- 相關(guān)推薦
產(chǎn)品經(jīng)理該如何做數據分析
要看明白數據是個(gè)很簡(jiǎn)單的事情，但要真正懂數據背后的原因和邏輯，是一個(gè)很難的事情。自問(wèn)，我依然只剛剛上路。
不過(guò)，可以肯定的是，隨著(zhù)對于用戶(hù)的接觸越多，對于用戶(hù)心理模型的理解越透徹，對于業(yè)務(wù)邏輯了解的越透徹，一定會(huì )帶來(lái)對于數據的理解能力越強。
1、不配看數據
產(chǎn)品設計者對待數據的態(tài)度，不像一個(gè)市場(chǎng)分析者或者財務(wù)分析者。我們看數據，更多是需要了解數據背后用戶(hù)的行為邏輯和期望需求。這就要求我們看到數據的時(shí)候，必須第一時(shí)間想象到用戶(hù)是如何創(chuàng )造出這些數據的，為什么會(huì )創(chuàng )造出這樣的數據。
作為一個(gè)產(chǎn)品設計者首先必須告訴自己：“I’M Not User” ，如此同時(shí)還要再把自己模擬成一個(gè)平凡的用戶(hù)，不停的反復的去用自己的產(chǎn)品，和同類(lèi)產(chǎn)品。我向來(lái)認為，一個(gè)做移動(dòng)互聯(lián)網(wǎng)的產(chǎn)品設計師，不有事沒(méi)事?lián)Q手機 玩，不是好的產(chǎn)品設計師;一個(gè)電子商務(wù)的產(chǎn)品設計師，不每周在網(wǎng)上買(mǎi)一件東西，不是一個(gè)好的產(chǎn)品設計師。
06 年中，在某個(gè)用戶(hù)體驗設計的會(huì )上，某知名教授大講他所在公司搞到的facebook的數據，說(shuō)他的理解、說(shuō)他的分析，說(shuō)facebook如何沒(méi)戲。剛開(kāi)始 聽(tīng)著(zhù)蠻有根有據，后來(lái)越聽(tīng)越不對味，突然他冒出來(lái)一句“雖然我從來(lái)不用facebook”… 我當場(chǎng)昏厥。這種人，不配分析facebook的數據，更不配去評論。
要想有資格去看數據，通過(guò)數據給產(chǎn)品設計提供有效的依據。方法很簡(jiǎn)單，也很有效：把自己當作一個(gè)平凡的用戶(hù)，不停的用自己的產(chǎn)品，和同類(lèi)產(chǎn)品。有，且只有這么一個(gè)方法。
2、為了看數據而看數據
和做可用性測試一樣，測試之前不能說(shuō)沒(méi)有“關(guān)注點(diǎn)”，發(fā)現什么就是什么。那樣什么也發(fā)現不了，即使發(fā)現了，價(jià)值也不大。數據拿到手里，沒(méi)有目的的去看，不如不看。
在做產(chǎn)品設計的數據分析之前，首先應該搞清楚自己需要什么樣的數據來(lái)說(shuō)明什么問(wèn)題。一個(gè)數據對于不同的產(chǎn)品、不同的環(huán)境、不同的用戶(hù)類(lèi)型，得到的結 論應該是不一樣的。傳統的市場(chǎng)研究中，對于數據的分析往往是根據“硬屬性”，比如他們對于用戶(hù)的分析基本都是根據“人口屬性”的數據，他們得到的結論也很少結合現實(shí)環(huán)境。這樣的結論，對于(互聯(lián)網(wǎng)的)產(chǎn)品設計基本上沒(méi)有太大的參考價(jià)值，特別是如今個(gè)性化需求越來(lái)越強，用戶(hù)行為越來(lái)越獨特的時(shí)候，“人口屬性”很不能代表用戶(hù)背后的行為邏輯。
比如，想了解“有購物搜索需求的網(wǎng)民”具備的主要特征，這個(gè)時(shí)候“年齡、學(xué)歷、性別、收入、婚姻狀況、消費能力、信息獲取方式、上網(wǎng)條件、..”可能都是對我有參考價(jià)值的數據，但那些才是最重要的呢?分析后很快就可以發(fā)現，比較而言“年齡、收入、上網(wǎng)時(shí)間、上網(wǎng)條件”都不是最重要的，“消費能力”、“信息獲取方式”在這里才是最重要的特征。這些數據背后才更能代表用戶(hù)的行為邏輯和需求。
3、不去篩選數據(應針對你當前需要解決的問(wèn)題而去篩選數據)
做一個(gè)優(yōu)秀的設計者，首先必須善于“提問(wèn)”�！疤釂�(wèn)”的水準和設計水平基本成正比。要什么樣的數據，什么樣的數據可以幫我解決這些問(wèn)題和疑問(wèn)?這個(gè)很簡(jiǎn)單，一羅列你可以想到很多很多。但，事實(shí)上數據類(lèi)型到達一定數量后，類(lèi)型越多，反倒越不利于對于結論的判斷。因為，不同數據類(lèi)型之間會(huì )產(chǎn)生相互的干擾，有些時(shí)候次要問(wèn)題可能會(huì )戰勝主要問(wèn)題，影響最終的結論。
在實(shí)際項目中，解決了主要問(wèn)題，次要問(wèn)題可能就會(huì )很自然的被稀釋了。獲取數據也一樣，必須搞清楚什么樣的數據最能說(shuō)明這個(gè)問(wèn)題?確定這些會(huì )使分析過(guò)程的精力更加集中。把主要的幾個(gè)問(wèn)題想穿、打透，其他問(wèn)題很快就會(huì )迎刃而解了。
很多時(shí)候不是解決不了問(wèn)題，而是想解決的問(wèn)題太多;很多時(shí)候不是數據不夠，而且想要的數據太多。還比如，想要了解如何解決“購物搜索”的需求，其實(shí) 只要關(guān)注好“信息獲取方式”、“消費能力”、“決定購買(mǎi)的因素”基本就能解決很多問(wèn)題，盯著(zhù)“用戶(hù)是男是女，8歲還是80歲”，只能是耗費精力。
不去篩選數據，還有一個(gè)很大的危害就是：“因為沒(méi)有篩選，所以不能把關(guān)心的數據點(diǎn)看透徹”。
比如，很多人都在夸開(kāi)心網(wǎng)的推薦做的好，很多用戶(hù)在上面找到了自己的“同學(xué)”，于是定論為“算法的技術(shù)好”。其實(shí)如果專(zhuān)注關(guān)心“開(kāi)心網(wǎng)為什么打通用戶(hù)關(guān)系這么快”的人，經(jīng)過(guò)詳細分析后是不會(huì )得到“技術(shù)好”這個(gè)結論的。根據我的觀(guān)察，我比較贊成麥田的結論：“開(kāi)心網(wǎng)把校友錄的數據庫用進(jìn)去推薦算法里面了”， 我甚至認為開(kāi)心網(wǎng)的推薦里面不只是用了“校友錄”的數據庫，還有更多其他數據庫。 (麥田對于數據的分析雖然是偏市場(chǎng)和運營(yíng)性的，但其實(shí)對于產(chǎn)品設計的促進(jìn)一樣很大，而且他確實(shí)是一個(gè)觀(guān)察數據很細，研究數據很深的人)
4、不關(guān)注數據采集的方式和方法
當我們?yōu)槟硞�(gè)項目尋找方向或者確定某個(gè)決策，需要一些數據的支持，以便了解狀況并確定思路。這個(gè)時(shí)候，不僅需要給出“需要什么樣的數據”這個(gè)需求，同時(shí)還應該包括如何得到這些數據。
很多時(shí)候，我們只提出需要什么樣的數據，并不去提出要求如何得到這些數據的方式、方法，完全依靠調研者的經(jīng)驗去獲取數據，這是不可取的。因為這樣來(lái)的數據對結果的幫助是不準確的，甚至往往會(huì )出現誤導。因為調研過(guò)程中不同的方式方法，得到的結果會(huì )不一樣。
比如，還是要做一個(gè)購物搜索的網(wǎng)站，你給出的“需求”不應該只是“用戶(hù)目前獲取信息的方式”、“搜索的商品類(lèi)型”等，還應該包括數據的來(lái)源，以及獲取的方法�，F有搜索網(wǎng)站?問(wèn)卷?電話(huà)?…
不同的方式方法，渠道，得到的數據是不一樣的。不同水平的人采集到的數據結果也是不一樣的。
往往我很同情國內的同行，大家能找到靠譜的數據真的少的可憐。就拿行業(yè)數據來(lái)說(shuō)，基本上國內沒(méi)有一家第三方機構可以提供靠譜的數據。XX統計局就不說(shuō)了，比如商業(yè)機構艾瑞，他的數據絲毫不具備可信度。最根本的，我們可以去看看尼爾森在歐美的一些問(wèn)卷，從問(wèn)卷設計的邏輯、采集方式、統計方法，甚至包括“埋地雷”的方法，都高出國內這些數據提供商一大截。
有些時(shí)候，如果實(shí)在沒(méi)有辦法，去做小量的抽樣數據，也比那這些不靠譜的數據去分析強。
5、只用定量數據，沒(méi)有定性數據
還說(shuō)那個(gè)最老土的例子：
沃爾瑪每天總重要的事是“想盡一切辦法，把貨架擺好，讓顧客更快的找到，更快的走掉”。事實(shí)上，當他們的MBA(商業(yè)數據分析)人員通過(guò)龐大的數據處理系統發(fā)現，啤酒和尿布的銷(xiāo)售曲線(xiàn)驚人相似的時(shí)候，他們其實(shí)只能得到一個(gè)“結論”。但，這些知識定量的數據，并不能挖掘出本后的顧客行為，以及為什么會(huì )造成這 個(gè)現象。這個(gè)時(shí)候，如果靠“分析”、“猜測”是不能得到正確結論的，方法只能是去結合“定量”的研究，通過(guò)具體觀(guān)察和調研了走到用戶(hù)身邊，最終才能了解到 “因為，在美國一般都是男人去買(mǎi)尿布的，而在沃爾瑪就算買(mǎi)1美元的東西也要排隊半個(gè)鐘結帳，男人們這個(gè)時(shí)候就順手拿了啤酒犒勞一下自己”。
海量的定性數據，只能告訴我們結論，不能告訴我們背后的原因。同樣，如果只有定性的數據，往往看到的現象可能是片面的，結論可能是有偏差的。
量更多的是為了定性。
.還有一些常見(jiàn)問(wèn)題：只關(guān)心數據結果，不關(guān)心過(guò)程(比如，就知道那個(gè)廣告的流量大，沒(méi)注意那個(gè)廣告比別的大三倍);只看大數據，不看小數據(比如，只發(fā)現交易量瘋狂增長(cháng)了，沒(méi)注意虛假交易瘋狂上升了);只看數據表象，不看發(fā)展過(guò)程(比如，只知道現在的行業(yè)分布均衡，沒(méi)發(fā)現曲線(xiàn)的前方已經(jīng)出現裂痕)等等。
【產(chǎn)品經(jīng)理該如何做數據分析】相關(guān)文章：
如何做數據分析07-10
seo如何做數據分析？07-10
如何做好數據分析07-10
如何做網(wǎng)站數據分析07-10
產(chǎn)品數據庫：如何分析數據07-10
關(guān)于如何做seo數據分析07-10
淺談對產(chǎn)品數據分析的理解07-10
品牌產(chǎn)品數據分析參數07-10
如何做競爭對手的數據分析呢？07-10