Menu
数据分析技能。解读埋点数据，进行漏斗分析和留存分析，输出结构化数据报告。适用于产品决策、效果评估、增长分析等场景。当用户需要分析产品数据、评估功能效果、制定增长策略时使用此skill。
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/fengqiliu/PM-Skills --skill pm-beta-data-analysisThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
Showing SKILL.md
微信公众号文章全流程写作助手。支持热点选题、文章撰写、AI去味润色（去除机器感）、配图建议、一键发布到公众号草稿箱。适用于技术博主、自媒体创作者、企业公众号运营等场景。当用户需要写公众号文章、润色内容、寻找配图或发布到微信时使用此skill。
季度竞品分析技能。每季度系统化收集市场竞品情报、构建竞争全景图、深度画像竞品、分析市场格局演变、提炼战略洞察，输出完整季度竞品分析报告。适用于产品战略规划、年度路线图制定、投融资汇报、高管决策支持等场景。当用户需要每季度深入了解竞争格局、识别战略机会、形成完整竞品分析报告时使用此 skill。
Git 标准操作流程 SOP，包含 init、add、commit、push、status、log、pull 等常用操作及自动检查验证。使用场景：用户要求执行 git 操作时。
Based on SOC occupation classification
| name | pm-beta-data-analysis |
| description | 数据分析技能。解读埋点数据，进行漏斗分析和留存分析，输出结构化数据报告。适用于产品决策、效果评估、增长分析等场景。当用户需要分析产品数据、评估功能效果、制定增长策略时使用此skill。 |
系统化进行埋点数据解读、漏斗分析、留存分析与报告输出。
埋点基础概念
| 类型 | 说明 | 适用场景 |
|---|---|---|
| 曝光埋点 | 页面/元素被用户看到 | 评估内容分发效率 |
| 点击埋点 | 用户点击行为 | 分析功能使用率 |
| 页面浏览(PV) | 页面访问次数 | 评估页面热度 |
| 访问次数(UV) | 独立访客数 | 评估用户规模 |
数据准确性校验
数据可信度检查清单：
[ ] 数据波动是否在合理范围内（异常值检测）
[ ] 同一指标在不同平台数据是否一致
[ ] 事件口径定义是否清晰且统一
[ ] 分母定义是否正确（DAU/MAU/新增用户）
[ ] 时间口径是否对齐（自然日/活跃日/自定义）
校验公式：
数据差异率 = |平台A数据 - 平台B数据| / 平台A数据
差异率 > 5% → 需要排查原因
差异率 > 20% → 数据不可用，需重新统计
关键指标计算
【DAU计算】
DAU = 当日启动用户数（去重）
= 昨日留存用户 + 当日新增用户 + 回流用户
【活跃度】
DAU/MAU比值 = 月活跃天数 / 30（反映用户粘性）
> 0.2：产品粘性较好
< 0.1：用户流失严重
【人均行为】
人均使用时长 = 总使用时长 / DAU
人均点击次数 = 总点击次数 / DAU
人均使用天数 = 月使用天数总和 / MAU
埋点数据解读框架
数据波动分析 STAR 法则：
S - Situation（背景）
这个数据是什么时候开始监控的？
同期有没有运营活动/版本更新/外部事件？
T - Trend（趋势）
数据是突然变化还是渐进变化？
环比、同比变化幅度是多少？
A - Action（行动）
数据变好的原因是什么？能否复用？
数据变差的原因是什么？能否止损？
R - Result（结论）
当前数据处于什么水位？
下一个观察周期是什么时候？
漏斗分析基础
漏斗分析用于分析用户从起点到终点每一步的转化情况。
通用电商转化漏斗
浏览商品 → 点击商品 → 加入购物车 → 提交订单 → 支付成功
100% 60% 30% 15% 10%
↓-40% ↓-30% ↓-15% ↓-5%
漏斗分析步骤
Step 1：定义核心漏斗
Step 2：计算转化率
Step转化率 = Step_N完成人数 / Step_(N-1)完成人数 × 100%
整体转化率 = 终点完成人数 / 起点进入人数 × 100%
流失率 = 1 - 转化率
Step 3：定位流失点
流失严重程度判断：
流失率 > 30% → 重大流失点，需立即分析
流失率 15%-30% → 中度流失点，本版本优化
流失率 < 15% → 轻度流失点，持续观察
流失原因归因框架
| 流失原因类别 | 典型表现 | 排查方向 |
|---|---|---|
| 功能问题 | 某一步骤转化率异常低 | 操作门槛高、Bug、功能缺失 |
| 内容问题 | 浏览→点击转化率低 | 内容不吸引、分发策略偏差 |
| 价格问题 | 购物车→订单转化率低 | 价格敏感、促销信息不清 |
| 体验问题 | 中途放弃、操作中断 | 页面加载慢、交互不流畅 |
| 竞品问题 | 特定渠道流失率高 | 竞品在特定场景有优势 |
案例分析模板
【漏斗分析报告】
分析场景：[如：首页到支付成功]
分析周期：[2024-01-01 至 2024-01-07]
对比基准：[上周/上月/同类产品]
漏斗数据：
步骤1：浏览商品 UV=10000 基准=10000 变化=±0%
步骤2：点击商品 UV=5800 基准=6200 变化=-6.5% ↓
步骤3：加入购物车 UV=3100 基准=3300 变化=-6.1% ↓
步骤4：提交订单 UV=1500 基准=1600 变化=-6.3% ↓
步骤5：支付成功 UV=1050 基准=1100 变化=-4.5% ↓
核心发现：
1. 【重大流失】步骤2→3（点击→加购）流失率47%，行业均值35%
原因假设：商品详情页不够吸引，或购物车入口不明显
2. 【持续下降】各步骤转化率均低于基准，可能存在系统性问题
验证假设：
- [ ] 商品详情页停留时长是否正常？
- [ ] 商品图片/价格是否符合用户预期？
- [ ] 购物车按钮是否足够显眼？
建议行动：
P0：优化商品详情页主图和促销信息展示
P1：增加"加购成功"动效反馈
P2：分析流失用户画像，针对性优化
留存分析基础
| 指标 | 定义 | 用途 |
|---|---|---|
| 次日留存率 | 新增用户在次日活跃的比例 | 评估新用户体验 |
| 7日留存率 | 新增用户在第7天活跃的比例 | 评估早期粘性 |
| 30日留存率 | 新增用户在第30天活跃的比例 | 评估产品价值 |
| 留存曲线 | 留存率随时间变化的曲线 | 分析流失阶段 |
留存率计算
N日留存率 = 第N天回访的留存用户数 / 第0天新增用户数 × 100%
用户分群留存 = 特定行为用户第N天留存率
计算示例：
1月1日新增用户 = 1000人
1月2日回访用户 = 350人 → 次日留存率 = 35%
1月8日回访用户 = 200人 → 7日留存率 = 20%
1月31日回访用户 = 120人 → 30日留存率 = 12%
留存曲线分析
留存曲线三阶段：
[快速下降期] Day 0-7
- 流失最快，主要因新用户预期不符或体验不达预期
- 关注：新手引导、首日体验、核心功能曝光
[平稳期] Day 7-30
- 流失放缓，留下的是真正目标用户
- 关注：功能深度、内容丰富度、社交关系
[稳定期] Day 30+
- 流失率极低，用户已形成使用习惯
- 关注：版本更新干扰、功能迭代、竞品影响
留存分析方法
1. 分群留存对比
分群维度：
- 渠道来源（应用市场/微信/广告）
- 首次行为（浏览/搜索/分享/购买）
- 用户属性（年龄/地域/设备）
- 行为特征（活跃时段/功能偏好）
分析模板：
渠道A 次日留存 35% vs 渠道B 次日留存 28%
→ 渠道A用户质量更高
→ 加大渠道A投放，优化渠道B落地页
2. 行为留存分析
留存相关行为分析：
高留存用户特征（相关性，非因果）：
- 完成新手引导
- 设置头像/昵称
- 首次发布内容
- 关注/添加好友
- 完成首次付费
关键行为识别：
→ 如果用户执行了X行为，留存率从Y%提升到Z%
→ X行为可能是"aha moment"
应用：
→ 引导新用户尽快完成关键行为
→ 评估不同版本的"aha moment"达成率
3. 留存下降归因
留存下降排查清单：
[ ] 版本更新影响
- 哪个版本之后留存开始下降？
- 新版本有什么功能/体验变化？
[ ] 外部因素
- 竞品是否有大动作？
- 是否有负面舆情？
[ ] 运营因素
- 近期是否有拉活活动？
- 是否导入了非目标用户？
[ ] 内容因素
- 内容质量是否下降？
- 内容供给是否充足？
数据报告结构
## 数据分析报告
### 报告信息
- 报告名称：[分析主题]
- 分析周期：[YYYY-MM-DD 至 YYYY-MM-DD]
- 报告人：[姓名]
- 数据来源：[埋点平台/数据库]
### 一、核心结论（先放结论）
> 3-5句话概括本次分析的核心发现和建议
### 二、关键指标看板
| 指标 | 本期 | 上期 | 环比 | 同期 | 同比 |
|------|------|------|------|------|------|
| DAU | 1000 | 950 | +5.3% | 800 | +25% |
| 留存率 | 35% | 36% | -1pp | 32% | +3pp |
### 三、异动分析
#### 3.1 显著上升指标
- [指标名]：[变化幅度]
- 原因分析：[归因说明]
- 是否可信：[是/否，需进一步验证]
#### 3.2 显著下降指标
- [指标名]：[变化幅度]
- 原因分析：[归因说明]
- 是否可信：[是/否，需进一步验证]
### 四、深度分析
#### 4.1 [主题1]
[分析内容、图表、结论]
#### 4.2 [主题2]
[分析内容、图表、结论]
### 五、结论与建议
| 优先级 | 建议内容 | 预期效果 | 验证方式 |
|--------|---------|---------|---------|
| P0 | 建议1 | 效果1 | 验证方式1 |
| P1 | 建议2 | 效果2 | 验证方式2 |
### 六、附录
- 数据口径说明
- 埋点事件定义
- 分析方法论
周报数据指标体系
日常监控指标（每日更新）：
用户规模
- DAU / MAU
- 新增用户数
- 累计用户数
用户活跃
- 人均使用时长
- 人均启动次数
- 核心功能渗透率
用户留存
- 次日留存率
- 7日留存率
- 30日留存率
业务指标
- 付费人数 / 付费率 / ARPU
- GMV / 订单数 / 客单价
- 消息发送量 / 内容发布量
质量指标
- 页面加载时长
- 错误率 / 崩溃率
- 客服工单量
数据预警机制
预警规则：
【P0级告警】立即通知，需2小时内响应
条件：DAU较昨日下跌 > 20%
条件：核心功能使用率下跌 > 30%
条件：崩溃率 > 5%
【P1级告警】4小时内处理
条件：DAU较昨日下跌 > 10%
条件：支付转化率下跌 > 20%
条件：错误率 > 1%
【P2级告警】24小时内处理
条件：指标变化超过2个标准差
条件：单一渠道转化异常