當(dāng)產(chǎn)品經(jīng)理遇到數(shù)據(jù)分析這個(gè)檻，怎么辦

大數(shù)據(jù)時(shí)代的到來，對(duì)產(chǎn)品經(jīng)理提出了更加嚴(yán)格的數(shù)據(jù)分析要求。一個(gè)懂?dāng)?shù)據(jù)分析的產(chǎn)品經(jīng)理可以利用數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品設(shè)計(jì)優(yōu)化，并高效提升客戶體驗(yàn)。

那么，產(chǎn)品經(jīng)理到底該關(guān)注哪些數(shù)據(jù)呢？小產(chǎn)品如何運(yùn)用A/B測試？產(chǎn)品經(jīng)理該如何學(xué)習(xí)數(shù)據(jù)分析呢？

本文根據(jù)張溪夢(mèng)在線訪談編輯整理，希望對(duì)產(chǎn)品經(jīng)理提升數(shù)據(jù)分析能力有較好的幫助。

如何獲取數(shù)據(jù)，獲取什么樣的數(shù)據(jù)？

Q1：一個(gè)電商平臺(tái)，應(yīng)該著重關(guān)注什么數(shù)據(jù)，怎樣設(shè)計(jì)數(shù)據(jù)后臺(tái)？

A1： 電商數(shù)據(jù)的核心指標(biāo)一般有：GMV，Transations（交易數(shù)量），ASP（均價(jià)），購物車大小，用戶的復(fù)購率，購買頻次，年度復(fù)購率。這樣的指標(biāo)很多。:我覺得有三類的指標(biāo)需要關(guān)注，第一：交易數(shù)據(jù)，第二：用戶行為數(shù)據(jù)，第三：用戶來源數(shù)據(jù)。

這里面，我覺得您可以根據(jù)自己的資源狀況來設(shè)優(yōu)先級(jí)。最直接的就是交易數(shù)據(jù)，然后最重要的是行為數(shù)據(jù)，因?yàn)樗械碾娚烫峁┑氖恰盎ヂ?lián)網(wǎng)產(chǎn)品”而不僅僅是“所銷售的產(chǎn)品”。第三就是流量的數(shù)據(jù)的分析，因?yàn)檫@里涉及到獲取客戶的成本。

Q2 : 如何收集自己需要的數(shù)據(jù)，面對(duì)雜亂無序的數(shù)據(jù)該如何分析，如何保證數(shù)據(jù)的準(zhǔn)確性 ？

A1: 不同行業(yè)，不同業(yè)務(wù)會(huì)有相同宏觀的指標(biāo)，也有細(xì)化到本行業(yè)，本業(yè)務(wù)的指標(biāo)。需要從宏觀到微觀的拆解指標(biāo)。大量的數(shù)據(jù)如何為我們所用？需要了解產(chǎn)品業(yè)務(wù)，明確問題的本質(zhì)，大量的深入的產(chǎn)品實(shí)踐。大膽的提出假設(shè)，然后通過數(shù)據(jù)理性的驗(yàn)證。我們還會(huì)有更多的線下線上活動(dòng)幫助大家拆解數(shù)據(jù)分析指標(biāo)。

關(guān)于數(shù)據(jù)準(zhǔn)確性可以不同的工具去驗(yàn)證。比如同時(shí)安裝多個(gè)數(shù)據(jù)統(tǒng)計(jì)工具。比如比較客戶端和服務(wù)端的數(shù)據(jù)統(tǒng)計(jì)差異。

Q3: 做內(nèi)容的網(wǎng)站，如何結(jié)合業(yè)務(wù)判斷需要獲取哪些和用戶相關(guān)的數(shù)據(jù)？

A3: 最基本的指標(biāo)是：頁面瀏覽量、訪問量、獨(dú)立訪客數(shù)、跳出率、頁面停留時(shí)長

網(wǎng)站停留時(shí)長、退出率、轉(zhuǎn)化率，頁面退出率……

內(nèi)容熱度：分享次數(shù)、推薦次數(shù)、點(diǎn)贊次數(shù)、評(píng)論數(shù)

用戶：新用戶、活躍用戶、沉寂用戶占比的變化，增長的趨勢(shì)等等

Q4: 不強(qiáng)制登陸的app，如何定義獨(dú)立用戶。目前我們是獲取手機(jī)信息，但并不準(zhǔn)確

A4: 不強(qiáng)制登錄，可以在app和設(shè)備的基礎(chǔ)信息在不侵犯用戶隱私的情況下，計(jì)算一個(gè)比較固定的ID。這個(gè)ID應(yīng)該基本上能夠判斷一個(gè)穩(wěn)定的用戶。但是它并不和手機(jī)號(hào)碼或者設(shè)備號(hào)做深度綁定。

在網(wǎng)站上類似cookie的方法。

Q5: 若想了解某個(gè)行業(yè)，有哪些平臺(tái)可以拿到相對(duì)靠譜數(shù)據(jù)以供分析？

A5: 這個(gè)部分需要的工具有很多，看您的業(yè)務(wù)是以App為主，還是Web為主。基本上應(yīng)該從流量，市場占有率，還有用戶交互使用深度、輿情等角度入手。每一個(gè)都有不同的工具能夠輔助。

比如說Alexa，AppAnnie，艾瑞的互聯(lián)網(wǎng)行業(yè)研究報(bào)告，Gartner的研究報(bào)告，IDC，TalkingData的游戲行業(yè)研究等等都是一些好的起點(diǎn)。

數(shù)據(jù)分析如何驅(qū)動(dòng)產(chǎn)品體驗(yàn)優(yōu)化？

Q1：2B企業(yè)應(yīng)應(yīng)用如何做基于數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品設(shè)計(jì)與改進(jìn)？

A1：SaaS企業(yè)的數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品設(shè)計(jì)非常重要。首先，最基礎(chǔ)的開始是Product Usage Metrics。因?yàn)镾aaS產(chǎn)品都要解決一個(gè)企業(yè)應(yīng)用的場景。 而這個(gè)場景在業(yè)務(wù)上的被重現(xiàn)頻次，決定了SaaS軟件的基本交互頻次。所以登錄批次，使用深度（事件數(shù)／訪問）等最基本的指標(biāo)是最粗放的指標(biāo)。

最重要的，是產(chǎn)品每一個(gè)功能的使用者數(shù)量，使用的頻次，轉(zhuǎn)化漏斗，轉(zhuǎn)化率。
請(qǐng)記住，這些分析必須要在“用戶”級(jí)別能夠做分析，而不是一個(gè)單純流量級(jí)別的分析，才有未來的核心意義。

然后將usage在客戶公司級(jí)別進(jìn)行匯總，比較在公司級(jí)別的使用度，使用深度和未來的續(xù)約付費(fèi)率一般呈正相關(guān)。

還有就是整個(gè)SaaS頁面的優(yōu)化，比如說注冊(cè)流，注冊(cè)轉(zhuǎn)化率，注冊(cè)用戶向深度用戶的轉(zhuǎn)化率，深度用戶向付費(fèi)用戶的轉(zhuǎn)化率。SaaS的數(shù)據(jù)分析是很深入的話題，我就是分享一些最基本的指標(biāo)。

Q2：關(guān)于留存率，互聯(lián)網(wǎng)金融借貸產(chǎn)品是典型的低頻，一個(gè)人不可能經(jīng)常上來借錢或者出借，看留存率還有意義么？

A2：留存率有意義，因?yàn)榱舸媸且粋€(gè)普遍的概念。唯一的一個(gè)就是您專注“頻次”的不同。比如說買汽車，美國的整個(gè)汽車購買行為，不可能用天來衡量，而要用年。因此美國的汽車制造商，就持續(xù)的按照“月份”給每一個(gè)不同的區(qū)隔發(fā)送不同的營銷方案。

互聯(lián)網(wǎng)金融也有他的產(chǎn)品生命周期，這要求您來制定營銷策略，找到那個(gè)“頻次”，以此為開始進(jìn)行營銷產(chǎn)品規(guī)劃。

Q3： 支付轉(zhuǎn)化率比較低，這種情況通過什么點(diǎn)，什么角度去分析用戶行為？

A3：先要全面的找到支付轉(zhuǎn)化的全部關(guān)鍵轉(zhuǎn)化路徑，然后看每個(gè)轉(zhuǎn)化路徑上面關(guān)鍵點(diǎn)之間的轉(zhuǎn)化率。比如到商品詳情頁面，可以從搜索頁面、分類頁面、頻道頁面、品牌頁面、活動(dòng)頁面、首頁、關(guān)聯(lián)銷售推薦、甚至直接訪問到達(dá)商品詳情頁面。每個(gè)轉(zhuǎn)化路徑和轉(zhuǎn)化量的占比都要考慮。

然后再找出量大且轉(zhuǎn)化率低的路徑先優(yōu)化，量小轉(zhuǎn)化率高的路徑可以加強(qiáng)并且scale。

Q4：針對(duì)工具類的app，有什么好的數(shù)據(jù)分析方法嗎？需要注意哪些問題？

我覺得取決于您的app在產(chǎn)品發(fā)展的哪個(gè)周期？工具類的APP，我個(gè)人認(rèn)為核心，特別是早期還是應(yīng)該關(guān)注“usage”，用戶的使用度，和使用深度／黏度，也就是留存。然后要關(guān)注增長，其次未來要關(guān)注變現(xiàn)。用增長黑客的“海盜法則”來講的話，就是在“AARRR”邏輯里面，首先關(guān)注留存（Retention）。

產(chǎn)品經(jīng)理該如何學(xué)習(xí)數(shù)據(jù)分析？

Q1：統(tǒng)計(jì)學(xué)、分析和挖掘的書看了不少，如何系統(tǒng)的學(xué)習(xí)數(shù)據(jù)分析與挖掘，希望能得到指點(diǎn)！

A1：首先如果您有時(shí)間，看看精益分析《lean analytics》，這本書是我在美國很好的朋友寫的書。另外一本，“build measure，learn”也是我在LinkedIn的團(tuán)隊(duì)成員寫的書。都是很好的入門教材。再次我覺得可以看一下基礎(chǔ)的統(tǒng)計(jì)書籍，因?yàn)閿?shù)據(jù)分析的核心要有基本的統(tǒng)計(jì)知識(shí)。Using R系列是很好的起點(diǎn)。

Q2：數(shù)據(jù)方面偏菜鳥用戶，有哪些數(shù)據(jù)可視化工具值得推薦？

A2：tableau是一個(gè)很好的數(shù)據(jù)可視化工具。自己開發(fā)可以試試highchart和D3 document。

Q3：可以推薦幾本關(guān)于數(shù)據(jù)的書嗎？

Lean Analytics, 范冰的增長黑客，Lean Startup，中文的深入淺出數(shù)據(jù)分析，Tableau的很多愛好者推崇的人人數(shù)據(jù)分析師等等。

不過我覺得好的數(shù)據(jù)分析的書籍，不如一次好的數(shù)據(jù)分析實(shí)際操作加上分享您能學(xué)到的更多。主要是概念的基本掌握，然后迅速落地實(shí)踐，復(fù)盤分析結(jié)果，然后繼續(xù)迭代。特別是產(chǎn)品分析，最關(guān)鍵的是要把數(shù)據(jù)分析和用戶行為以及產(chǎn)品設(shè)計(jì)用一體的角度來考慮，然后分解成三個(gè)部分來驗(yàn)證。就會(huì)有閉環(huán)。

“無埋點(diǎn)”數(shù)據(jù)分析工具的原理和運(yùn)用？

Q1：以前我們做數(shù)據(jù)統(tǒng)計(jì)，數(shù)據(jù)分析，都必須要攻城獅在相關(guān)行為中埋點(diǎn)；GrowingIO的無埋點(diǎn)統(tǒng)計(jì)分析是什么原理？

A: GrowingIO希望能夠直接從業(yè)務(wù)人員的角度出發(fā)，讓業(yè)務(wù)人員最快的獲得想要分析的數(shù)據(jù)，并且同時(shí)減輕工程人員埋點(diǎn)的痛苦。GrowingIO的無埋點(diǎn)技術(shù)支持多個(gè)平臺(tái)，iOS, Android，Web和HTML5。

主要的原理是在網(wǎng)頁和HTML5的里面加入一次SDK代碼，在iOS和Android加入一次SDK代碼，之后不用再加載SDK代碼，用戶使用網(wǎng)頁和APP客戶端的時(shí)候盡可能全的收集用戶的行為數(shù)據(jù)，通過異步且加密的方式傳輸數(shù)據(jù)。

Q2：GrowingIO能幫助優(yōu)化產(chǎn)品設(shè)計(jì)和用戶體驗(yàn)嗎？

A: GrowingIO是新一代基于用戶行為的數(shù)據(jù)分析產(chǎn)品，目前提供的用戶轉(zhuǎn)化、留存、細(xì)查、分群功能都可以幫助產(chǎn)品經(jīng)理優(yōu)化產(chǎn)品設(shè)計(jì)，進(jìn)而提升用戶體驗(yàn)。

以在線商城頁面設(shè)計(jì)為例，用戶瀏覽商品、提交訂單，點(diǎn)擊支付，完成購買形成了客戶的核心路徑，但是日常業(yè)務(wù)中經(jīng)常遇到客戶轉(zhuǎn)化率過低的情形。GrowingIO的用戶轉(zhuǎn)化漏斗可以幫助產(chǎn)品經(jīng)理分析客戶到底在哪一步流失較高，然后借助用戶細(xì)查功能來驗(yàn)證前面的假設(shè)猜想。從而提升幫助產(chǎn)品經(jīng)理找出產(chǎn)品設(shè)計(jì)的缺陷，后期盡快優(yōu)化。

小產(chǎn)品是否適合A/B測試？

Q: 小產(chǎn)品是否適合使用“A/B test”測試優(yōu)化產(chǎn)品，前期的技術(shù)準(zhǔn)備是否麻煩？

A: 產(chǎn)品非常早期，我個(gè)人不建議用A/B測試，因?yàn)樽钪饕膯栴}是我們沒有很多資源開發(fā)兩套或者更多的產(chǎn)品方案。而且早期數(shù)據(jù)量小，不一定能夠有“統(tǒng)計(jì)學(xué)意義”，往往測試者需要把流量分解，這樣就需要等待結(jié)果。

對(duì)于低流量的app／網(wǎng)站，沒有足夠的資源來等。工程上也有一定的挑戰(zhàn)。所以我建議早期產(chǎn)品關(guān)注核心指標(biāo)，分解核心指標(biāo)為“可執(zhí)行的指標(biāo)”比A/B測試更重要。同時(shí)要迅速迭代。

A/B測試對(duì)于產(chǎn)品線豐富的業(yè)務(wù)還是有很多作用的?？茨馁Y源配置了。