近些年，隨著Growth Hack觅捆、精益化運(yùn)營(yíng)、數(shù)據(jù)化運(yùn)營(yíng)等概念漸入人心麻敌，數(shù)據(jù)產(chǎn)品這個(gè)名字被提及的次數(shù)越來(lái)越多栅炒。數(shù)據(jù)產(chǎn)品究竟何去何從呢？
在互聯(lián)網(wǎng)的下半場(chǎng)，不斷精細(xì)化運(yùn)營(yíng)的背景下赢赊，產(chǎn)品經(jīng)理不再是單純的靠感覺(jué)來(lái)做產(chǎn)品乙漓，更需要培養(yǎng)數(shù)據(jù)的意識(shí)，能以數(shù)據(jù)為依歸释移，來(lái)不斷改善產(chǎn)品叭披。
借用最近很火的名詞來(lái)說(shuō)，如果嘻哈歌手的freestyle玩讳，基本功是即性說(shuō)唱涩蜘，那么現(xiàn)在，產(chǎn)品經(jīng)理的fresstyle熏纯，基本功則是數(shù)據(jù)分析同诫。
那么在數(shù)據(jù)已經(jīng)被有效記錄的前提下，如何有效的去分析數(shù)據(jù)呢樟澜？
1误窖、明確數(shù)據(jù)分析的目的；
2秩贰、確認(rèn)數(shù)據(jù)收集是否準(zhǔn)確完備霹俺；
3、有效剔除干擾數(shù)據(jù)萍膛；
4吭服、合理客觀的審視數(shù)據(jù)。
? ? ? ? ? ? ? ? 1.明確數(shù)據(jù)分析的目的
產(chǎn)品經(jīng)理需要帶著明確的目的去分析數(shù)據(jù)蝗罗，思考實(shí)現(xiàn)目標(biāo)艇棕，需要構(gòu)建哪些維度去驗(yàn)證。If you can’t measure it, you can’t improve it串塑，如果無(wú)法衡量沼琉，就無(wú)法增長(zhǎng)。
而不同的數(shù)據(jù)分析目的桩匪，需要通過(guò)不同的數(shù)據(jù)指標(biāo)分析拆解打瘪，如電商最核心的是訂單轉(zhuǎn)化率，訂單數(shù)傻昙，訂單金額等闺骚，對(duì)于社交網(wǎng)站來(lái)講則是日活躍用戶數(shù)，發(fā)帖量妆档、評(píng)論數(shù)等僻爽。
在數(shù)據(jù)分析指標(biāo)的構(gòu)建中，我們需要謹(jǐn)記遵從金字塔分析原理贾惦，即逐層拆分胸梆，不重不漏敦捧。
比如將訂單金額拆成訂單數(shù)單均價(jià)，訂單數(shù)也可以往下細(xì)分出用戶數(shù)人均訂單數(shù)碰镜，不同的用戶還會(huì)擁有不同的人均訂單數(shù)兢卵，一層層往下分拆確保指標(biāo)能明確表達(dá)含義，為上層的分析思路提供依據(jù)明確指標(biāo)定義绪颖，統(tǒng)計(jì)口徑和維度秽荤。
比如APP首頁(yè)猜你喜歡推薦模塊，忽然發(fā)現(xiàn)點(diǎn)擊率從40%下降到了35%菠发，暴跌5%個(gè)點(diǎn)王滤，這個(gè)時(shí)候，我們可以從時(shí)間滓鸠、版本雁乡、平臺(tái)、人群等維度拆解糜俗。
先看看數(shù)據(jù)是從什么時(shí)候開(kāi)始變化的踱稍，是不是因?yàn)槭艿搅耸フQ、元旦假日因素的影響悠抹，頁(yè)面上其他模塊上線了新的活動(dòng)珠月，影響了猜你喜歡的轉(zhuǎn)化。
如果不是楔敌，再看看是不是哪個(gè)版本的數(shù)據(jù)發(fā)生了波動(dòng)啤挎，是不是因?yàn)樾掳姹旧暇€埋點(diǎn)遺漏或有誤造成的。
如果不是卵凑，則再拆解是不是流量來(lái)源構(gòu)成發(fā)生了變動(dòng)庆聘，是不是iOS&Android平臺(tái)用戶比例發(fā)生變化，或是新老用戶的構(gòu)成比例改變勺卢。
? ? ? ? ? ? 2.確認(rèn)數(shù)據(jù)收集是否準(zhǔn)確完備
關(guān)于數(shù)據(jù)收集伙判，我一定要先談準(zhǔn)確，不得不說(shuō)黑忱，務(wù)必請(qǐng)跟我念宴抚，一定要認(rèn)真檢查埋點(diǎn)，埋點(diǎn)甫煞，埋點(diǎn)菇曲。這絕對(duì)是個(gè)遇神坑神的大坑。
很多時(shí)候臨到使用抚吠，才發(fā)現(xiàn)這個(gè)埋點(diǎn)的方式一直都是錯(cuò)誤的羊娃，或者發(fā)現(xiàn)這個(gè)指標(biāo)計(jì)算的方法，沒(méi)有把某種因素排除掉埃跷。
接著談完備蕊玷，如果涉及未來(lái)產(chǎn)品發(fā)展方向或頁(yè)面改版計(jì)劃的前期調(diào)研，數(shù)據(jù)分析僅靠APP本身的埋點(diǎn)弥雹，絕對(duì)是遠(yuǎn)遠(yuǎn)不夠的垃帅。可以考慮以下3種渠道剪勿。
1贸诚、從外部如易觀或艾瑞的行業(yè)數(shù)據(jù)分析報(bào)告獲取，需要帶著審慎的態(tài)度去觀察數(shù)據(jù)厕吉，提取有效準(zhǔn)確的信息酱固，剝離部分可能注水的數(shù)據(jù)，并需要時(shí)刻警惕那些被人處理過(guò)的二手?jǐn)?shù)據(jù)头朱。
2运悲、從AppStore、客服意見(jiàn)反饋项钮、微博等社區(qū)論壇去主動(dòng)收集用戶的反饋班眯。我自己經(jīng)常有空的時(shí)候就會(huì)去社區(qū)論壇看看用戶的狀態(tài)評(píng)論，一般這樣的評(píng)論都是非常極端的烁巫，要么特別好署隘，要么罵成狗，但這些評(píng)論對(duì)于自身產(chǎn)品設(shè)計(jì)的提升還是非常有益的亚隙，可以嘗試去反推用戶當(dāng)時(shí)當(dāng)刻為什么會(huì)產(chǎn)生如此的情緒磁餐。
3、自行參與問(wèn)卷設(shè)計(jì)阿弃、用戶訪談等調(diào)研诊霹，直面用戶，收集一手?jǐn)?shù)據(jù)恤浪，觀察用戶使用產(chǎn)品時(shí)所遇到的問(wèn)題及感受畅哑。問(wèn)卷需要提煉核心問(wèn)題，減少問(wèn)題水由，回收結(jié)果更需剔除無(wú)效的敷衍的問(wèn)卷荠呐。用戶訪談需要注意不使用引導(dǎo)性的詞匯或問(wèn)題，去帶偏用戶的自然感受砂客。
? ? ? ? ? ? ? ? 3.有效剔除干擾數(shù)據(jù)
我們的數(shù)據(jù)收集準(zhǔn)確&完備后泥张，并沒(méi)有大功告成，還要進(jìn)一步剔除干擾數(shù)據(jù)鞠值。
1媚创、選取正確的樣本數(shù)量
選取足夠大的數(shù)量，剔除極端或偶然性數(shù)據(jù)的影響彤恶。舉一個(gè)最low也最經(jīng)典的例子钞钙，08年奧運(yùn)會(huì)上鳄橘，姚明的三分投籃命中率為100%，科比的三分投籃命中率為32%芒炼。
那么是不是說(shuō)姚明的三分投籃命中率要比科比高瘫怜？顯示有問(wèn)題，因?yàn)槟菍脢W運(yùn)會(huì)本刽，姚明只投了一個(gè)三分球鲸湃，科比投了53個(gè)。
2子寓、制定相同的抽樣規(guī)則暗挑，減少分析結(jié)論的偏差性
比如兩條Push文案，第1條“您有一個(gè)外賣暖心紅包未領(lǐng)取斜友，最大的紅包只留給最會(huì)吃的你炸裆，點(diǎn)擊進(jìn)入”，第2條“送你一個(gè)外賣低溫福利蝙寨，足不出戶吃喝熱騰美味晒衩，點(diǎn)擊領(lǐng)取 ”。
實(shí)驗(yàn)數(shù)據(jù)表明墙歪，第二條Push文案的點(diǎn)擊率比第一條同比高了30%听系。那么真的是第二條文案更有吸引力嘛？結(jié)果發(fā)現(xiàn)是第二條Push文案的接收人群的活躍度明顯高于第一條造成的虹菲。
3靠胜、剔除版本或節(jié)假日因素的干擾
新版本剛上線時(shí)的數(shù)據(jù)表現(xiàn)往往會(huì)很好，因?yàn)橹鲃?dòng)升級(jí)的用戶一般是高活躍度的用戶毕源。
臨近周末或大型節(jié)假日的時(shí)候浪漠，用戶的消費(fèi)需求會(huì)被觸發(fā)，電商類應(yīng)用的訂單轉(zhuǎn)化率也會(huì)直線上升霎褐。
因此址愿，在數(shù)據(jù)對(duì)比的時(shí)候，實(shí)驗(yàn)組和對(duì)照組的數(shù)據(jù)在時(shí)間維度上要保持對(duì)應(yīng)冻璃。
4响谓、A/B實(shí)驗(yàn)需拆分A2組
即在實(shí)驗(yàn)組B1和對(duì)照組A1上再增加一組A2，A1和A2的規(guī)則保持一致省艳，然后探究A1B1的數(shù)據(jù)波動(dòng)與A1A2比較娘纷，剔除數(shù)據(jù)的自然/異常波動(dòng)帶來(lái)的影響。
以我自己實(shí)際的A/B實(shí)驗(yàn)證明跋炕，設(shè)立A2組是非常重要且必要的赖晶，不管數(shù)據(jù)量級(jí)有多大，相同實(shí)驗(yàn)規(guī)則的兩組在數(shù)據(jù)也會(huì)有一定的小幅波動(dòng)辐烂，而這小幅波動(dòng)在精細(xì)化運(yùn)營(yíng)的今天遏插，對(duì)我們的判斷可能形成較大的干擾偏差捂贿。
? ? ? ? ? ? ? ? 4.合理客觀的審視數(shù)據(jù)
1、不要忽略沉默用戶
產(chǎn)品經(jīng)理涩堤，在做用戶訪談或問(wèn)卷調(diào)研時(shí)眷蜓，如果在聽(tīng)到部分用戶反饋的時(shí)候，就做出決策花費(fèi)大量的時(shí)間開(kāi)發(fā)相應(yīng)的功能胎围，往往結(jié)果，可能這些功能只是極少部分用戶的迫切需求德召，而大部分用戶并不在乎白魂。
甚至有可能與核心用戶的訴求相違背，導(dǎo)致新版產(chǎn)品上線后數(shù)據(jù)猛跌上岗。忽略沉默用戶福荸，沒(méi)有全盤(pán)的考慮產(chǎn)品大部分目標(biāo)用戶的核心需求，不僅會(huì)造成人力物力的浪費(fèi)肴掷，更有甚者敬锐，會(huì)錯(cuò)失商業(yè)機(jī)會(huì)。
2呆瞻、全面理解數(shù)據(jù)結(jié)果
如果實(shí)驗(yàn)結(jié)果的預(yù)期與我們的經(jīng)驗(yàn)認(rèn)知有明顯的偏差台夺，請(qǐng)不要盲目下結(jié)論質(zhì)疑自己的直覺(jué)，而是嘗試對(duì)數(shù)據(jù)進(jìn)行更透徹的分析痴脾。
例如我們?cè)?jīng)做過(guò)在點(diǎn)評(píng)首頁(yè)颤介，設(shè)置過(guò)給用戶投放活動(dòng)彈窗的實(shí)驗(yàn)，發(fā)現(xiàn)實(shí)驗(yàn)組的數(shù)據(jù)不管在首頁(yè)的點(diǎn)擊率赞赖，訂單轉(zhuǎn)化率乃至7日留存率方面都遠(yuǎn)超對(duì)照組滚朵，首頁(yè)上的每一個(gè)模塊的轉(zhuǎn)化率都有明顯的提升，遠(yuǎn)遠(yuǎn)超出了我們的預(yù)期前域，那這真的是活動(dòng)彈窗刺激了用戶的轉(zhuǎn)化率嘛辕近，
后來(lái)我們發(fā)現(xiàn)在首頁(yè)能夠展示出活動(dòng)彈窗的用戶，往往在使用環(huán)境時(shí)的網(wǎng)絡(luò)狀態(tài)比較好匿垄，在wifi環(huán)境下移宅，而未展示彈窗的用戶則可能是在公交/地鐵/商場(chǎng)等移動(dòng)場(chǎng)景下，網(wǎng)絡(luò)通訊可能不佳年堆，因此影響了A/B實(shí)驗(yàn)的結(jié)果吞杭。
3、不要過(guò)度依賴數(shù)據(jù)
過(guò)度依賴數(shù)據(jù)变丧，一方面芽狗，會(huì)讓我們做很多沒(méi)有價(jià)值的數(shù)據(jù)分析；另一方面痒蓬，也會(huì)限制產(chǎn)品經(jīng)理本來(lái)應(yīng)有的靈感和創(chuàng)意童擎。
正像羅振宇在時(shí)間的朋友跨年演講上提到的一樣滴劲。用戶要什么，你就給什么顾复，甚至他們沒(méi)說(shuō)出來(lái)你就猜到了班挖，這叫母愛(ài)算法，在內(nèi)容分發(fā)領(lǐng)域沒(méi)有人比今日頭條做得更好芯砸，但母愛(ài)算法有很大的弊端萧芙，在推薦的時(shí)候會(huì)越推越窄。
另一面則是父愛(ài)算法假丧，站的高双揪，看得遠(yuǎn)。告訴用戶包帚，放下你手里的爛東西渔期，我告訴你一個(gè)好東西，跟我來(lái)渴邦。正像喬幫主當(dāng)年打造的iPhone系列產(chǎn)品一樣疯趟，不看市場(chǎng)分析，不做用戶調(diào)研谋梭，打造出超出用戶預(yù)期的產(chǎn)品信峻。
? ? ? ? ? ? ? ? ? ? ? ? ? ? 5.總結(jié)
美國(guó)最成功的視頻網(wǎng)站Netflix通過(guò)基于用戶習(xí)慣的分析，將大數(shù)據(jù)分析深入到電影的創(chuàng)作環(huán)節(jié)中章蚣，塑造了風(fēng)靡一時(shí)的美劇《紙牌屋》站欺。然而Netflix的工作人員告訴我們，不應(yīng)該迷戀大數(shù)據(jù)
如果說(shuō)電視劇評(píng)分9分是精品的話纤垂，大數(shù)據(jù)可以讓我們脫離低分6分以下的風(fēng)險(xiǎn)矾策，卻也會(huì)帶我們按部就班的走向平庸的絕大多數(shù)7-8分之間。
產(chǎn)品經(jīng)理在直覺(jué)創(chuàng)造的心智能力峭沦，情感理解的社交能力贾虽，與大數(shù)據(jù)相結(jié)合，正確的理解數(shù)據(jù)吼鱼，讓數(shù)據(jù)真正嵌入到產(chǎn)品的設(shè)計(jì)中蓬豁，切實(shí)解決用戶的實(shí)際問(wèn)題，方能真正做到所謂的“用戶洞察”菇肃，讓產(chǎn)品走到用戶需求前面地粪，超出用戶的預(yù)期。
