为什么产品经理需要做数据分析?

850 阅读9分钟
原文链接: blog.growingio.com

作者 | GrowingIO增长团队,集工程、产品、市场、分析多重角色于一身,负责拉新和用户活跃,用数据驱动业务增长。

来源 | 节选自 GrowingIO《产品经理数据分析手册》,点击此处立即下载

 

知乎上有一个热门问题 “怎么评价产品经理拿数据说话这回事?如何做数据分析?”,吸引了6800+关注和110+个回答。题主的描述,在某种程度上折射出产品经理在做数据分析过程中的尴尬与无奈。

“实际上,该功能整个平台的用户都希望做,是没有必要耗费人力评估的,只要做就可以了。”

现实中,用户希望做的功能难道真的不需要评估吗?用户提出的要求都满足吗?

“很多数据和评估是必要的,但有些很形式化,请问有意义吗?”

数据分析到底该怎么做,才不至于沦为 “形式化” ?

 

一、从一次改版谈产品数据分析

2015 年末的时候,我们 GrowingIO 的产品已经上线了 1.0 版本并且服务了多家客户。随着新用户的不断增加,产品经理每天都能接到了好多新用户反馈:希望在官网看到产品介绍视频,以便进一步了解我们产品的功能和特点。

既然每天都有用户在提这个事情,那肯定是很重要的东西了。正如上面知乎网友说的:“ 实际上,该功能整个平台的用户都希望做,是没有必要耗费人力评估的,只要做就可以了。” 于是不假思索,在产品经理和市场同学的努力下我们很快把介绍视频做好了,放在官网首页上。

添加了新的介绍视频后,产品运营想观察一下其对新用户的注册转化率影响如何。持续观察了一个星期的数据,发现新用户的注册按钮 CTR(Click Throught Rate,点击率)不但没有上升,反而断崖式下降,由原来的40%左右跌倒了20%。

对于一家高速成长中的创业公司, 转化率大幅度下降当然是不能容忍的;但是为了保险起见,我们又持续观察了一周的时间。两个星期后仍未起色,于是产品经理撤掉了官网上的介绍视频。奇迹般一样,CTR 开始恢复到改版前的水平。

这个产品介绍视频花了产品和市场部门大量的人力、精力和物力,又是因为用户的需求而专门做的,为什么做了之后转化效果反而下降了呢?

事后我们反思了整个过程,得到这样一些启发:

(1)部分用户的观点无法代表全体用户的真实体验,产品介绍视频可能是伪需求;

(2)产品经理的主观感知无法代表用户的真实体验;

(3)新加的视频介绍分散了新用户的精力,导致首页注册点击率大幅度下降。

还好我们当时用自己产品对我们官网做了实时的监测、对比了改版前后的注册 CTR 指标,不然现在还在官网改版的坑里面自嗨呢!所以,改版前后的数据监测和数据验证是非常重要的。

 

二、产品经理需要用数据说话

相信上面 GrowingIO 的案例已经能给你一个直观的感受了。 完全拍脑袋、凭感觉、凭经验做决策的时代已经过去了,产品经理必须掌握数据分析技能、用数据说话!

(一)通过数据分析迭代产品

在用户研究的过程中,很多产品都会把自己换位成用户来思考。出发点是好的,但是也很容易陷入误区中;因为任何模拟都是蹩脚的,思维定势决定了产品经理无法靠想象来 100% 还原用户的真实操作行为。

给大家举一个经典的案例:图片社交软件 Instagram。Instagram 的前身, Burbn(上图左) ,是一款基于地理位置签到的积分软件,这款产品做了好久一直都不温不火。直到有一天他们通过数据分析发现,Burbn 的用户对产品主推的签到功能并没有展现出什么兴趣,反而喜欢用系统嵌入的图片分享功能。于是产品逻辑开始重构,主推图片社交分享,这才有了现在的 Instagram(上图右)。

用户就是这么奇怪,从不按套路出牌;你需要不断通过数据来观察他们的兴趣点,而不是坐在办公室模拟或者假设。

(二)通过数据分析洞察用户

产品的每一次迭代和升级,都需要评估效果,以便今后改进。如果仅仅是凭借产品经理的肉眼观察和主观感受,下一个“用户反馈很好”、“用户很喜欢这个新功能”类似的结论,是很苍白无力的。更多时候,会因为主观感觉而产生误判。

我们之前遇到过一个客户,有一段时间网站的注册转化率有了上升;虽然并没有查出原因在哪,但是产品经理还是很高兴。过了一段时间,分析师通过用户行为轨迹细查发现,【找回密码】功能出 BUG 了;很多老用户忘记密码无法找回,只好重新注册了一个账号。

这个 BUG 无意中提升了网站的注册转化率,然而却并不是件好事;如果产品经理不做数据分析的话,就会产生错觉,陷入“转化率提升”的坑中!

(三)通过数据分析验证产品

如何验证一个新功能好还是不好,这个需要数据来说话。除了产品本身的指标,产品经理还要关注产品或者企业的商业目标,毕竟产品最终还是为这个负责的。上面我们分享了 GrowingIO 首页改版的案例,虽然满足了部分用户的需求,但是造成了注册转化率的大幅度下降。下面这个案例来自 Facebook, Facebook 早期员工、峰瑞资本合伙人覃超曾在我们的线下活动分享过,希望能给大家带来启发。

下图左边是2009年的 Facebook 首页界面,当时的产品经理想尝试瀑布流式、扁平化的设计风格,提升用户的操作体验。在设计了好几个版本后,决定采用了右边的设计。工程团队用了好几个月做了出来,内部测试后大家都觉得很好,没有太大问题。于是,新版首页开始面向 2% 的用户灰度发布,看一下效果。

结果出问题了,这2%的平均在线时长指标开始下跌,直接影响到了这部分用户的广告曝光。大家都知道广告是 Facebook 重要的业务收入来源,广告的曝光和点击下降当然是不能接受的。

项目组的同学认为可能是用户对于新版本需要适应的时间,决定再开通10%的用户,观察整体的效果。结果,整体活跃度、在线时长跌了20%左右,一直持续了3个月。最后,Facebook 没有通过这个改版,首页回滚到最初的样子。那么大的一个团队,做了大半年的项目,因为数据验证没有通过直接作废。Facebook 这么大的企业都在贯彻着数据驱动的思路,我们又何尝不应该呢?

 

三、产品数据分析如何避免踩坑

对于产品经理来说数据分析很重要,但是又该怎么做呢?数据分析如何避免沦为形式,又该如何避免踩坑呢?

(一)发声用户 VS 沉默用户

文章一开始 GrowingIO 的案例就是一个很好的说明,发声用户提出需求要我们提供产品视频,但是沉默用户可能直接就流失了。其实分析的时候本质并不在于用户发声还是没发声,本质在于真正目标用户的感受。

发声用户的数据非常容易获取,数据分析也就更加容易;沉默用户很多都流失了,用户选择用脚投票,这部分的数据获取和数据分析就更加困难。产品经理如果在做数据分析的时候只采用发生用户的数据,分析的结论往往有偏差,统计学上有专门研究抽样问题,说的就是这么一回事。

(二)先入为主 VS 保持客观

大部分时候,人们总是更喜欢看到自己想看到结果,即先入为主或者预设结果。产品经理在做数据分析的时候,也容易出现这样的预判,数据分析往往变成为为自己的观点找论据。

比如新功能上线,管理层希望用户活跃度可以提升5%;那么此时产品经理在做复盘的时候就会过分关注眼下的 5%,而忽略可能 50% 的增长机会甚至无视其他负面的影响。

(三)报告驱动 VS 业务驱动

产品经理数据分析的最终目标还是指导产品和用户增长,帮助企业增加利润。产品新人在做数据分析的时候容易将数据分析的终点归结于数据报告,以为写完一份产品数据分析报告就等于做完了一次数据分析。

数据分析驱动产品和用户增长不是一锤子买卖,而是一个不断迭代的过程。产品经理应该在 “用户数据-数据分析-产品优化” 的循环中不断锻炼自己的数据分析能力,将目光聚焦于产品优化&用户增长。

越来越多的企业在招聘产品经理时,会在岗位描述上写“掌握数据分析方法”、“擅长产品&用户行为数据分析”等字眼,产品经理要会数据分析已经是大势所趋。我们不能因为有的人将数据分析形式化就否定数据分析的意义,只有正视数据分析、避开误区,数据分析才可能发挥它的最大价值。



本文选自 GrowingIO《产品经理数据分析手册》