用户特征分析
俞军老师说过，用户是需求的集合。我们进行用户特征分析的过程，其实就是一种对于需求的挖掘过程，在分析用户特征的时候，常用的方法有用户画像绘制、汇总用户反馈、进行用户调研等。
通常来说，最简单的用户特征分析方式就是直接从运营平台上获取用户标签，在公司内部，往往有用户在基础属性、社会关系、消费能力、行为特征、心理特征方面的特征标签库，当需要分析用户特征的时候，抓取特定部分用户，并抽取他们的标签，从而构建用户画像。
用户反馈
用户反馈一直以来都是产品经理获取用户诉求的最直接方式，一般产品都有用户反馈的入口，对于大多数“懒惰”的用户而言，一定是在使用上存在严重的问题或者使用产品时有强烈的不爽感，才会进行负反馈，这种反馈也是我们可以找寻产品改进点的地方。
对于用户反馈的问题，一般存在可用性问题、新功能要求、错误、无意义吐槽等几个类别，对于可用性和错误，一般需要提高其优先级，及时进行处理，而新功能要求，则可以通过需求判断，再进行进一步的处理
用户调研
用户调研，指通过各种方式得到受访者的建议和意见，并对此进行汇总，研究事务的总特征。
而用户调研中最常使用的就是用户访谈，产品经理与产品使用者通过电话的方式，或者面对面的与真实用户进行对话，根据自己预设好的问题来引导用户表达出他们的真实想法，而环节设计上要循序渐进地拉近和用户的距离，建立信任关系，营造良好的氛围。
竞品分析
竞品分析大家都不陌生，很多同学在寻找实习和求职之前，都会准备一份竞品分析文档，从而展现自己的产品思维，但实际业务中，产品经理除非是季度末或者综合汇总期间，很少做非常全面的竞品分析，更多是基于自身的业务需求，针对性地调研竞品的情况。
数据分析
如果说用户调研和竞品分析的挖掘方法都偏向于主观，那么数据分析则更多是从客观角度来对于当前业务进行调研，寻找可以提升优化的地方，数据分析能够反映真实的业务情况，了解到用户言语之外的行为表现，这往往更加能反映他们的需求。
在进行数据分析的时候，产品经理可以更多地借助数据分析工具的力量，企业一般都有自己的数据分析平台，能够查看大盘的数据情况和各个功能点的转化情况，如果企业并没有自己的数据分析平台，产品经理则需要自己或者数据分析人员去数取数平台提取数据，并通过excel和python等方式来进行简单的分析。
同时，产品经理应该在数据分析之前明确自身的目的，制定针对性的评估指标体系，用以衡量需求的影响面以及可优化提升的上限。
除了上述常用的需求挖掘方法之外，产品经理可以了解用户需求的方法还有很多，比如可以通过在产品的各个页面进行埋点（就是在你需要统计数据的地方植入N行代码，统计用户的关键行为），来了解用户整体使用产品的路径。
如：
在哪个页面停留了多少时间？
反复点击了哪个item？
又是在哪个场景下退出产品的？
很多产品的优化点就隐藏在用户路径中，如何缩短用户路径，提升用户停留时长，这些都可以从观察用户行为中获得灵感。
头脑风暴则是我们在需求挖掘的初始阶段常用的方法，通过产品经理自身的素质，对用户的理解，来确定用户需求。
这里最值得警惕的是不要仅仅依靠头脑风暴来做出决策，这种方式只能作为需求挖掘的补充，否则容易挖掘出自嗨型需求，产品经理们觉得很好的功能点，实际用户却并不买账。
