编辑导语：数据是产品运行流程中必不可少的分析要素，通过数据分析，产品经理可以从中获得相关信息，提炼出用户体验感受，进而推动产品向有效的方向迭代升级。本篇文章里，作者针对如何通过数据分析挖掘原因、推动业务进行了相关介绍，一起来看一下。

数据分析的工作大部分的分析其实都是在找表面原因。

• 用户数下跌了：A渠道新用户下跌；
• 转化率提升了：落地页转化率上升；
• 留存率下降了：C地区用户留存率下降。

找表面原因其实就是通过指标体系的各种维度、子指标对问题进行拆解，得出一些初步的数据结论。

对于成熟的业务线来说，这种分析足够了。业务方拿到分析结论，自己稍加分析就知道后续该做什么。比如渠道人数下降了，对应的动作要么就是增加投放资源，要么就是优化投放的内容，提高拉新效果。

但是这是一般情况，有的时候我们就算给出了上面这些结论，领导也不满意。因为在具体执行的时候，还是不知道该做什么。

• 渠道人数下降了，但是我们没资源做新的投放，只能优化现有的文案。数据分析师来分析一下，用什么文案比较好？
• 落地页转化率不高，但是业务同学已经修改了八个版本的落地页，效果都不好，我也知道要优化落地页，但是到底要怎么优化？

表面原因会让业务进入误区，而且始终用这些结论驱动业务发展，很容易进入一个隐藏的陷阱，那就是追求短期收益而丧失了长期收益。

比如APP的日活下降，通过表面原因的分析**发现是由于用户的留存率的下降导致的。

这个结论不能说错，但是很容易误导人。因为这个结论的潜台词是，整个业务是一台运转严密的机器，最终的产出下降了，是中间的一环出现了问题，现在既然留存率出了问题，那么我们把留存率搞上去的话，日活就能回归正常。所以提升留存率就成了之后的业务目标。

而一旦提升留存率这件事成为一个KPI之后，业务同学就会做一些能快速提升留存率的动作，比如签到活动、标题党PUSH之类的运营动作。

这些运营动作确实会给留存率带来短期的提升效果，但是对于整体APP的产品力提升并没有什么帮助，甚至这些动作还会让用户厌烦，长期来看反而会降低留存率。

 一、第一性原理