產品經理工作中所需的數據分析能力

“數據能力”也是產品經理的重要基本能力之一。這里總結下產品經理使用數據的姿勢和方法。

寫在開篇的聲明

1）這里寫的是產品經理（不是數據建模工程師）工作中所需的數據分析能力。因此并不涉及復雜的數理統計和數據挖掘知識。

2）用戶畫像和市場數據也是數據的一部分，但個人習慣將其歸為用戶和市場研究部分。后續用戶和市場分析會詳細展開。

3）很難追求數據的絕對準確，而要追求數據的相對準確。所以如果感覺數據有問題，不要在沒有論證的情況下沖到工程師面前質疑一番，一是沒有確定問題存在的時候很難查證，二是會讓工程師反感。

產品數據的作用

監控產品設計、運營效果、營收是否正?；蜻_標。

判斷業務發展階段，為后續推進提供參考。

數據能力的核心

1. 數據打點

2.數據使用

3.數據預估

1、數據打點——打點也叫埋點

其原理就像在路上安放監控探頭，一旦有符合記錄條件的車通過，探頭就會按照設定上報相關信息。

步驟一：

在打點前先弄清楚是客戶端打點還是前端打點。

客戶端打點要盡可能全面并具有擴展性。因為客戶端只有升級才會更新新的打點代碼。并且還有升級覆蓋率問題。所以一定要把數據框架打好，否則后續進行數據分析會非常困難。

如果是前端打點就方便很多。根據需求隨時調整，隨時上線，而且用戶刷新一次頁面代碼就能被升級上來。不過經常變動也會讓工程師重復工作，影響工程師情緒。

步驟二：

提供打點需求，就是明確在什么情況下要什么數據，最終為什么分析做準備。務必弄清指標的確切定義。

比如，次日留存，30日留存，月留存，新用戶次日留存，都是什么意思，有什么區別。

問題：產品經理應如何提供打點需求？尤其是當產品經手一個不熟悉的項目時。

個人習慣先跟相關同事溝通，然后窮舉，之后篩選出核心指標，重要指標，次要指標，檢測指標。有條件的話可以再請資深人士評估下。雖然耗時，但穩妥。

窮舉的過程從每個入口和頁面逐一列舉開始：比如對一個手機軟件，起點應該從應用商店下載開始，終點是用戶卸載。然后是每個地方的入口pv，uv，按鈕點擊及對應uv，內容曝光及對應點擊、對應uv，時長及對應uv，輸入內容及對應uv，以及特殊信息如購物類的客單價等。

并且可以按照新老用戶，或者分級用戶，按渠道切分對比。預留好各個渠道ref接口。如果有AB試驗，則需要支持試驗對比。

釋義：

核心指標：一般包括DAU、MAU、平均時長、人均啟動、日新增、關鍵轉化（比如訂單轉化、閱讀轉化）日卸載。新老用戶留存（日周月）。如果有內容則會增加曝光量，曝光點擊，曝光點擊率，人均曝光等（ps：KPI相關指標都應該列為核心指標 ）

重要指標：一般是核心操作，重要內容，關鍵路徑的相關打點數據。流量分布，漏斗或者也叫流失模型。如視頻播放vv，客單價，搜索量等等。

檢測指標：一般就是錯誤提示或者性能參數，失敗反饋等信息上報。能有效反饋設計質量和工程質量。

其他指標：可以歸結為次要指標，一般是輔助性或驗證性?；蛘吣承┕δ苌暇€之初效果評估。

注意事項：

1 .數據項要能完成關鍵路徑的漏斗模型。

漏斗模型示意圖：

2 打點數據最好能帶著用戶參數，渠道參數，入口參數，從而能有效追述用戶路徑，評估渠道，評估入口，分析新老對比等。

實戰舉例

表中關于曝光的統計就是需要特殊說明的，產品經理不能簡單的四個字“統計曝光”就提給工程師，如果有特殊需求要標注清楚給工程師。

2、數據使用——呈現/分析/匯報

2.1 后臺呈現：

數據呈現是為了方便快捷直觀的觀察數據情況，分為表格和圖表兩種形式。

表格需要支持導出，從而方便深入計算。

圖表最常用的就是折線圖（看趨勢），柱狀圖（看關系），餅圖（看比例）。

過于復雜的后臺呈現會導致過多工程資源消耗，因此建議初期以基本數據能正常呈現和導出為標準即可。初期通過手動分析數據走勢和之間的邏輯關系，經過人工的分析充分掌握數據規律，然后再優化后臺呈現，這樣更方便高效，并且在項目初期數據變化較大隨時可能面臨調整。

同時關于篩選條件一定要制定好，并能方便的多維度進行對比。如：按新老用戶，按渠道，按版本，按入口，按時間粒度。

當然對于已經成熟的項目和呈現后臺則另當別論。

(miui有很多數據分析后臺，防止泄密這里就不上示例參考了)

2.2 數據分析：

首先要具備一定的數理統計知識。這個必修課了。

比如如何區分平均數和中位數的作用？什么情況下看平均，什么情況下看中位數。

其次熟練掌握excel。

比如是否能夠使用分列、分級、透視等幾個功能。（篩選，排序等功能太小兒科了）

比如是否能夠使用IF、COUNTIF等公式（SUM太小兒科了）

再進階的話就是使用VB語言進行分析。

個人學習excel經驗是在實踐中摸索，對于這種基礎軟件沒有必要專門買教程學習，每次根據需求百度，然后做好筆記即可。

本人也用過spss，不過產品經理精通excel足夠了。

最后數據分析工作重點：

1） 日常監控相關數據的變化和波動，并總結規律，比如對于時鐘應用可以看到每周會呈現相對規律的變動。對于出現異常波動的數據要及時跟進。

實操舉例：

圖中圓圈處數據，斷崖式，斷崖時間1天，很有可能是數據統計變更或后端or前端打點出現問題。

圖中方框處數據，呈現明顯周期性規律，并且微微上揚。能夠直觀體現用戶使用行為和高峰，從而確定產品優化點和關鍵運營時間。微微上揚則能表現出入口流量增長或流失減少，又或者留存提高。

2 ）關鍵漏斗模型的建立和監測。對于流失率較高的環節及時跟進和優化。

3 ）對于功能改進，運營效果，商業變動的數據總結和分析，有問題需及時進行調整。

2.3 數據匯報：

數據匯報太偏重技術表現不展開說明，核心重點：區分不同的匯報場景選取關鍵數據，針對有效數據選擇恰當的表現方式即可。說明問題即可，不用面面俱到使得匯報冗余

3、數據預估——最重要的數據能力

相對于數據打點和數據使用，數據預估是更重要的能力，其需要建立在豐富的數據經驗和統計知識的基礎之上，也是產品經理對自己項目把控力的重要體現。

當一個產品能夠相對準確的預估項目數據變化及相關優化后的數據波動，就能夠有效的根據項目情況和資源情況安排產品重點和進度。做到進退有度。

如假設產品經理要將產品日活從年初100w年底提升至500w。首先要能夠準確預估期間有哪些手段能影響用戶量提升，各自提升效果有多少，資源投入有多少，見效周期是多少。從而安排工作重心和節奏。這個時候對數據預估的準確性則會直接影響產品的發展速度。

對于高級產品或者背負KPI的產品，必須具備數據預估能力。從而合理安排工作計劃，帶領團隊有效的推動項目發展。

這里總結下個人經驗，首先要拆解某項數據指標，比如營收數據，要根據項目的營收結構逐項拆解，其次了解每一項的波動規律。如某些同活躍用戶波動相關、某些同時間或節日波動相關、某些同大盤數據波動相關。同時要了解歷史上相關波動幅度。以及用戶潛力，比如瀏覽器搜索用戶占比可以提升到40%以上。

如果有工程資源，最好能針對某些重要的改進提前進行抽樣測試，從而推斷全局后的數據變化情況。比如我們建立起版本灰度機制，一方面更好的發現bug，另一方面能及時評估版本全量后的數據變化，從而判斷是否對當前版本進行全量。

(ps 這個地方的工作成果太過涉密，就不上示例了。)

寫在結尾的注意事項

1）數據不代表一切，不能盲目相信數據，但更不能不看數據、不懂數據。

2）很難追求數據的絕對準確，而要追求數據的相對準確。

3）不要感覺數據有問題就沖到工程師面前，要切實分析出問題。秉持誰提議誰舉證的原則。

4） 一定要弄清楚指標的定義，不能似是而非。

5）數據分析是一個嚴謹的邏輯過程，要保證推斷的客觀性，不能為了證明而證明。

6）數據分析是隨著產品發展而不斷細化和迭代的，不要在開始階段就投入大量資源進行數據分析。

寫在最后

隨著項目的日益發展，數據分析也會更加精細和復雜，因此慢慢的出現了數據產品經理，對于數據產品經理還是應該學些基礎的Python、SQL、VBA技能。

這里說些題外話，數據是簡單、直接的，也是飽受爭議的。

但當真正看到龐大的數據所表現出的特征后，你會震撼于從未感知過的世界的另一面。

無論如何必須要感激當前的科技進步能夠讓我們有機會直面數以億計的人產生的成百上千億的行為。就像一粒水終于可以看到整個大洋的流動，就像上帝打開一扇窗讓我們從他的角度俯視大地。

你會真正糾結于是否要為滿足幾千萬人的需求放棄其他幾十萬人。這不再是課本上的哲學命題。

你會興奮于幾千萬人按照你的設定向預期的結果發展。這有一種替上帝做決定的成就感。

你會深思低俗文章的點擊率難以讓正規文章望其項背。必須一遍遍權衡其中的利弊做出讓步。

最后再說一點互聯網圈外人特別關心的數據隱私的事情，擁有這些大數據的公司不會八卦你到底是誰干過啥。它們只關心人群的趨勢和方向，從而怎么更好的服務用戶產生價值。

只有政府、變態和騙子才會關心和利用你個人的信息。而且騙子會通過各種渠道手段獲取你的信息，所以對待自己身份信息和財務密碼信息一定要謹慎。