一、用户数据为驱动的用户增长分析
产品在设计的过程中，产品经理要与用户建立直接的连接，真正了解用户的需求是什么，同时根据数据反馈的现象，结合行业框架建立产品指标体系。
感知--理解--分析--决策--行动--感知
感知-主要来源于产品经理个人的产品感和经验，对某一功能或活动的主观评价，但有时却说不出到底好在哪里，这时就要通过数据来验证自己的假设或是感知的现象。
理解-基于对感知的某一现象进行数据化的分析，通过新上线版的数据指标监控、运营活动的数据反馈等，理解该产品、活动上线后的真实效果。
分析-通过行业特性制产品定指标体系，并结合行业增长模型对所建立的指标体系进行数据分析。对于指标体系的建立，不同行业的指标大不相同，如：互金的复投率、留存率、转化率，社交的用户数、UGC内容产出数等。
决策-基于公司发展和产品规划确定目标，预估项目的投入产出比，需要多久能达到预期效果。对目标的确定，简单的说，在初期刚刚开始尝试PMF时，应多关注用户留存情况，用户的留存体现产品是否满足用户，能留住用户的才是好的；增长期需要关注转化率，包括注册转化率、交易转化率等；平稳期更多关注的就是活跃和留存数据。
行动-基于用户场景和上述分析结果，制定产品策略、运营策略。
在做数据分析时，不能只关注数据的大小或是KPI指标，要基于数据模型（用户分层、用户行为、转化漏斗）通过不同的模型，对特定的数据类型进行分析。
金融市场食物链
拥有流动资金的普通大众---银行、券商、基金、经纪商---金融市场（股票、期货、期指、基金、信托、资产管理公司等）---银保会、证监会、央行。
当我们刚接触到一些新的进入产品时，或是公司想往新的方向进行转型，就要对我们所处的食物链位置有一个清晰明了的理解。知道我们的收益从哪里来，要支出哪些费用，这样一个上下游的关系，也会好的帮助我们快速定位，确定方向。
二、互金数据分析体系
互金数据分析体系主要分为用户属性、经营数据和运营数据三部分，用户属性分析更多是跟用户的自然人属性相关，作为用户的基础信息。
经营数据包含用户行为（用户行为、用户转化、行为偏好）、用户交易和风险收益三类，行为数据可基于转化漏斗进行分析，基于基本行为，可以将用户处于的转化漏斗不同层级的用户进行打标签，方便必要时统计查看。并且通过交易分析、风险收益分析配合行为分析为用户推送他可能会感兴趣的商品，带给用户一个千人千面的状态，让合适的投资买到合适的产品。
运营数据主要就是投入成本与产出的统计，产出数据基本上与我们的KPI有关，包含新增、召回、用户转化等等。
三、三大分析模型
1、用户分层模型-传统金融机构的方法
在分析时，要依据用户分层或用户属性进行指标的分析和理解。
三层用户分析类型：
保守型：首要投资目标是保持投资的稳定性与资产的保值
安全性>流动性>收益率
稳健型：首要投资目标是资产的增值，强调投资风险和资产增值之间的平衡
收益率=安全性>流动性
积极型：首要投资目标是获取超额收益
收益率>安全性>流动性
2.RFM模型的分群：
RFM模型是依据立体的三根轴分割出不同的小块区间，当用户落在的不同小块区间做价值区分。
2、转化漏斗模型
每个用户对新产品都有一个他的使用生命周期，也可以说是用户生命周期，但并不是每个用户生命周期都是完整的。用户生命周期可分为：引入期、成长期、成熟期、休眠期、流失期，针对生命周期的划分主要看用户使用产品的时间，和用户对产品使用的深度。
对于互金产品的转化漏斗分为：渠道导入、下载、注册、绑卡、投资、传播、流失这样一个过程。根据用户在整个转化过程中的不同节点，可以将各节点分到对应的用户生命周期不同的区间内。通过这样一个转化漏斗模型，可以更好的把控需求，找到产品真正需要关注的点，并加以优化。
转化漏斗也有其核心目标：参与度和转化率
3、海盗指标模型（AARRR模型）
AARRR模型可谓是老生常谈的模型结构，但在使用每个数据模型时，都要依据产品本身现状进行适当的调整，找出最适合的方式。
网友评论