，优化相应用户的落地页，提升转化。
2. 制定分析计划
以‘发起借贷’为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及 ROI 效果，可以持续观察这部分用户的后续价值。
3. 拆分查询数据
根据各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单类型数据，进行用户分群。
4.提炼业务洞察
在不同渠道进行投放时，要根据 KPI 的变化，推测业务含义。比如谷歌渠道的效果不好，可能因为谷歌大部分的流量在海外，可能会造成转化率低。而金山网络联盟有很多展示位置，要持续监测不同位置的效果，做出最后判断。
5.产出商业决策
最后根据数据洞察，指导渠道的投放决策制。比如停止谷歌渠道的投放，继续跟进金山网络联盟进行评估，而落地页要根据数据指标持续地进行优化。
二、常见的数据分析方法（一）内外因素分解法内外因素分解法是把问题拆成四部分，包括内部因素、外部因素、可控和不可控，然后再一步步解决每一个问题。
社交招聘类网站，一般分为求职者端和企业端，向企业端收费方式之一是购买职位的广告位。业务端人员发现‘发布职位’数量在过去的 6 个月里有缓慢下降的趋势。
对于这类某一数据下降的问题，从产品经理的角度来说，可以如何拆解？
根据内外因素分解法分析如下：
1.内部可控因素
产品近期上线更新、市场投放渠道变化、产品粘性、新老用户留存问题、核心目标的转化；
2.外部可控因素
市场竞争对手近期行为、用户使用习惯的变化、招聘需求随时间的变化；
3.内部不可控因素
产品策略（移动端/PC端）、公司整体战略、公司客户群定位（比如只做医疗行业招聘）；
4.外部不可控因素
互联网招聘行业趋势、整体经济形势、季节性变化；
（二）DOSSDOSS 是从一个具体问题拆分到整体影响，从单一的解决方案找到一个规模化解决方案的方式。
某在线教育平台，提供免费课程视频，同时售卖付费会员，为付费会员提供更多高阶课程内容。如果我想将一套计算机技术的付费课程，推送给一群持续在看 C++ 免费课程的用户，产品经理应该如何辅助分析？按 DOSS 的思路分解如下：
1.具体问题
预测是否有可能帮助某一群组客户购买课程。
2.整体
首先根据这类人群的免费课程的使用情况进行数据分析，之后进行延伸，比如对整体的影响，除了计算机类，对其他类型的课程都进行关注。
3.单一回答
针对该群用户进行建模，监控该模型对于最终转化的影响。
4.规模化
之后推出规模化的解决方案，对符合某种行为轨迹和特征的行为进行建模，将课程推荐模型加入到产品设计中。
三、数据分析的应用手段根据基本分析思路，常见的有 7 种数据分析的手段。（一）画像分群画像分群是聚合符合某中特定行为的用户，进行特定的优化和分析。
比如在考虑注册转化率的时候，需要区分移动端和 Web 端，以及美国用户和中国用户等不同场景。这样可以在渠道策略和运营策略上，有针对性地进行优化。（二）趋势维度
建立趋势图表可以迅速了解市场， 用户或产品特征的基本表现，便于进行迅速迭代；还可以把指标根据不同维度进行切分，定位优化点，有助于决策的实时性；（三）漏斗洞察通过漏斗分析可以从先到后的顺序还原某一用户的路径，分析每一个转化节点的转化数据；
所有互联网产品、数据分析都离不开漏斗，无论是注册转化漏斗，还是电商下单的漏斗，需要关注的有两点。第一是关注哪一步流失最多，第二是关注流失的人都有哪些行为。
关注注册流程的每一个步骤，可以有效定位高损耗节点。
（四）行为轨迹
行为轨迹是进行全量用户行为的还原。只看 PV、UV 这类数据，无法全面理解用户如何使用你的产品。了解用户的行为轨迹，有助于运营团队关注具体的用户体验，发现具体问题，根据用户使用习惯设计产品，投放内容；（五）留存分析留存是了解行为或行为组与回访之间的关联，留存老用户的成本要远远低于获取新用户，所以分析中的留存是非常重要的指标之一；
除了需要关注整体用户的留存情况之外，市场团队可以关注各个渠道获取用户的留存度，或各类内容吸引来的注册用户回访率，产品团队关注每一个新功能对于用户的回访的影响等。（六）A/B 测试A/B 测试是对比不同产品设计/算法对结果的影响。
产品在上线过程中经常会使用 A/B 测试来测试产品效果，市场可以通过 A/B 测试来完成不同创意的测试。
要进行 A/B 测试有两个必备因素：
1.有足够的时间进行测试；
2.数据量和数据密度较高；
因为当产品流量不够大的时候，做 A/B 测试得到统计结果是很难的。而像 LinkedIn 这样体量的公司，每天可以同时进行上千个 A/B 测试。所以 A/B 测试往往公司数据规模较大时使用会更加精准，更快得到统计的结果。
（七）优化建模当一个商业目标与多种行为、画像等信息有关联性时，我们通常会使用数据挖掘的手段进行建模，预测该商业结果的产生；
例如：作为一家 SaaS 企业，当我们需要预测判断客户的付费意愿时，可以通过用户的行为数据，公司信息，用户画像等数据建立付费温度模型。用更科学的方式进行一些组合和权重，得知用户满足哪些行为之后，付费的可能性会更高。
以上这几种数据分析的方法论，仅仅掌握单纯的理论是不行的。产品经理们需要将这些方法论应用到日常的数据分析工作中，融会贯通。同时学会使用优秀的数据分析工具，可以事半功倍，更好的利用数据，实现整体增长。

⑶ 软件测试的方法一共有几种

1、从是否关心内部结构来看

（1）白盒测试：又称为结构测试或逻辑驱动测试，是一种按照程序内部逻辑结构和编码结构，设计测试数据并完成测试的一种测试方法。

（2）黑盒测试：又称为数据驱动测试，把测试对象当做看不见的黑盒，在完全不考虑程序内部结构和处理过程的情况下，测试者仅依据程序功能的需求规范考虑，确定测试用例和推断测试结果的正确性，它是站在使用软件或程序的角度，从输入数据与输出数据的对应关系出发进行的测试。

（3）灰盒测试：是一种综合测试法，它将“黑盒”测试与“白盒”测试结合在一起，是基于程序运行时的外部表现又结合内部逻辑结构来设计用例，执行程序并采集路径执行信息和外部用户接口结果的测试技术。

2、从是否执行代码看

（1）静态测试：指不运行被测程序本身，仅通过分析或检查源程序的语法、结构、过程、接口等来检查程序的正确性。

(2)动态测试：是指通过运行被测程序，检查运行结果与预期结果的差异，并分析运行效率、正确性和健壮性等性能指标。

3、从开发过程级别看

（1）单元测试：又称模块测试，是针对软件设计的最小单位----程序模块或功能模块，进行正确性检验的测试工作。其目的在于检验程序各模块是否存在各种差错，是否能正确地实现了其功能，满足其性能和接口要求。

(2)集成测试：又叫组装测试或联合，是单元测试的多级扩展，是在单元测试的基础上进行的一种有序测试。旨在检验软件单元之间的接口关系，以期望通过测试发现各软件单元接口之间存在的问题，最终把经过测试的单元组成符合设计要求的软件。

（3）系统测试：是为判断系统是否符合要求而对集成的软、硬件系统进行的测试活动、它是将已经集成好的软件系统，作为基于整个计算机系统的一个元素，与计算机硬件、外设、某些支持软件、人员、数据等其他系统元素结合在一起，在实际运行环境下，对计算机系统进行一系列的组装测试和确认测试。

在系统测试中，对于具体的测试类型有：

（1）功能测试：对软件需求规格说明书中的功能需求逐项进行的测试，以验证功能是否满足要求。

（2）性能测试：对软件需求规格说明书的功能需求逐项进行的测试，以验证功能是否满足要求。

（3）接口测试：对软件需求规格说明中的接口需求逐项进行的测试。

（4）人机交互界面测试：对所有人机交互界面提供的操作和显示界面进行的测试，以检验是否满足用户的需求。

（5）强度测试：强制软件运行在异常乃至发生故障的情况下（设计的极限状态到超出极限），验证软件可以运行到何种程序的测试。

（6）余量测试：对软件是否达到规格说明中要求的余量的测试。

（7）安全性测试：检验软件中已存在的安全性、安全保密性措施是否有效的测试，

（8）可靠性测试：在真实的或仿真的环境中，为做出软件可靠性估计而对软件进行的功能（其输入覆盖和环境覆盖一般大于普通的功能测试）

（9）恢复性测试：对有恢复或重置功能的软件的每一类导致恢复或重置的情况，逐一进行的测试。

（10）边界测试：对软件处在边界或端点情况下运行状态的测试。

（11）数据处理测试：对完成专门数据处理功能所进行的测试。

（12）安装性测试：对安装过程是否符合安装规程的测试，以发现安装过程中的错误。

（13）容量测试：检验软件的能力最高能达到什么程度的测试。

（14）互操作性测试：为验证不同软件之间的互操作能力而进行的测试。

（15）敏感性测试：为发现在有效输入类中可能引起某种不稳定性或不正常处理的某些数据的组合而进行的测试。

（16）标准符合性测试：验证软件与相关国家标准或规范（如军用标准、国家标准、行业标准及国际标准）一致性的测试。

（17）兼容性测试：验证软件在规定条件下与若干个实体共同使用或实现数据格式转换时能满足有关要求能力的测试。

（18）中文本地化测试：验证软件在不降低原有能力的条件下，处理中文能力的测试。

4、从执行过程是否需要人工干预来看

（1）手工测试：就是测试人员按照事先为覆盖被测软件需求而编写的测试用例，根据测试大纲中所描述的测试步骤和方法，手工地一个一个地输 入执行，包括与被测软件进行交互（如输入测试数据、记录测试结果等），然后观察测试结果，看被测程序是否存在问题，或在执行过程中是否会有一场发生，属于比较原始但是必须执行的一个步骤。

（2）自动化测试：实际上是将大量的重复性的测试工作交给计算机去完成，通常是使用自动化测试工具来模拟手动测试步骤，执行用某种程序设计语言编写的过程（全自动测试就是指在自动测试过程中，不需要人工干预，由程序自动完成测试的全过程；半自动测试就是指在自动测试过程中，需要手动输入测试用例或选择测试路径，再由自动测试程序按照人工指定的要求完成自动测试）

5、从测试实施组织看

（1）开发测试：开发人员进行的测试

（2）用户测试：用户方进行的测试

（3）第三方测试：有别于开发人员或用户进行的测试，由专业的第三方承担的测试，目的是为了保证测试工作的客观性

6、从测试所处的环境看

（1）阿尔法测试：是由一个用户在开发环境下进行的测试，也可以是公司内部的用户在模拟实际操作环境下进行的测试

（2）贝塔测试：是用户公司组织各方面的典型终端用户在日常工作中实际使用贝塔版本，并要求用户报告

(3)产品经理常用测试方法扩展阅读

软件测试的内容：

1 得到需求、功能设计、内部设计说书和其他必要的文档

2 得到预算和进度要求

3 确定与项目有关的人员和他们的责任、对报告的要求、所需的标准和过程 ( 例如发行过程、变更过程、等等 )

4 确定应用软件的高风险范围，建立优先级、确定测试所涉及的范围和限制

5 确定测试的步骤和方法 ── 部件、集成、功能、系统、负载、可用性等各种测试

6 确定对测试环境的要求 ( 硬件、软件、通信等 )

7 确定所需的测试用具 (testware) ，包括记录 / 回放工具、覆盖分析、测试跟踪、问题 / 错误跟踪、等等

8 确定对测试的输入数据的要求

9 分配任务和任务负责人，以及所需的劳动力

10 设立大致的时间表、期限、和里程碑

11 确定输入环境的类别、边界值分析、错误类别

12 准备测试计划文件和对计划进行必要的回顾

13 准备白盒测试案例

14 对测试案例进行必要的回顾 / 调查 / 计划

15 准备测试环境和测试用具，得到必需的用户手册 / 参考文件 / 结构指南 / 安装指南，建立测试跟踪过程，建立日志和档案、建立或得到测试输入数据

16 得到并安装软件版本

17 进行测试

18 评估和报告结果

19 跟踪问题 / 错误，并解决它

20 如果有必要，重新进行测试

21 在整个生命周期里维护和修改测试计划、测试案例、测试环境、和测试用具

⑷ 灰度测试是什么意思产品经理必看

实际上，灰度测试是指如果软件要在近期推出新功能或进行重大修改，你必须先做少量的实验工作，然后慢慢增加数量，直到这个新功能覆盖所有系统用户，也就是新功能上有介于黑白之间的灰色，所以这种方法通常也叫灰度测试。

灰度测试，也称为金丝雀释放和灰度释放，是一种枯迹释放黑白之间平滑过渡的方式。可以对其进行A/B测试，即部分用户继续使用产品功能A，部分用户开始使用产品功能B，如果用户不反对B，逐步扩大范围，将所有用户迁移到B，灰度测试可以保证整个系统的稳定性，可以蔽蔽在初始灰度发现问题没并并并进行调整，保证其影响。

灰阶期：灰阶发布开始到结束的时期，称为灰阶期。

灰度测试可以尽早得到用户的反馈，提高产品功能和质量，让用户参与产品测试，增强与用户的互动，减少产品升级影响用户的范围。