產(chǎn)品數(shù)據(jù)分析需要注意哪些坑

一、明確做數(shù)據(jù)分析的目的是什么，要解決什么問題

看起來大而空，其實(shí)是最容易犯的錯誤。產(chǎn)品經(jīng)理尤其是數(shù)據(jù)分析師應(yīng)當(dāng)注意，分析某項(xiàng)數(shù)據(jù)是要解決一定問題或作為某項(xiàng)決策的依據(jù)。不能只做單純分析，分析目的是什么都不知道，又怎么能從圖表中發(fā)現(xiàn)問題？甚至，又怎么能做出有針對性的圖表呢？

很簡單的例子就是，不知道要解決什么問題，要針對哪些用戶群體，選擇的樣本容量不對，錯把某一類型數(shù)據(jù)當(dāng)成全量數(shù)據(jù)或抽樣規(guī)則制定錯誤，直接導(dǎo)致錯在起跑線上。

二、迫切需求≠必要需求，缺乏對產(chǎn)品的宏觀把控

此類誤區(qū)尤以某一鮮明但偶然的事件易誘人誤導(dǎo)。“洛陽紙貴”只是一時(shí)現(xiàn)象，不能因它而忽略了產(chǎn)品背后的整體概率。舉個例子，在歐洲杯前期，商家H5宣傳盛行，某H5公司客服接到很多客戶反映，希望自己做好的H5作品可以轉(zhuǎn)送他人或者允許他人修改。產(chǎn)品經(jīng)理在接到客服反饋后，沒有深思產(chǎn)品功能的可延續(xù)性周期，迅速立項(xiàng)，聯(lián)合工程加班加點(diǎn)開發(fā)出子賬號功能。歐洲杯期間，此功能確實(shí)使用概率較高，但歐洲杯過后，H5行業(yè)熱度降低，子賬號功能的使用頻度更是直線下降。

三、理論不結(jié)合實(shí)際，過于注重?cái)?shù)據(jù)表象

系統(tǒng)化的數(shù)據(jù)分析報(bào)表才能夠更好的反映出產(chǎn)品或服務(wù)存在的問題，要結(jié)合營銷性思維來分析數(shù)據(jù)。否則，即便報(bào)表做的再漂亮再專業(yè)，也只是紙上談兵。示例：某家服務(wù)型公司發(fā)現(xiàn)，使用某項(xiàng)功能4次以上的用戶忠誠度更高。于是，公司加大了對該功能的宣傳推廣，EDM、首頁推薦各種推送。一段時(shí)間后，該功能的使用度大幅提升，但忠誠用戶比例并無明顯上升。為何？用戶并非單一使用該功能，而是在產(chǎn)品的諸多功能使用中該功能頻度較高。這是一個整體過程，非單一事件。數(shù)據(jù)分析邏輯錯誤，因果關(guān)系錯判，方向錯誤結(jié)果自然也不理想。

四、高流量即高轉(zhuǎn)化的誤區(qū)

與網(wǎng)站收錄高不一定排名好同理。大流量、收錄高是獲得好轉(zhuǎn)化、好排名的基礎(chǔ)，是敲門磚。但絕不是決定性的唯一因素。某些情況下，大流量是獲得轉(zhuǎn)化的前提，也就我們平常所說的擴(kuò)大用戶池子。在獲得流量后需要考慮如何提高產(chǎn)品轉(zhuǎn)化。但某些情況下，流量轉(zhuǎn)化的高低取決于渠道質(zhì)量的好壞。此種情況下，最應(yīng)該做的是選擇優(yōu)質(zhì)渠道而非研究流量轉(zhuǎn)化。

示例：一篇文章百度帶來100個leads，微信帶來80個leads。但百度帶來的流量最終轉(zhuǎn)化為60個注冊用戶，微信渠道最終轉(zhuǎn)化了64個注冊用戶，哪個渠道比較好，不能單純根據(jù)流量來源多少定吧？

五、只關(guān)注最終總體產(chǎn)品轉(zhuǎn)化率

不注重數(shù)據(jù)分析價(jià)值時(shí)易犯此錯誤，不懂精細(xì)運(yùn)營也易犯此錯誤。

延用上述案例。百度帶來的流量明顯比微信多，轉(zhuǎn)化第一步流失30%，第二步流失10%左右，最終帶來流量60%轉(zhuǎn)化的效果； 微信第一步流失僅5%的用戶，第二步流失16%。

針對兩個渠道，我們就要開始進(jìn)行數(shù)據(jù)分析，并思考：什么造成了百度第一步轉(zhuǎn)化流失率高，該采取什么措施。微信第二步流失率高的原因是什么，該怎樣解決？

六、轉(zhuǎn)化率高不一定代表用戶體驗(yàn)好

一般而言，我們會通過提高用戶體驗(yàn)來提高產(chǎn)品轉(zhuǎn)化率。但是，反之，轉(zhuǎn)化率高就代表用戶體驗(yàn)好嗎？
 

像我們曾經(jīng)遇到的問題，登錄密碼那塊出現(xiàn)問題，用戶登錄不上，只好重新注冊。短期內(nèi)，用戶注冊率大幅上升，但造成的用戶體驗(yàn)卻很不好。

工作中處處留心，可以避免走入很多的誤區(qū)。產(chǎn)品經(jīng)理每一個決策幾乎都要牽涉到很多方面。磨刀不誤砍柴工，多想想再去做，說不定效果更好。