25 | 突发式流量数据暴跌，产品经理应该如何应对？【处理篇】

Oct 17, 2018

25 | 突发式流量数据暴跌，产品经理应该如何应对？【处理篇】-极客时间



下载APP





关闭

讲堂部落提薪训练营云原生训练营架构实战营企业版极客商城兑换中心 App下载浏览器插件

渠道合作

推荐作者

25 | 突发式流量数据暴跌，产品经理应该如何应对？【处理篇】

2018-10-17 邱岳来自北京

《邱岳的产品实战》

课程介绍



讲述：邱岳

时长10:22大小4.75M



极客时间的专栏读者你好，我是邱岳。我们继续聊跟数据分析相关的话题。
前面的分享中，我们分别从渠道、用户以及业务的角度去看如何应对“产品流量暴跌 20%”的情境。今天我们来给这个情境收个尾，分享一些数据分析之后要做的工作。
我曾经跟一位非常优秀的数据分析师合作，共同负责过几个商业产品。在我们的合作过程中，每一次发生核心数据指标的波动之后，很快就会收到他非常详细并且有条理的分析邮件。
这封邮件的基本结构和内容都很清楚而且很专业，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，最后是他作为数据分析师，给出的一些思考与建议。
比如，某个工具产品的流量降低，他的邮件开头就是通报：某产品流量昨日环比下降 XX%。主要下降原因是平台新用户引流减少，推测是兄弟部门的平台上产品入口页面改版导致。
之后是一套具体的分析过程，他会列出不同渠道的近日流量对比，以及与新老用户的交叉分析，这里通过分析，明显可以看到来自其他部门的平台产品的新用户引荐流量降低。
作为产品经理，收到这封邮件后，我就可以直接开始跟其他部门交涉协调就好了，并不需要再花时间分析数据了。这样一目了然的数据邮件，既节约时间提高工作效率，也定位精准，方便处理。
说句题外话，我后来跟很多数据分析师和产品经理合作过，但很少再见到过这样扎实、清晰、专业的数据分析。这个兄弟职业素养之高，我现在回想起来依然充满敬意。虽然我们可能不需要做这么正式和完整的分析报告，但是在其中的几个核心思路，依然值得我们借鉴。
1. 数据分析要形成结论首先就是数据分析要形成结论，我们在前几次分享中介绍了在面对“流量降低 20%”时的分析思路，作为产品经理，当然不能以做完数据分析为终点，我们要做的事情还有很多。
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。
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。
这是很浅显的道理，似乎并没有什么难的，但其实有大量的产品经理（也包括我在内）并没有做好。
那如何检验我们是否形成了合适的数据结论呢？这其实就跟做需求分析差不多，也是向上追溯原因，向下推测结果。方法我们在上一季专栏提到过，就是从数据指标变化出发，连问五个为什么（why），再连问五个那会怎么样呢（so what）
如果你自问自答结束，感觉对这个回答很满意，那基本就算有结论了。比如：
“流量降低 20%”，为什么？
因为商品详情流量降低了。
为什么？
因为引荐流量降低了。
为什么？
因为我们的投放渠道到期了。
如果我们问那会怎么样呢？就是去观察这样的数据变化可能导致的结果。流量降低 20%，会怎么样呢，会不会持续降低，会不会影响收入等等。
当然，我们未必真的要这么刻意地问问题，这只是个思路，找到数据波动的原因，分析可能产生的结果，合起来就能形成一个不错的数据分析结论。
2. 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。
有时候这样的数据波动可能是工作失误导致的，所以我们不愿意声张，其实大可不必，面对问题，分析问题和解决问题本来就是我们的日常工作。
类似的分析其实有两大忌讳，一个就是只给现象不给结论，而且现象也很粗浅。另一个则是一次说不清楚，要不断反复地说。
前者刚才提到过了，这个细节做不好会显得你非常不专业。后者也一样，我有一次参加产品例会，部门总监问某产品经理，是不是用户量最近降低了，产品经理说是的，总监又问为什么，产品经理说获客不力，总监再追问哪个渠道出了问题，回答说合作方的投放。
这时候总监已经非常不耐烦了，敲着桌子厉声问：“哪个合作方？什么问题？怎么解决？你能不能一次把话说完？”当时会议上气氛就变得很尴尬，我们的主管后来起身救了场。
后来我也遇到过类似场景，真的很着急，所以在这里提醒一下，我们一定要避免这种情况，保证自己沟通中的信息量，直接给结论，干净利落最好。
3. 要有应对策略我们的表现可以分个级。最糟糕的是什么也不知道，等别人问起来才去看数据；其次是知道数据波动了，但是没有分析也没有结论；稍好一点的是知道数据波动，也有分析结论，却没有应对策略。
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，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。
我举个例子，就是上次分享曾经提到过的，百度自然搜索的流量降低导致整站流量降低的情况。
短期来看，我们要做的是想办法向百度反馈我们站点的收录变化，并请负责 SEO 的同事检查收录减少的页面结构，对可能影响收录的功能点做调整，同时将 SEO 的细节数据列入每日监控的范围内（就是爬虫访问、爬虫路径、收录以及展示和排名情况的相关数据）
对于中期，我们开始规划一系列自动静态列表页和静态类目页的 SEO 项目，重新对主要的搜索引擎着陆页做优化，保证整个搜索引擎的来流能够稳定。
而长期来看，我们需要考虑目前的流量是否过于依赖搜索引擎（当时这条产品线的搜索引擎流量占比过半，并且主要来自百度），我们是否需要开始考虑建设自己的流量池，比如做个自己的社区，或者做个新的工具，去稀释搜索引擎流量占比，从而降低对个别搜索引擎的依赖。
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。
到了这里，我们也应该引出关于数据分析的下一个话题了。就像刚才提到的，我们要不要去做自己的社区，或者做个新的工具，吸引流量？这时，我们都需要数据来支持我们做出决策。
我们不妨就以此作为接下来分享的线索，如果我们希望提高流量的控制力，如何利用数据来支撑我们在“做社区，还是做工具”这两个选择中，做出选择。我们会在下一期的分享中，聊聊如何用数据来做决策支撑。
4. 总结好了，今天的内容就到了这里了，我们主要围绕着数据分析之后的处理展开了今天的内容。
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。
你用数据来做过什么样的决策呢，可以给我留言，我们一起分享，感谢你的收听，我们下期再见。

分享给需要的人，Ta购买本课程，你将得18元

生成海报并分享

赞 7

提建议

24 | 突发式流量数据暴跌，产品经理应该如何应对？【拆解篇】

26 | 当收集数据的前后，我们应该做什么？

 写留言

精选留言(8)

脑壳疼
2018-10-18
一直对产品的数据分析感兴趣，我来分享一下我最近学到的方法。 1、用户分析用户画像分析是获取目标用户的主要方法，也是数据分析里很重要的一部分。一般常见的性别、年龄、低于、职业等信息给用户打上一个个的标签，标签越是精准，越是能对精准化营销起到关键性的因素，据说LinkedIn给用户的标签做的十分精准，所以它的广告系统可以做到几十个亿的收入，而国内的一家用户几亿的厂子，广告系统每年的收入只有千万左右的水平。再比如说京东、淘宝，他们甚至可以预测你接下来要买什么商品，通过短信、push和首页对用户进行精准的推荐。 2、数据埋点对数据的埋点监控是从产品诞生的第一天就要开始去做，即使数量小，也能对产品迭代、运营活动都起到至关重要的作用。对于app来说，每个页面和跳转位置都要放置合理的数据埋点，来监测用户行为，DAU、MAU、Interactions、访问深度等等就是我们需要着重观察的数据，app的数据监控更适合从账户体系着手，每个用户就是独立的个体，用户独立的访问行为；结合精准的用户画像分析就能分析出不同用户的访问行为，得出产品迭代的方向。 3、收入（转化）监控：每个产品的最终目的都是商业化，对收入的监控，也会对产品迭代起着重要的影响，同一条赛道内，哪个产品最先增强了变现能力，基本就赢得了赛道。日常监控的数据一般是收入流水、盈利、盈利率（同比、环比）、客单价、用户首次付费、2次付费数、留存率等等。这类数据保密性都比较高，都会写在后台数据库中，所以数据产品运营人员都要有SQL的基础能力，这样才方便读取数据。（所说到这，希望极客时间快点出SQL的专栏）手机码字有点累，先这样，我坚信数据会说话，不论是技术、产品或运营，保持数据敏感度十分重要。
展开
共 1 条评论
16
听天由己
2018-10-17
我今天特地回看了一遍专栏框架，现在是第三章，产品经理的数据意识，转眼就一半了。我对数据不是那么痴迷，但一直认为这是必不可少的分析依据。之前创业时，App 是外包的，虽说后期版本公司来负责，但并没有人能够完整说出分析逻辑与框架，以及当前的基础数据。第一反应就是纳闷，原来产品都是这么做出来的，后来一想，这不是自己的机会嘛。然后，在新版上面加入了第三方工具，而后发现我们订单的取消数量占比太高，约 35%，进而发现支付流程存在问题，资源锁定型产品在选择时会存在问题，进入确认订单与返回提示容易误点，导致那些不愿意下单的用户，一定要撤单之后才能重新选择。确认问题后，我们开会讨论，最终改变了原有逻辑。目前的占比下降了 20%，效果还不错。
展开
11
小方
2018-10-17
有启发。
2
Novelty
2018-10-18
之前遇到过要把处于成长期用户转换成成熟期用户(公司主要价值来源)的一个任务，我也是通过数据分析两个用户行为有什么不同，后来发现处于成熟期的用户他们参加团体赛频率比成长期用户要高很多。所以当时我们提出假设，如果能引入社交关系，会加快用户转换。当时我们也面临两个选择，一个是通过组建社群来实现，另一个是通过开发俱乐部系统来实现。我们选择了几个核心要素，比如开发时常，预期效果等进行打分，最终选择了组建社群，一段时间后将转换率提高了20%
展开
1
willa
2021-03-16
被同事推荐购买课程~ 这一章节大概学到两点： 1、有效沟通的必要性，对于结论性的回答要有依据，对于问题要有解决方案。 2、对于数据问题的解决方案，可以从短期修复为主，中期监控和预警为辅，那么长期就要考虑这个问题本身的权重，是否需要调整业务模式等。
展开
1
meta-algorithmX
2020-04-12
整个数据分析邮件的结构就是很典型的金字塔法则
和小胖
2019-05-24
越来越觉得产品经理该是个多面手了，也得是半个数据分析师啦，哈哈，数据中都隐藏着需求，以及做过的需求的不足之处
1
joEy²
2018-11-19
这几节基于问题的数据分析连贯听下来感觉很是舒畅，有一种在茶馆听说书人“娓娓道来”的感觉。对比这一节的内容，严谨而有应用价值的数据报告确实有必要性形成习惯。而短中长期的应对措施和策略更是让我有醍醐灌顶是感觉，之前遇到数据问题是总是有种“好像忘了什么事情没有做却又想不起来是哪一个”，这次才发现是只做短中期的措施、忽略了长期的动作😂😂
展开
1

