产品经理在做数据分析时，应该更关注哪些数据指标？
一、种子期
种子阶段不需要做大规模的运营和推广。在这个阶段，用户更多的是来自于用户的自我成长，所以种子阶段需要关注的数据主要是与用户相关的数据和产品本身的数据。
1.？用户相关数据
a)设备终端:用户使用App的终端设备有哪些，Phone和Pad各占多少比例，iOS和Android设备各占多少比例；
b)网络和运营商:用户使用设备时的网络环境如何，wifi、2G、3G、4G的比例如何，运营商的比例如何；
c)使用时间段:用户使用App的时间段是什么时候？
d)用户属性:性别比例、年龄等。关注这些数据是为了收集用户相关信息，确定产品的实际用户群是谁，与产品定位时确定的目标用户是否一致，从而检验产品定位时确定的目标用户群是否准确，是否需要对目标用户进行适当的调整。
2.？产品本身的数据
a)？单次使用时长:从启动应用程序开始，用户每次使用产品的时长是多少？
b)？每日/每周/每月启动次数:用户使用App的频率；
c)？使用的页面数:用户会跳转到什么页面级别，每个页面的到达率是多少；
d)？任务完成率:对于用户来说，在App中完成一个任务的完成率是多少，比如下载完成率、安装完成率、启动完成率、注册完成率等。
e)？出错次数:用户在使用产品的过程中是否会出错，出错的次数和频率是多少；
f)错误摘要:错误中错误的详细描述是什么？关注产品数据是为了验证产品设计的正确性，更清楚的了解用户使用产品的情况，了解用户使用的时长和频率，判断当前的产品是否能够满足用户的需求，是否能够为用户创造价值。同时还需要判断产品设计是否符合用户的使用习惯，任务路径是否最优，是否可以优化，产品是否存在bug。
二。推广期
种子阶段是验证产品定位的正确性，而在推广阶段，更应该关注用户数量的增长。通过与每个用户相关的指标与行业内的标杆产品进行对比，可以判断产品是否处于健康状态。
1.？用户相关数据
a)？新增用户数:新增用户数和新增账户数。至于采用哪个作为新标准，要看如何定义新；
b)？留存率:次日留存率、7天留存率、月留存率。不同类型的产品留存率肯定是不一样的，比较不同类型的产品没有意义。我们应该将产品与同类型的基准产品进行比较。
c)？活跃用户数:日活跃用户、7日活跃用户、月活跃用户。首先要定义什么算“活跃”，是启动应用还是用户产生了行为。在明确了“活跃”的定义后，我们要关注这个数据。
d)？沉默用户数:首先要定义什么叫做“沉默用户”，然后关注这个数据；
e)？流失用户数:首先要定义什么叫做“流失用户”，然后关注这个数据和流失率。看数据的时候也要看指标是怎么定义的。不同定义得出的数据指标可能不同。另外，个别数据不能代表什么。需要与历史数据或行业数据进行对比，通过数据对比才能做出分析判断。
2.？产品本身的数据
a)？单次使用时长:从启动应用程序开始，用户每次使用产品的时长是多少？
b)？每日/每周/每月启动次数:用户使用App的频率；
c)？使用时间:用户在什么时候使用App？通过关注用户的使用时间、使用频率、使用周期等数据，并与历史数据进行对比，可以看出数据是否有较大波动，判断产品是否存在bug。同时可以根据用户的实际使用情况对产品的功能进行优化迭代，使产品更符合用户的使用习惯，满足用户的需求。
3.？频道相关数据
a)？用户下载的时间段:用户下载和下载应用的时间段如何分配；
b)？渠道分布:用户在哪些应用市场下载App，在不同应用市场的占比如何；
c)？地域属性:用户所在区域是否呈现明显的地域差异，是否与产品定位时确定的目标用户的属性一致。通过用户在应用市场下载的比例和下载时间段的分布，在相应的时间段进行有效推广，保证最大产出。另外，由于种子阶段的用户数量较少，无法判断用户对应的地域属性，所以我们会在有一定用户基础的情况下分析对应的数据。
三。成熟
在成熟阶段，产品主要关注用户的活跃度和收益。关注用户的活跃度，可以判断产品目前是否处于正常状态，为以后功能版本的开发提供一些参考。注重收益才是产品商业价值的实现。
1.？源代码开放的
a)？活跃用户数:首先还是关于“活跃用户”的定义，然后关注这个数据指标；
b)？付费转化率:对于这样的产品，用户愿意付费吗？
c)？ARPU价值:每个用户的平均收入，不同类型的产品没有可比性，与行业平均水平相比。收入=用户数×付费转化率×ARPU价值。为了提高营收，可以从这三个方面考虑:如何增加用户基数，如何提高用户的付费转化率和用户的付费留存率，用户付费后是否会停止一次付费或再次付费，如何提高产品的ARPU价值。
2.？降低开支
a)？沉默用户数:定义什么样的用户是“沉默用户”，然后关注这个指标；
b)？流失用户数:定义什么样的用户是“流失用户”，然后关注这个指标。对于产品来说，用户一旦流失，就很难再召回。即使召回，成本也很高。所以要提前建立预警机制，界定“沉默用户”和“流失用户”。当用户成为沉默用户时，要采取相应的措施防止用户流失。同时要建立老用户回访机制，召回老用户。数据本身是客观的，但是在解读的过程中会夹杂主观因素，数据波动的背后也可能有其他因素的干扰，所以数据也可能会骗人。在用数据说话的同时，也要辩证的看待数据，相信数据但不仅仅是数据。另外，不同的产品需要关注不同的数据，不同时期的产品需要关注不同的数据，所以要根据产品本身的特点和产品的生命周期阶段，选择合适的数据指标来关注，保证产品的健康发展。