2
| 本文作者： 人人都是產(chǎn)品經(jīng)理 | 2016-04-15 12:05 |
編者按：本文作者陳新濤，GrowingIO產(chǎn)品經(jīng)理。
近些年來，隨著Growth Hack、精益化運營、數(shù)據(jù)化運營等概念漸入人心，數(shù)據(jù)產(chǎn)品這個名字被提及的次數(shù)越來越多。
但究竟什么是數(shù)據(jù)產(chǎn)品？數(shù)據(jù)產(chǎn)品如何來解決商業(yè)問題？現(xiàn)在最火的商業(yè)概念如Growth hacking 等是如何落地的？如何設(shè)計一個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題。
簡單來講，就是以數(shù)據(jù)為主要自動化產(chǎn)出的產(chǎn)品形態(tài)。這里強調(diào)自動化產(chǎn)出概念，是為了區(qū)分像 Gartner 之類的數(shù)據(jù)研究咨詢公司，跟類似GrowingIO 這種實時互聯(lián)網(wǎng)分析產(chǎn)品相比。顯然，他們的報告也可以理解為以數(shù)據(jù)為主要產(chǎn)出的產(chǎn)品，但并不具備自動化產(chǎn)出的特性。
明確了概念后，我們就可以對它拆分細(xì)化。從用戶群體來區(qū)分，可以分為三類：
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)可能會讓人有些費解。其實，同用戶畫像，搜索排序類似的算法一樣，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。但個人經(jīng)驗所限，本文暫不涉及此類產(chǎn)品。
來自硅谷的張溪夢非常推崇德魯克的一句話：If you can’t measure it, you can’t improve it（如果你無法衡量，你就無法增長）。這與 Growth Hack 核心理念---數(shù)據(jù)驅(qū)動增長，不謀而合。
增長讓企業(yè)經(jīng)營者的念念不忘，而實踐的曲線，就潛藏在數(shù)據(jù)產(chǎn)品中。
舉例，在Facebook中，直接匯報給 Mark Zuckerberg 的 Growth Team 就專門下轄了 Data & Analysis 和 Infrastructure 兩個數(shù)據(jù)團(tuán)隊做數(shù)據(jù)的采集計算和展示。他們會對 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 Data Driven 重視到了什么程度？一個VP帶領(lǐng)的30人團(tuán)隊做了一年的主頁改版，在三個月內(nèi)灰度上線過程中因數(shù)據(jù)表現(xiàn)不佳，直接回滾。對比之下，國內(nèi)的人人網(wǎng)照抄那一次改版后，沿襲至今。可以這么說，F(xiàn)acebook 高速穩(wěn)定的增長背后，數(shù)據(jù)產(chǎn)品功不可沒。
Facebook Growth Team
（圖來自前Facebook 工程師覃超）
對于產(chǎn)品設(shè)計來講，一些固定的步驟必不可少。厘清這些內(nèi)容后，大到系統(tǒng)級的產(chǎn)品規(guī)劃，小到功能級的產(chǎn)品設(shè)計，概念上都會清晰很多，我們將它抽象成了五個步驟：
面向什么用戶和場景
解決什么問題/帶來什么價值
問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)
任何產(chǎn)品設(shè)計均需要明確面向的用戶和場景，因為不同用戶在不同場景下打開你產(chǎn)品的姿勢也大不相同。
不同用戶有不同的價值。這個方法主要面向第一類即企業(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)生的價值來看，高層的一個正確的決斷可以節(jié)省下面無數(shù)的成本。
不同層級用戶關(guān)心的粒度不一樣，永遠(yuǎn)要提供下一個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。
不同類型的用戶使用數(shù)據(jù)的場景不一樣，要圍繞這些場景做設(shè)計。如 Sales 類型的客戶，他們更多的場景是在見客戶的路上快速看一眼數(shù)據(jù)，那么移動化和自動化就很關(guān)鍵。在設(shè)計的時候，原則就是通過手機(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)異動時能及時通過手機(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)化分析對比的功能。
要了解自己的用戶，必須和他們保持長期有效的溝通。如我們的PM，每周都會有和銷售和客戶溝通的習(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景，設(shè)計出更好用的產(chǎn)品。
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，均有價值和優(yōu)先級。
首先判斷核心需求是什么，可用 Demand/Want/Need 方法分析。用戶來找你要可樂 (Demand)，如果你沒有可樂就無法滿足用戶。但其實他只是要解渴 (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)果才是這個需求的價值。
以一個利用我們產(chǎn)品做出來的漏斗圖為例。
客戶最開始說的是我們要個漏斗分析 (Demand) 的功能，但核心需求 (Want) 是改善用戶使用產(chǎn)品過程中的流失問題。那么不同來源不同層次的用戶，在不同的使用時間，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)計出來的就是這個可以根據(jù)不同緯度不同環(huán)節(jié)進(jìn)行對比分析的漏斗 (Need) 。
漏斗分析功能
以上兩點其實都還是普通產(chǎn)品經(jīng)理的范疇，到了這一部分才真正開始數(shù)據(jù)產(chǎn)品經(jīng)理的專業(yè)課。明確了問題后，應(yīng)該通過什么樣的思路進(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)價值
數(shù)據(jù)產(chǎn)品設(shè)計理念，應(yīng)從總覽到細(xì)分，并且不斷對比
總覽應(yīng)提綱挈領(lǐng)，簡明扼要，讓用戶先了解當(dāng)前發(fā)生了什么事情和問題的大概方向。不要讓用戶一進(jìn)來就扎進(jìn)無盡的細(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)果必須可以落實到動作執(zhí)行，并與業(yè)務(wù)緊密相關(guān)
數(shù)據(jù)本身沒有意義，數(shù)據(jù)的對比才有意義。數(shù)據(jù)產(chǎn)品的核心就是把這種對比凸顯出來。
這個環(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，同時也要求甚高。既需要豐富的產(chǎn)品設(shè)計經(jīng)驗，也需要深刻的業(yè)務(wù)理解能力和數(shù)據(jù)分析能力。
分析思路需要相應(yīng)的數(shù)據(jù)支撐，數(shù)據(jù)展示類的產(chǎn)品自不用說，即使是用戶畫像的算法類產(chǎn)品，也必須有足夠的準(zhǔn)確數(shù)據(jù)做支撐。在確認(rèn)的過程要注意以下兩點:
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)沒有采集或沒有經(jīng)過清洗的話，會讓整個工期增加了極大的不穩(wěn)定因素。
數(shù)據(jù)的準(zhǔn)確性在埋點采集的時代里，這絕對是個遇神坑神的大坑。很多時候臨到使用，才發(fā)現(xiàn)這個埋點的方式一直都是錯誤的。或者發(fā)現(xiàn)這個指標(biāo)計算的方法沒有把某種因素排除掉。這種情況在企業(yè)內(nèi)部類產(chǎn)品比較常見。因為部門眾多口徑繁雜，一不小心掉進(jìn)去了，就別想爬出來了。
所以，一個優(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，埋點是必須要解決的痛點。
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)的有郵件報表類，可視化報表類，預(yù)警預(yù)測類，決策分析類等；著重于算法類的用戶標(biāo)簽，匹配規(guī)則等等。篇幅所限，這里挑可視化報表類跟大家分享下：
1）指標(biāo)的設(shè)計
首先需要明確什么類型的產(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，對于社交網(wǎng)站來講則是日活躍用戶數(shù)，互動數(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，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)計口徑和維度
2） 指標(biāo)的呈現(xiàn)
指標(biāo)的呈現(xiàn)說白了，就是數(shù)據(jù)可視化。這對數(shù)據(jù)產(chǎn)品經(jīng)理來說極為重要。它并不只是UI設(shè)計師的工作，因為它涉及到別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)的書籍，另一方面，是要去觀察足夠多的產(chǎn)品，看他們是如何實現(xiàn)的。這里有一些通用的規(guī)則可以和大家分享：
同時著重展示指標(biāo)不超過7個，5個比較合適
在設(shè)計指標(biāo)的展現(xiàn)時，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：趨勢用曲線圖，占比趨勢用堆積圖，完成率用柱狀圖，完成率對比用條形圖，多個指標(biāo)交叉作用散點圖。為合適的指標(biāo)選擇合適的形式很重要。
圖片來自于網(wǎng)易云課堂
數(shù)據(jù)產(chǎn)品學(xué)問太深，我們也只是窺得冰山一角。一個優(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、會用數(shù)據(jù)分析工具，時刻有Data Driven 的意識。
注：本文由人人都是產(chǎn)品經(jīng)理@陳新濤原創(chuàng)發(fā)布雷鋒網(wǎng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
