遇到流量暴跌应当怎样应对？

• 有没有业务变化或发布？
• 排除技术故障可能性
• 流量降低的“案发现场”在哪里
• 数据变化的渠道特征

从用户和业务的观察角度分析

• 新老用户
• 不同行为模式的用户
• 业务有关的数据因果
• 其他不可抗因素

数据分析之后如何处理

• 数据分析要形成结论
  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。
• 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。
• 要有应对策略
  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，只是保持继续观察，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。

数据辅助决策

构建流量蓄水池

• 开始前：用数据论证和预演目标
  从“构建流量蓄水池”这个议题出发，我们可以确定一些具体的指标，这就是数据在决策中的第一个作用，也就是确认目标。它也是对我们产品发展的一个预演。注意，一个非常重要的细节是，这个问题是在开工之前问的，而不是做完之后现编。这样做既可以帮助我们在开始前做预测，还可以避免我们陷入细节之后，被沉没成本牵绊。
• 开始后：纵向和横向的标杆数据
  纵向数据来自我们产品内部，比如我们可以推算出平均一个用户可以给我们带来多少收入或利润，我们就很容易判断我们能接受的获客成本上限。
  横向数据来自外部，比如其他类似产品，或来自渠道，广告代理等等获取到的数据

需求价值分析的框架

• 通过数据了解用户是谁
  想办法了解群体用户的画像，将“用户是谁”这个问题数据化。有两类数据用来描述用户，一种是可以直接获得的属性数据（用户提交的表单、调研，第三方提供的用户画像），另一种是需要分析的行为数据（根据用户的行为数据进行分析和推测）
• 通过数据了解用户的需求
  1.去看搜索记录，搜索是表达用户动机的一扇非常直接的窗户。它除了可以帮助我们在构建流量池的时候探索用户需求，也可以帮助我们发现更多的机会。
  2.从产品假设出发，去寻找逻辑上的“反对意见”。 当我们形成假设之后，要格式化我们的出发点，尽可能去找能够反驳假设的数据。带着这样的出发点如果依然无法驳斥时，那我们便可以认为，这一推测成立。
  3.去看抽样用户的具体行为轨迹，建立猜想，再倒推回去看整体数据。
• 我们能提供什么解决方案
  一是竞争现状，二是触达效率。
  竞争现状是指市场上是否有类似的产品，触达效率是指做出的产品能否可以独立获取获客和用户留存
• 做出决定，开工干活
  在定义产品的过程中，我们可能依然需要不断回来反查数据，支撑我们具体的特性选择，其实一旦我们形成了良好的数据思维，应当看什么数据，以及怎样通过数据支撑决策，就会变成自然而然的习惯，决策可靠性和成功率便会逐渐提高。

数据的骗局

• 不要去预设你的期望
  我们不要有了结论，再回去找数据支撑，一定要是你把自己清空，不要设立场，“你是因为看见而相信，还是因为相信而看见。”这句话因为阿里的加持，而被广为流传。虽然在长期的战略上，我们需要更为推崇“相信”的力量，但当面对数据时，请务必在真正的“看见”后，再去相信，这样才会让我们更为冷静地去做产品上的决策。

• 数据不是唯一驱动力
  如果纯粹被一些数字驱动的话，我们就很容易变成一些KPI动物，而忽略产品本身的价值。

• 数据不是终点
  不要把数据分析当成我们的依靠，所谓尽信“数”，不如无“数”。真正驱动我们做事情的，还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。

  ——读自极客时间