一則小故事看產(chǎn)品數(shù)據(jù)分析

3 評論 43103 瀏覽 36 收藏 9 分鐘

網(wǎng)上有個故事很有趣,說3個人去投宿,一晚30元.三個人每人掏了10元湊夠30元交給了老板. 後來老板說今天優(yōu)惠只要25元就夠了,拿出5元命令服務生退還給他們, 服務生偷偷藏起了2元, 然后,把剩下的3元錢分給了那三個人,每人分到1元.這樣,一開始每人掏了10元,現(xiàn)在又退回1元,也就是10-1=9,每人只花了9元錢, 3個人每人9元,3 X 9 = 27 元 + 服務生藏起的2元=29元,還有一元錢去了哪里?

猛地一看,合情合理,并且陷入思維陷阱??勺屑氁蛔聊?,發(fā)現(xiàn)了問題,最大的問題是邏輯混亂和偷換概念。服務生獲取的2元包含在三人支出的27元內(nèi),通過偷換支出的概念來企圖建立30=3*9+2+1的偽等式,造成1元“離奇丟失”的假象。

我這里提供了兩種思維方式來幫助大家梳理思路,還原事情本質。

1、按照金錢流的方向分析

按照金錢的流向,三個房客共流出了30元,在流通過程中,老板獲得25元,服務生獲得2元,最終還剩余3元流回到房客手中,滿足30=25+2+3*1等式。

2、按照財務上的收入和支出思路

無需考慮中間的各種過程,從財務支出端看,3個房客支出27元;從收入獲取端看,其中老板獲得25元,服務生獲得2元,27=25+2,等式成立。

數(shù)據(jù)分析是產(chǎn)品經(jīng)理重要的一項技能,幾乎所有的產(chǎn)品需求的出發(fā)點都是基于數(shù)據(jù)分析。產(chǎn)品的功能邏輯越復雜,用戶量越大,決策對數(shù)據(jù)的依賴程度越大。以上兩種方法也是數(shù)據(jù)分析常用的兩種方法,第一種是基于用戶路徑的數(shù)據(jù)分析,針對用戶在各個步驟的行為分析,包括操作、流失和停留時長,對產(chǎn)品或服務進行優(yōu)化改進;第二種常常用來對節(jié)點定位,進行轉化率、占比等數(shù)據(jù)的分析。

那么作為一個產(chǎn)品經(jīng)理,在數(shù)據(jù)分析方面要重點關注那幾點呢?我自己對數(shù)據(jù)方面接觸的相對比較多,分享幾點自己的心得。

數(shù)據(jù)目標明確

目標明確是產(chǎn)品經(jīng)理在做所有事情必須要考慮清楚的事情,不僅僅指數(shù)據(jù)??紤]清楚產(chǎn)品最重要滿足了用戶那些需求,項目在某個節(jié)點需要達成怎樣的目標,具體在數(shù)據(jù)分析方面,就是考慮清楚數(shù)據(jù)的目的是什么。

在張嘴麻煩開發(fā)進行手動查詢數(shù)據(jù)前(大部分公司的后臺只有普通的常規(guī)性的數(shù)據(jù),一些詳細的數(shù)據(jù)一般需要手動查詢和導出),產(chǎn)品經(jīng)理一定要想清楚自己想要從這份數(shù)據(jù)中得到怎樣的結果。無論是了解產(chǎn)品截止到目前為止的累計用戶數(shù)等了解性質的數(shù)據(jù)查詢,或是為了分析付費轉化率低原因等探索性質的問題分析,一定要帶著目的去獲取數(shù)據(jù)。

數(shù)據(jù)定義清楚

在清楚了目的之后,對需要的關鍵數(shù)據(jù)已然心中有數(shù),這時要對關鍵數(shù)據(jù)的定義清楚,這里的清楚包含兩部分:

1、清楚上報機制

要清楚自己的數(shù)據(jù)是從客戶端還是底層上報至服務器,上報的節(jié)點是什么,是否只在wifi狀態(tài)下上報,在本地的字段保存有效期是多久,丟失的可能性有多大。了解數(shù)據(jù)上報機制能否方便產(chǎn)品經(jīng)理更好的理解產(chǎn)品,對原始數(shù)據(jù)的準確率心中有底。

2、明確指標定義

產(chǎn)品經(jīng)理要明確各項統(tǒng)計數(shù)據(jù)的詳細定義。拿常見的數(shù)據(jù)指標活躍用戶來說,不同的產(chǎn)品有不同的定義,比如MIUI可能吧聯(lián)網(wǎng)定義為活躍,而迅雷把有下載行為(新建、暫停、刪除、下載完成等)定義為活躍,淘寶可能吧有購買行為定義為(有效)活躍用戶。

明確指標定義是數(shù)據(jù)統(tǒng)計分析的前提,如果對數(shù)據(jù)指標不清楚,那數(shù)據(jù)分析也就無從談起了。

數(shù)據(jù)分析

數(shù)據(jù)基本正確的情況下,對目的的分析一般有兩類:

1、定性分析

定性分析是對實物“是什么”的定義,是對事物性質的歸納。比如9月初,迅雷用戶活躍用戶數(shù)大增,結合對迅雷服務器每天top100下載量排行榜分析,均是iCloud流露女星相關文件,因此可以下結論:9月初用戶活躍用戶量增加主要是由iCloud熱門事件引起的,這就是定性分析。

2、定量分析

對應定性分析的“是什么”,定量分析就是“有多少”,是對事物數(shù)量的統(tǒng)計。9月初日活用戶數(shù)增長了10%,就屬于定量分析。

一般來說,數(shù)據(jù)分析就是對“是什么”做假設,然后用“有多少”來不斷做驗證的試錯過程。通過不斷的假設,分析,推翻假設,再次分析的方式來得出結論。根據(jù)數(shù)據(jù)量和目的的不同,采用不同的分析方法,常用的分析方法有對比分析、回歸分析和相關分析法。

excel工具

單獨把excel列出來的主要原因是因為excel太重要了,除非特別龐大的數(shù)據(jù)量,否則excel幾乎能滿足你所需要的所有功能。excel目前支持100w+行數(shù)據(jù),大部分人對excel的功能使用量不足1/10,一些公式函數(shù)的使用,大部分人該是沒有接觸過的。

目前我也正在努力成為excel的深度用戶,關于excel的使用方法和技巧,歡迎大家和我交流共同提升。

數(shù)據(jù)驗證

在數(shù)據(jù)結論得出后,千萬不要著急輸出,一定要去做驗證,同一組數(shù)據(jù)在不同的環(huán)境下能反映不同的問題。還拿9月份迅雷日活增加的數(shù)據(jù)來說,除了iCloud時間之外,可能迅雷做了應用內(nèi)的增量升級,導致日活增加。這個時候就要來區(qū)分兩種因素的權重,得出更準確的結論。

以上是個人在工作中對數(shù)據(jù)分析的一些心得,在用戶群體特征復雜多樣的網(wǎng)絡時代,數(shù)據(jù)是很重要的一個做群體分類的渠道和方法,良好的數(shù)據(jù)分析能力能夠幫助產(chǎn)品經(jīng)理做出更優(yōu)的決策。但是又不能盲信數(shù)據(jù),產(chǎn)品經(jīng)理豐富的經(jīng)驗知識也是不可或缺,否則容易出現(xiàn)幸存者偏差的尷尬(有興趣的同學可以自行百度:幸存者偏差現(xiàn)象)。

專欄作家

無邪,微信公眾賬號:devillnote,人人都是產(chǎn)品經(jīng)理專欄作家,迅雷產(chǎn)品經(jīng)理。關注移動互聯(lián)網(wǎng),聚焦產(chǎn)品策劃、運營和用戶分析。文章不追熱點,以產(chǎn)品經(jīng)理相關為主。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可,禁止轉載

題圖來自Unsplash,基于CC0協(xié)議

該文觀點僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務

更多精彩內(nèi)容,請關注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 作者所說的Excel容納數(shù)據(jù)量59999條具體是指什么。在我接觸中,Excel單個sheet可以最多容納1000000行數(shù)據(jù)。

    來自福建 回復
  2. 嗯 和目前想法一致

    來自上海 回復
  3. ?? 多點實例就好了

    來自上海 回復