产品经理必备的数据能力和意识
数据是产品经理最忠实的伙伴，它是理解产品现状的基础，是做出产品抉择的依据。数据分析能力通常也是产品经理技能图谱中最显著的内容。
养成数据走查习惯
例行看数据，作为产品经理或运营，看数据应该是每天的必修课，这也是整体了解产品健康程度最有效的手段。
（1）看数据的第一阶段：看宏观指标，通常只需要几分钟即可看完。要看的数据通常有：日活、用户新增、留存、总收入、总订单数等。
（2）看数据的第二阶段：看微观指标，通常使用数据工具，对各个渠道的用户数据、分时数据、收入明细、业务数据等进行查看。这里的业务数据，指的是运营活动数据，比如摇红包活动的参与人数、中奖人明细等。
产品经理养成看数据、分析数据的习惯十分重要，一则能第一时间获知产品动态，二则可以为产品其它相关人员解答产品问题。看数据，可以让产品经理先人一步，你可以自谦为“笨鸟先飞”。
自建数据工具 & 使用第三方数据工具
工欲善其事，必先利其器。数据体系正是这样的工具，可以提高我们查看数据、分析数据的效率。数据体系，可以完全自建，也可以使用第三方数据工具。
第三方工具，比如 GA、MixPanel、Growing IO 或 Umeng，对于小程序来说，可以使用微信官方后台或阿拉丁等。
第三方数据工具虽然强大丰富、特性各异，但面对个性化业务指标时会有些力不从心。这时就需要我们自建数据体系，把行为和业务指标结合起来。行为数据可以是页面上的日志系统，业务数据可以是我们自己的数据库。
建立数据体系通常需要专业的数据产品经理或数据工程师，对业务进行抽象分析和系统规划，需要前后台工具，以及专门的软硬件支持。
自建数据系统的初期，可能会是一个相当长的阶段。我们自建的工具平台可能远不如第三方平台丰富、易用和强大。这是很正常的现象，在这个过程中，一定要有大局观念，咬牙尽可能多地使用自己的数据工具，只有这样才能帮助自建数据体系，快速度过尴尬期，发挥最大效应。
另外，我们也可以混合使用多种不同的数据工具，这也是很多创业团队的最佳选择。比如，我们可以使用 GA、小程序的官方统计工具等第三方数据平台，也会使用自己的日志系统和业务数据系统，并通过 Tableau 进行各种维度的交叉分析，从而最大化地提高数据资源的投入产出比。
善用数据仪表盘视图
不论是使用第三方工具还是自建数据工具，我们都应当有自己的“数据仪表盘”，也就是俗称的 Dashboard。
这种数据仪表盘可以是第三方工具提供的，比如小程序后台系统提供的数据统计工具，GA提供的自定义Dashboard等；也可以是我们自己建立的，比如使用办公软件Excel生成统计图表。参考图示如下：
Dashboard
单个数据是没有意义的，只有像Dashboard这样让一组数据构成大量的图表，才能提升数据效率、数据价值。使用好数据仪表盘，利已利人。
如何应对突发式的流量数据暴跌？
本小节重点分享，遇到流量暴跌的情况具体应当怎样应对，并会以此为线索，穿插介绍各种数据指标和分析思路。面对流量暴躁，问题排查的步骤如下：
排查第1步：是否发生了产品或业务的变化？
面对流量暴跌，我们要考虑的第一个可能性是：有没有产品或业务的变化？比如商品调价、试用到期、网站改版、热点视频下线等，这一类的变化对流量的影响是直接粗暴的。
排查第2步：是否发生了技术故障？
所谓的技术故障，有线上代码Bug、网络故障、终端故障等，导致用户无法正常访问我的产品或者部分功能。这些技术层面的问题，都会导致流量的暴躁。当发生流量暴躁时，我们需要对可能的技术问题逐一排查。
排查第3步：从产品功能中寻找问题
经过排查，如果没有产品和业务的变化，也没有技术故障，那么我们就要从产品功能中寻找问题了，排查是否有哪个功能模块或者页面显著地影响了产品整体功能，进而导致流量下降？
这就需要我们的数据体系中有相关数据指标的准备，而且我们要对不同模块的流量数字和比例做到心中有数，这样才能帮助我们快速定位问题。
排查第4步：分析数据变化的渠道特征
如果前三步排查都没有发现问题，我们就需要对各个渠道和用户做维度划分了，一层一层地去找流量下跌的原因。
Web 流量分为直接流量、搜索引擎和引荐流量三大类型，搜索引擎又分为自然搜索和付费搜索结果的来流。
比如我们的网站是否被搜索引擎降权导致排名靠后了？再比如与我们合作的推荐资源是否关闭了？总之，在执行这一层面的排查工作时，要对所有渠道的流量波动做分析，找到发生问题的渠道即可。
从用户特征的角度，拆解流量暴跌的原因
分析新老用户的流量变化
产品就像一个水池，水位下降，要么是某个进水管被关闭了，要么是水池出现了新的漏水点。
新用户的流量变化，常常与获客环节有关。这需要与各个渠道进行交叉分析，找到发生了问题的渠道并解决之即可。比如广告投放到期等。
老用户的流量变化，常常与留存环节有关。这与留存手段、召回手段有关，我们需要排查留存手段是否执行到位即可。比如消息推送发送失败、邮件订阅服务因故停了，等。
分析不同行为模式的用户
根据用户基本信息、以及用户在产品中的行为特征，我们可以把用户划分成若干类型。通过对不同类型的用户进行流量分析，排查总体流量暴跌的根本原因。
比如，电商网站通常会记录并分析用户的购买力、信用特征、心理特征、社交网络特征等。还可以从日志系统中记录并分析出用户的行为特征等。
如果你的产品已经建立了这样的数据体系，就能非常方便地找到是哪种类型的用户发生了流量暴跌。如果你的产品没有这样高端的数据体系，也不妨使用一些传统的工具来对不同类型的用户进行模糊分析，把用户类型设计得粗糙一些即可。
你除了要分析用户数量的变化之外，也需要分析浏览数量的变化，以及用户停留时长的变化。在大部分情况下，只要用户数和停留时长没有太大波动，流量的变化并不会立刻威胁产品的健康状态。
从业务的角度，拆解流量暴跌的原因
拆解并分析业务相关数据的因果
在前几篇笔记中，我们已经学会了如何拆解业务公式。在产品中，任何一个业务数字，都应该可能逆向推出计算方法。
举个例子，我们以专栏文章详情页的流量为例进行分析。
文章详情页浏览量 = 当日更新文章数 x 当日文章平均浏览量 + 存量文章数 x 存量文章平均浏览量。
在做业务有关的数据分析时，我们要尽可能地把粒度拆得小一点，才能有的放矢。在这个例子中，我们可以分析：是不是日更文章太少了？是不是专栏订阅数或阅读率偏低了？
把业务公式拆解成细粒度的关键点，从宏观分析转向微观分析，看到别人看不到的问题关键点。
从社会因素的角度，分析流量暴跌的原因
是否有不可抗拒的社会因素导致流量暴躁？
比如九月初开学季，会影响部分游戏产品等的流量；再比如搜索引擎算法迭代，影响了部分网站的排名；社会政策的变化，影响了部分渠道的稳定性，等。
事实上，只要做产品，就会与所有这些变化打交道。问题千千万，只有保持良好的和平心态，一切用数据说话，才是致胜之道。
输出一份合格的数据分析报告
当遇到各种各样的产品问题时，比如流量暴跌，我们经历了一番数据分析之后，应该输出一份合格的专业的数据分析报告，呈交给上级领导或者协作团队。
一份合格的数据分析报告，至少得包含以下内容：首先是通报发生了什么事，之后直接了当地给出结论和原因，接下来就是用详细的数据分析过程作为依据，最后是从专业的角度给出一些思考、建议和解决方案。
一份合格的数据分析报告，不仅能帮助我们自己梳理思路，还有助于团队协作、工作汇报等。这能大大地提升工作效率。
关于一份合格的数据分析报告，建议如下：
数据分析，一定要形成结论
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。
数据是我们发现和研究事实的线索，数据本身没有意义，我们需要分析和加工才能为其赋予意义。
那如何检验我们是否形成了合理的数据结论呢？这其实就跟做需求分析差不多，即，向上追溯原因、向下推测结果。就是从数据指标变化的角度出发，连问五个为什么（why），再连问五个那会怎么样（so what）。如果你自问自答，感觉对这些回答很满意，那么基本就算有结论了。举例个例子，如下图示：
5W
确保分析报告是有效的沟通工具
我们的工作任务，便是发现问题、分析问题、解决问题。基于数据分析的报告，必须是有效的沟通工具。其一，在报告中切忌只给现象而不给结论；其二，同一个问题一次说不清楚，却反复地说。
一份合格的数据分析报告，必须保证数据明了、结论清晰、逻辑清晰。切忌把乱七八糟的信息交叉在一起。
一定要给出可能的应对策略
合格的产品经理，面对像“流量骤降 20%”这样的情境，应当能够从短期、中期和长期出发，去考虑如何应对，即便是经过权衡后决定不采取任何措施。即使是保持继续观察，也是一种策略。
短期策略指的是如何快速把数据抢救回来；中期指的是怎样修复相应机制，防止问题再次发生；长期则是指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。
短期措施立刻投入资源并监控产出。中期措施资源列入需求池，等待评估启动。长期措施并不会立刻做决议，而是留下问题和线索，等待进一步讨论。
总结：在做完数据分析后，我们首先要做的是形成一个具体的结论，接下来，我再围绕这个结论，与相关方进行有效沟通，这里的有效沟通指的是要有结论，并且精简直接。最后我们还要按照短期、中期、长期制定一系列的应对策略。
END 2019-03-29
网友评论