真正厉害的产品经理都是数据思维的高手.docx

真正厉害的产品经理都是数据思维的高手.docx

《真正厉害的产品经理都是数据思维的高手.docx》由会员分享，可在线阅读，更多相关《真正厉害的产品经理都是数据思维的高手.docx（7页珍藏版）》请在冰豆网上搜索。

真正厉害的产品经理都是数据思维的高手

真正厉害的产品经理，都是“数据思维”的高手！

本文强调了数据思维对于产品经理的重要性并介绍了如何落地数据思维的方法。

市场上老有消息称，拼多多超过京东，成为国内仅次于阿里的第二大电商平台。

这个消息结论是否可靠呢？

我随手翻了几个信息，整理如下：

通过上面数据能知道：

京东在市值、GMV上都超过拼多多——仅从这两个角度看，不足以支持拼多多超过京东的结论。

在订单量上，拼多多远超京东——这得益于拼多多客单价低、京东客单价高。

如果仅从这个角度看，勉强可以说拼多多是超过京东。

当时如果进一步分析，比如分析GMV，拼多多的增长速度是远超京东的，如果按照这个数据推测，拼多多超越京东就在这一两年。

结论靠不靠谱，都可以靠数据验证。

今天三哥概述下产品经理的数据思维。

一、数据对产品工作的价值

数据的价值，如何强调都不为过。

不同的数据对不同的人价值不一样，同样的数据对不同的人价值也不一样。

对于产品来说，数据的价值主要体现在以下几个方面：

1.发现产品存在的问题

老板通过公司经营指标发现公司经营存在的问题。

CFO通过财务指标发现公司财务健康状态。

产品经理通过业务数据可发现产品中存在的问题。

业务数据的背后是每个用户的行为的堆砌。

如果数据有波动，一定是某些节点不同于往常，需要重点关注。

落地页到注册的转化率比前几天有下降。

是不是新上线功能影响的？

是不是用户推广渠道变化导致用户质量变化？

详情页到下单的比例有下降，是不是有bug？

是不是优惠政策变化带来的影响？

是不是新功能导致操作路径变长了？

数据波动的点，就是问题点，就是我们当前工作的重点。

2.辅助产品经理做决策

A方案和B方案，如果有数据支撑，能证明A方案比B方案好，那直接使用A方案。

A方案和B方案，如果暂没有数据支撑，不知道哪个优劣，可以做A/Btest，A/Btest上线后的数据表现，来决定我们是选择A还是选择B。

不管哪个方案，如果数据表现向好的方面发展，要放大这个效应，全面去应用让数据好转的措施。

如果数据表现向不好的方面发展，快速定位导致数据波动的真正原因，给予解决。

不管是产品方向的决策，还是产品方案的决策，都能通过数据来指导。

3.评估新上线功能是否达标

每个新上线功能，有且只有一个最合适的指标来评估其效果。

如果一个功能需要多个指标来评估，要么这个功能不只一个功能，要么指标选择不对。

功能上线前，需要确定最合适的评估指标是什么？

该指标能到达什么值？

功能上线后，需要跟进该指标，分析指标实际值、原值和目标值情况。

实际值原值，效果不如之前，赶紧回滚到原来方案，然后排查原因是什么？

来确定放弃还是继续迭代。

原值=实际值目标值，说明没有让该方案变得相比原来更差，但实际值为何低于目标值？

低多少？

是否有提升空间？

分析清楚后再评估是继续改进还是放弃。

实际值=目标值，说明达到目标，甚至超过预期，尽快大范围推广该功能，或举一反三，用类似思路去改造其他功能。

二、产品经理的数据观

1.无数据，不工作

对于产品经理起来说，新工作没有数据做指导，工作重点不明、方向不清。

已做工作没有数据做指导，工作效果不明、迭代不清。

只有有数据的支撑，我们才能更加有理有据、走在做正确的事情的路上。

2.数据让一切问题无处可藏

线上bug，第一时间反馈在数据波动上；

产品流程不畅、体验不佳，第一时间反馈在转化漏斗上；

内容对产品没有吸引力，第一时间反馈在跳出率上；

推广渠道质量不好，第一时间反馈在和其他渠道对比的数据上。

总之，我们的产品问题，都逃不过数据的法眼。

3.用好数据即可，不需要我们成为数据产品经理或数据分析师

数据产品经理是搭建数据平台、为各数据需求方提供工具的人。

数据分析师，是从类似独立三方的角度来满足公司各数据需求方出数、分析数据、给分析建议的人。

产品每天看数据、随时看数据，但并不需要我们成为他们。

专业的人干专业的事，我们要做的是善于用已有的数据平台、已有的资源来获得我们需要的数据。

对于经常要看的数据，可固化或产品化。

对于非常规数据，借助他人的力量完成。

当然，对于业务早期，如果没有数据产品经理、数据分析师，需要自己想办法搞定一些数，比如找技术。

如果我们知道如何利用一些工具，比如MySQL查数，会更加主动、更加了解数据库和表的设计是否满足业务需求，但不是产品必须技能。

三、如何落地数据思维

对于产品经理如何落地数据思维，是很实操的事情了。

三哥一直在实践的方法如下：

1.建立自己的数据指标体系

知道自己需要看什么数据，才知道如何获取数据、分析数据。

我们需要建立一套自己的每日观察的数据指标。

这套指标，不宜过多、过泛，宜精炼、简洁，能反馈出业务变化情况就行。

因为这套指标是我们每天要看的，每天要做的工作一定是“成本最小”的，否则会成为每天坚持的阻碍。

如果你是交易型产品，可参考这个公式做你的数据指标体系的拆解：

销售额=流量*转化率*客单价*复购次数。

比如销量的指标，按渠道的流量指标，转化率的指标，金额和订单数指标，新老客的指标等。

基本能覆盖业务全流程。

数据正常，就不要多花时间。

数据有波动，就需要进一步去分析，找出波动原因。

只有心中有一套基于业务的数据指标体系，才能做到有的放矢。

2.数据是需求方案必填项

1）出需求方案时，确定核心评估指标

核心评估指标，一个即可，如果有多个，说明找错了，继续找。

确定核心评估指标的最有效方法是：

我们做这个方案的目的是什么？

要解决什么问题？

一旦清楚目标或解决的问题，核心指标也就确定了。

确定核心评估指标后，也可再找1-2个辅助指标。

比如，我们在收银台新增加一个支付渠道，这个核心评估指标是什么呢？

新支付渠道的订单占比？

新支付渠道的支付成功率？

——都不是，这些可作为辅助指标。

我们增加支付渠道，如果目的是支付成功率由原来的80%提升到85%，那所有渠道汇总后的整体支付成功率，才是核心指标。

2）评审时，评审数据需求

需求评审阶段，需要和技术沟通：

我们需要看哪些指标来评估这个项目，为了获取这些数据，技术同学需要做什么？

一般页面类的访问、点击等行为数据，借助第三方平台埋点即可完成，如GrowingIO、神策、GoogleAnalytics等，都是很好用的工具。

对于类似注册、下单、支付、状态等业务节点的数据，需要入库存储，特别是一些状态和时间的记录，需要基于我们的数据需求，和技术沟通清楚。

3）上线后，及时看数据和给相关人反馈

新功能上线后一两天，就需要观察数据情况，并给领导和项目参与人反馈该新功能的数据表现。

这能增加我们的专业度性和靠谱程度。

当我们做的项目，能做到和研发测试等项目相关人分享项目数据时，他们对我们新发起的需求接受度更高，因为他们觉得这个产品很专业、很靠谱。

上线后新功能的数据，一般要持续观察1周左右。

后面可当做日常指标定期去看即可。

3.养成每天看数据的习惯

每天早上到公司的第一件事，看数据，看我们之前确定的核心指标，这是一个好习惯。

对于数据的表现，不管是正常还是异常，都丢在工作群里同步下，让大家知道目前的产品数据表现。

这样做一方面能获得来自团队的反馈，有反馈会进一步强化我们看数据的行为。

另一方面也建立自己的靠谱的形象，能做到每天看数据，看业务指标，这就是靠谱。

对于每天早上看数据的习惯，如果还没有养成，三哥提供两个很实用的建议。

如果公司有每日站会，站会的第一件事先汇报上一天的数据情况。

流程化确定下来，让我们不得不看。

设置好2个闹钟，间隔3分钟，频繁提醒自己要看数。

2周后，没有站会、没有闹钟，也成习惯了——这是一个让我们快速建立专业度、靠谱度好习惯。

总之，产品离开数据，就像开车走错方向，让你在错误的道路上越走越远。

可能有同学要问了，数据虽然很重要，但也不能迷恋数据。

我要说的是，我们多数人还没有到被数据带偏的地步。

尽信数据，比自己瞎想强。