如何修煉成一位優(yōu)秀的數(shù)據(jù)產(chǎn)品經(jīng)理？

近些年來(lái)，隨著Growth Hack、精益化運(yùn)營(yíng)、數(shù)據(jù)化運(yùn)營(yíng)等概念漸入人心，數(shù)據(jù)產(chǎn)品這個(gè)名字被提及的次數(shù)越來(lái)越多。但究竟什么是數(shù)據(jù)產(chǎn)品？數(shù)據(jù)產(chǎn)品如何來(lái)解決商業(yè)問(wèn)題？如何現(xiàn)在最火的商業(yè)概念如Growth hacking 等落地的？如何設(shè)計(jì)一個(gè)能夠滿足用戶需求的數(shù)據(jù)產(chǎn)品？本文將和大家一起分享這些問(wèn)題。

一、什么是數(shù)據(jù)產(chǎn)品？

簡(jiǎn)單來(lái)講，就是以數(shù)據(jù)為主要自動(dòng)化產(chǎn)出的產(chǎn)品形態(tài)。這里強(qiáng)調(diào)自動(dòng)化產(chǎn)出概念，是為了區(qū)分像 Gartner 之類(lèi)的數(shù)據(jù)研究咨詢公司，跟類(lèi)似GrowingIO 這種實(shí)時(shí)互聯(lián)網(wǎng)分析產(chǎn)品相比。顯然，他們的報(bào)告也可以理解為以數(shù)據(jù)為主要產(chǎn)出的產(chǎn)品，但并不具備自動(dòng)化產(chǎn)出的特性。

明確了概念后，我們就可以對(duì)它拆分細(xì)化。從用戶群體來(lái)區(qū)分，可以分為三類(lèi)：

企業(yè)內(nèi)部使用的數(shù)據(jù)產(chǎn)品，如自建BI和推薦系統(tǒng)；

針對(duì)所有企業(yè)推出的商業(yè)型數(shù)據(jù)產(chǎn)品，如 Google Analytics 和 GrowingIO；

用戶均可使用的 Google Trends 和淘寶指數(shù)等等。

在以上舉的例子里，推薦系統(tǒng)可能會(huì)讓人有些費(fèi)解。其實(shí)，同用戶畫(huà)像，搜索排序類(lèi)似的算法一樣，它們本質(zhì)上是根據(jù)用戶數(shù)據(jù)和相應(yīng)的數(shù)據(jù)模型，建立的一套評(píng)分標(biāo)簽體制。因此，在很多企業(yè)的劃分里，也是屬于數(shù)據(jù)產(chǎn)品的范疇。但個(gè)人經(jīng)驗(yàn)所限，本文暫不涉及此類(lèi)產(chǎn)品。

二、為什么需要數(shù)據(jù)產(chǎn)品?

來(lái)自硅谷的新一代數(shù)據(jù)分析產(chǎn)品GrowingIO 創(chuàng)始人張溪夢(mèng)非常推崇德魯克的一句話：If you can’t measure it, you can’t improve it（如果你無(wú)法衡量，你就無(wú)法增長(zhǎng)）. 這與 Growth Hack 核心理念—數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)，不謀而合。

增長(zhǎng)讓企業(yè)經(jīng)營(yíng)者的念念不忘，而實(shí)踐的曲線，就潛藏在數(shù)據(jù)產(chǎn)品中。

舉例，在Facebook中，直接匯報(bào)給 Mark Zuckerberg 的 Growth Team 就專門(mén)下轄了 Data & Analysis 和 Infrastructure 兩個(gè)數(shù)據(jù)團(tuán)隊(duì)做數(shù)據(jù)的采集計(jì)算和展示。他們會(huì)對(duì) Facebook 所有的數(shù)據(jù)進(jìn)行監(jiān)控，以及根據(jù)效果持續(xù)優(yōu)化。

Facebook對(duì) Data Driven 重視到了什么程度？一個(gè)VP帶領(lǐng)的30人團(tuán)隊(duì)做了一年的主頁(yè)改版，在三個(gè)月內(nèi)灰度上線過(guò)程中因數(shù)據(jù)表現(xiàn)不佳，直接回滾。對(duì)比之下，國(guó)內(nèi)的人人網(wǎng)照抄那一次改版后，沿襲至今。可以這么說(shuō)，F(xiàn)acebook 高速穩(wěn)定的增長(zhǎng)背后，數(shù)據(jù)產(chǎn)品功不可沒(méi)。

Facebook Growth Team

三、如何設(shè)計(jì)數(shù)據(jù)產(chǎn)品?

對(duì)于產(chǎn)品設(shè)計(jì)來(lái)講，一些固定的步驟必不可少。厘清這些內(nèi)容后，大到系統(tǒng)級(jí)的產(chǎn)品規(guī)劃，小到功能級(jí)的產(chǎn)品設(shè)計(jì)，概念上都會(huì)清晰很多，我們將它抽象成了五個(gè)步驟：

面向什么用戶和場(chǎng)景

解決什么問(wèn)題/帶來(lái)什么價(jià)值

問(wèn)題的分析思路是什么

需要用到什么樣的指標(biāo)

這些指標(biāo)該怎么組合展現(xiàn)

3.1 面向什么用戶和場(chǎng)景

任何產(chǎn)品設(shè)計(jì)均需要明確面向的用戶和場(chǎng)景，因?yàn)椴煌脩粼诓煌瑘?chǎng)景下打開(kāi)你產(chǎn)品的姿勢(shì)也大不相同。

1. 不同用戶有不同的價(jià)值。這個(gè)方法主要面向第一類(lèi)即企業(yè)內(nèi)部產(chǎn)品。這里并不主張職位歧視，只是從數(shù)據(jù)能產(chǎn)生的價(jià)值來(lái)看，高層的一個(gè)正確的決斷可以節(jié)省下面無(wú)數(shù)的成本。

2. 不同層級(jí)用戶關(guān)心的粒度不一樣，永遠(yuǎn)要提供下一個(gè)顆粒度的分析以及可細(xì)化到最細(xì)粒度的入口。數(shù)據(jù)分析本質(zhì)上就是不斷細(xì)分和追查變化。

3. 不同類(lèi)型的用戶使用數(shù)據(jù)的場(chǎng)景不一樣，要圍繞這些場(chǎng)景做設(shè)計(jì)。如 Sales 類(lèi)型的客戶，他們更多的場(chǎng)景是在見(jiàn)客戶的路上快速看一眼數(shù)據(jù)，那么移動(dòng)化和自動(dòng)化就很關(guān)鍵。在設(shè)計(jì)的時(shí)候，原則就是通過(guò)手機(jī)界面展現(xiàn)關(guān)鍵指標(biāo)，不涉及詳細(xì)分析功能。而且在某些指標(biāo)異動(dòng)時(shí)能及時(shí)通過(guò)手機(jī)通知。而辦公室的數(shù)據(jù)分析師，則必須提供PC界面更多細(xì)化分析對(duì)比的功能。

要了解自己的用戶，必須和他們保持長(zhǎng)期有效的溝通。如 GrowingIO 的PM，每周都會(huì)有和銷(xiāo)售和客戶溝通的習(xí)慣，而且每位PM入職后，必須兼職一段時(shí)間的客服。只有這樣，PM才能更好的了解用戶以及他們的使用場(chǎng)景，設(shè)計(jì)出更好用的產(chǎn)品。

3.2  解決什么問(wèn)題/帶來(lái)什么價(jià)值

這本質(zhì)上是要明確產(chǎn)品滿足了用戶的什么需求。但凡需求，均有價(jià)值和優(yōu)先級(jí)。

首先判斷核心需求是什么，可用 Demand/Want/Need 方法分析。用戶來(lái)找你要可樂(lè) (Demand)，如果你沒(méi)有可樂(lè)就無(wú)法滿足用戶。但其實(shí)他只是要解渴 (Want)，需要的只是一杯喝的東西就夠了 (Need)。

其次判斷需求的價(jià)值，可用 PST方法分析。P：x軸，用戶的痛苦有多大；Y軸，有多少用戶有這種痛苦；z軸：用戶愿意為這付出多少多少成本。相乘得出的結(jié)果才是這個(gè)需求的價(jià)值。

以一個(gè)利用GrowingIO的新功能做出來(lái)的漏斗圖為例。

客戶最開(kāi)始說(shuō)的是我們要個(gè)漏斗分析 (Demand) 的功能，但核心需求 (Want) 是改善用戶使用產(chǎn)品過(guò)程中的流失問(wèn)題。那么不同來(lái)源不同層次的用戶，在不同的使用時(shí)間，在不同的環(huán)節(jié)都需要進(jìn)行監(jiān)控和優(yōu)化，最終設(shè)計(jì)出來(lái)的就是這個(gè)可以根據(jù)不同緯度不同環(huán)節(jié)進(jìn)行對(duì)比分析的GrowingIO漏斗 (Need) 。

GrowingIO 新推出的漏斗分析功能

3.3  問(wèn)題分析思路是什么

以上兩點(diǎn)其實(shí)都還是普通產(chǎn)品經(jīng)理的范疇，到了這一部分才真正開(kāi)始數(shù)據(jù)產(chǎn)品經(jīng)理的專業(yè)課。明確了問(wèn)題后，應(yīng)該通過(guò)什么樣的思路進(jìn)行分析？需要明確以下原則：

數(shù)據(jù)產(chǎn)品經(jīng)理一定要有數(shù)據(jù)分析技能，才能更好創(chuàng)造更大的數(shù)據(jù)價(jià)值

數(shù)據(jù)產(chǎn)品設(shè)計(jì)理念，應(yīng)從總覽到細(xì)分，并且不斷對(duì)比

總覽應(yīng)提綱挈領(lǐng)，簡(jiǎn)明扼要，讓用戶先了解當(dāng)前發(fā)生了什么事情和問(wèn)題的大概方向。不要讓用戶一進(jìn)來(lái)就扎進(jìn)無(wú)盡的細(xì)節(jié)中

細(xì)分應(yīng)該提供足夠豐富的維度便于分析。每次細(xì)分必須帶著指標(biāo)下去，所有分析的結(jié)果必須可以落實(shí)到動(dòng)作執(zhí)行，并與業(yè)務(wù)緊密相關(guān)

數(shù)據(jù)本身沒(méi)有意義，數(shù)據(jù)的對(duì)比才有意義。數(shù)據(jù)產(chǎn)品的核心就是把這種對(duì)比凸顯出來(lái)。

這個(gè)環(huán)節(jié)是數(shù)據(jù)產(chǎn)品經(jīng)理最核心的區(qū)別其他產(chǎn)品經(jīng)理的部分，同時(shí)也要求甚高。既需要豐富的產(chǎn)品設(shè)計(jì)經(jīng)驗(yàn)，也需要深刻的業(yè)務(wù)理解能力和數(shù)據(jù)分析能力。

3.4 確認(rèn)數(shù)據(jù)是否準(zhǔn)確完備

分析思路需要相應(yīng)的數(shù)據(jù)支撐，數(shù)據(jù)展示類(lèi)的產(chǎn)品自不用說(shuō)，即使是用戶畫(huà)像的算法類(lèi)產(chǎn)品，也必須有足夠的準(zhǔn)確數(shù)據(jù)做支撐。在確認(rèn)的過(guò)程要注意以下兩點(diǎn):

數(shù)據(jù)的完備性提前明確所有需要的數(shù)據(jù)是否已經(jīng)準(zhǔn)備完全。數(shù)據(jù)就像水面上的冰山，展示出來(lái)的只是很小的一部分，它的采集，清洗和聚合才是水面下 98% 的部分。所以如果需要的數(shù)據(jù)沒(méi)有采集或沒(méi)有經(jīng)過(guò)清洗的話，會(huì)讓整個(gè)工期增加了極大的不穩(wěn)定因素。

數(shù)據(jù)的準(zhǔn)確性在埋點(diǎn)采集的時(shí)代里，這絕對(duì)是個(gè)遇神坑神的大坑。很多時(shí)候臨到使用，才發(fā)現(xiàn)這個(gè)埋點(diǎn)的方式一直都是錯(cuò)誤的?；蛘甙l(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。這種情況在企業(yè)內(nèi)部類(lèi)產(chǎn)品比較常見(jiàn)。因?yàn)椴块T(mén)眾多口徑繁雜，一不小心掉進(jìn)去了，就別想爬出來(lái)了。

所以，一個(gè)優(yōu)秀的產(chǎn)品經(jīng)理想要跟Facebook 一樣做到Data Driven ，必須首先做到數(shù)據(jù)的完備和準(zhǔn)確，埋點(diǎn)是必須要解決的痛點(diǎn)。國(guó)內(nèi)很多公司開(kāi)始使用來(lái)自硅谷的新一代數(shù)據(jù)分析產(chǎn)品GrowingIO，它們采取的無(wú)埋點(diǎn)采集數(shù)據(jù)的方案，便可以解決在數(shù)據(jù)準(zhǔn)備上遇到的很多問(wèn)題。數(shù)據(jù)所見(jiàn)即所得，完備性準(zhǔn)確性迎刃而解。

3.5 選擇什么樣的產(chǎn)品形態(tài)

以上四步最終確定完成之后，就可以選擇相應(yīng)的產(chǎn)品形態(tài)了。常見(jiàn)的數(shù)據(jù)產(chǎn)品形態(tài)有：著重于數(shù)據(jù)呈現(xiàn)的有郵件報(bào)表類(lèi)，可視化報(bào)表類(lèi)，預(yù)警預(yù)測(cè)類(lèi)，決策分析類(lèi)等；著重于算法類(lèi)的用戶標(biāo)簽，匹配規(guī)則等等。篇幅所限，這里挑可視化報(bào)表類(lèi)跟大家分享下：

1）指標(biāo)的設(shè)計(jì)

首先需要明確什么類(lèi)型的產(chǎn)品適用什么樣的指標(biāo)，如電商最核心的是訂單轉(zhuǎn)化率，訂單數(shù)，訂單金額等，對(duì)于社交網(wǎng)站來(lái)講則是日活躍用戶數(shù)，互動(dòng)數(shù)等。

逐層拆分，不重不漏。即MECE 原則 (Mutuallyexclusive,collectively exhaustive)。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)，不同的用戶還會(huì)擁有不同的人均訂單數(shù)，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，統(tǒng)計(jì)口徑和維度

2） 指標(biāo)的呈現(xiàn)

指標(biāo)的呈現(xiàn)說(shuō)白了，就是數(shù)據(jù)可視化。這對(duì)數(shù)據(jù)產(chǎn)品經(jīng)理來(lái)說(shuō)極為重要。它并不只是UI設(shè)計(jì)師的工作，因?yàn)樗婕暗絼e人怎么去理解你的產(chǎn)品和使用你的數(shù)據(jù)。一方面需要閱讀相關(guān)專業(yè)的書(shū)籍，另一方面，是要去觀察足夠多的產(chǎn)品，看他們是如何實(shí)現(xiàn)的。這里有一些通用的規(guī)則可以和大家分享：

同時(shí)著重展示指標(biāo)不超過(guò)7個(gè)，5個(gè)比較合適

在設(shè)計(jì)指標(biāo)的展現(xiàn)時(shí)，要明確指標(biāo)之間的主次關(guān)系

幾種圖表形式的使用建議：趨勢(shì)用曲線圖，占比趨勢(shì)用堆積圖，完成率用柱狀圖，完成率對(duì)比用條形圖，多個(gè)指標(biāo)交叉作用散點(diǎn)圖。為合適的指標(biāo)選擇合適的形式很重要。

四、結(jié)語(yǔ)

數(shù)據(jù)產(chǎn)品學(xué)問(wèn)太深，我們也只是窺得冰山一角。一個(gè)優(yōu)秀的數(shù)據(jù)產(chǎn)品經(jīng)理必須要具備各種技能， 要了解自己的用戶，要和他們保持長(zhǎng)期有效的溝通；明晰用戶的核心需求，而非停留在表面；而最重要的是一定要掌握數(shù)據(jù)分析技能、會(huì)用數(shù)據(jù)分析工具，時(shí)刻有Data Driven 的意識(shí)。