1. 产品经理需要具备哪些基本的数据能力和意识
数据是理解产品现状的基础,是做出产品抉择的依据。
数据分析能力:产品经理技能图谱之一。
产品素养:
- 养成数据走查习惯。
- 宏观指标:日活、用户新增、留存。
- 收入情况:总收入、总订单笔数。
- 建立数据体系。
- 自建 or 第三方工具。
- 数据仪表盘视图。
- 展现对比。单个数据指标无意义,在横向或纵向对比时,才有意义。
2. 突发式流量数据暴跌,产品经理应该如何应对?【分析篇】
假设了一个情境:“你在某天早晨起来,发现昨天产品流量暴跌 20%”,并从这个场景出发,分享了产品经理需要具备数据走查习惯和日常数据体系。
分析路径:
- 分析有无产品或业务的变化。
- 商品调价、试用到期、网站改版等直接影响流量。
- 取数据,详细分析具体变化和影响,提供给业务部门做策略参考。
- 排除技术故障可能性。
- 纯技术的变更产品经理可能不知情。
- 系统故障(应用问题)、环境故障(网络故障、终端故障)。
- 找到流量降低的案发现场。
- 要有数据体系中相关的数据指标,熟悉不同模块数字和比例。
- 找到流量下跌的页面或模块,提供前进方向。
- 分析不同渠道的流量情况。
- web 流量分为:直接流量、搜索引擎和引荐流量。
- 搜索引擎分为:自然搜索和付费搜索。
3. 突发式流量数据暴跌,产品经理应该如何应对?【拆解篇】
对用户特征的分类进行具体分析。
分析路径:
- 用户特征:新访和回访。
- 用户分类,打标签区分不同行为模式的用户。
- 业务有关的数据因果分析。
- 其他不可抗因素:节日变化或政策原因。
4. 突发式流量数据暴跌,产品经理应该如何应对?【处理篇】
核心数据指标的分析如何做到基本结构和内容清楚并专业:
- 通报发生了什么事。
- 直接了当地给出结论和原因。
- 用详细的数据分析过程作为依据。
- 作为数据分析师,给出的一些思考与建议。
值得产品学习的几个核心思路:
- 数据分析要形成结论。
- 如果作为一个产品经理,只知道“流量降低 20%”,然后没有任何分析结论,也没有补充说明以及应对措施。那我们只能算得上是数据工具的传声筒,没有起到应有的作用。
- 进行必要的有效沟通。
- 发生数据波动之后,作为产品线的负责人,我们有义务主动向相关方通报数据波动,并附上相关结论和应对措施。
- 类似的分析其实有两大忌讳,一个就是只给现象不给结论,而且现象也很粗浅。另一个则是一次说不清楚,要不断反复地说。
- 保证自己沟通中的信息量,直接给结论,干净利落最好。
- 要有应对策略。
- 表现分级:别人问->看数据->有分析->有结论—>有应对策略。
- 短期策略:如何快速把数据抢救回来;
- 中期策略:怎样修复相应机制,防止问题再次发生;
- 长期策略:类似的数据波动是否会对我们整体的产品规划和方向选择有所影响。
5. 当收集数据的前后,我们应该做什么?
讨论情境:“为了摆脱对搜索引擎的流量依赖,我们应该做什么”,而且提供了两个备选,做社区还是做工具。
我们在这里只说工具和社区,是为了缩小范围,工具和社区是两个经典构建自有流量蓄水池的路径,目标都是通过一个产品,持续黏住某种属性的用户。
- 开始前:用数据论证和预演目标。
- 卫哲 3+1 思考法:
- 需求从哪里来,目标客户是谁?
- 有多少人有这样的需求,这个需求紧迫吗?
- 他们的痛是什么?场景时什么?
- 解决之后在网站数据上会有什么表现。
- 数据和预测可以成为一个更冷静的停止线,在高不成低不就的时候帮助我们果断做减法。
- 卫哲 3+1 思考法:
- 开始后:纵向和横向的标杆数据。
- 纵向数据来自产品内部。
- 横向数据来自类似产品,或来自渠道。
6. 从具体业务出发,如何利用数据辅助你的决策?
需求价值分析框架:
- 用户是谁
- 用户有什么问题
- 我们提供什么解决方案。
场景:想通过构建流量池,摆脱对搜索引擎流量的绝对依赖,在我们决策究竟是做工具还是做社区的时候,需要数据来做辅助的判断。
- 通过数据了解用户是谁。
- 想办法了解群体用户画像。
- 一种是可以直接获得的属性数据。
- 另一种是需要分析的行为数据。
- 想办法了解群体用户画像。
- 通过数据了解用户的需求。
- 理解用户未被满足的需求。
- 一类是通过调研、访谈和客服等各种渠道收集用户反馈。
- 另一种通过用户行为去分析和推测。
- 看搜索记录。
- 从产品假设出发,去寻找逻辑上的「反对意见」。
- 第三个方法是去看抽样用户的具体行为轨迹,建立猜想,再倒退回去看整体数据。
- 理解用户未被满足的需求。
- 我们能提供什么解决方案。
- 竞争现状。
- 同一产品市场类似工具,有无垄断。
- 无宏观数据,可以调研访谈。
- 触达效率。
- 自触达能力。
- 竞争现状。
- 做出决定,开工干活。
- 注册行为数据 —>判断用户群体 —>分析评论点赞行为—>产出内容分享交流的动机
- 开发者社区未垄断,内容产品之上建立社区。
- 社区具备自行获客和留存的能力,反哺当前商业产品。
7. 那些数据不能告诉你的事:尽信「数」不如无「数」
心理学的巴纳姆效应:
- 人通常会很容易相信一个笼统的、一般性的人格描述,即使这种描述十分泛泛,甚至会把这些描述当做对自己的描述。
针对数据的极不平衡,第一反应应该是这个数据有问题,而不是直接用来分析。
不拿相关性当做因果性。
数据不是唯一驱动力,不能为了数据的好看,而违背了了价值传递的初衷。比如为了公号的高阅读量,在标题里耸人听闻或者追热点。
数据分析不是终点,真正驱动我们做事情的,是产品的目标和用户的价值。数据只是帮助我们去做决策、去选择方向的一个辅助而已,而不能代替系统性的思考。