27 | 从具体业务出发，如何利用数据辅助你的决策？

Oct 24, 2018

27 | 从具体业务出发，如何利用数据辅助你的决策？-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

27 | 从具体业务出发，如何利用数据辅助你的决策？

2018-10-24 邱岳来自北京

《邱岳的产品实战》

课程介绍



讲述：邱岳

时长12:15大小5.61M



极客时间的专栏读者你好，我是邱岳。我们继续来分享与产品经理数据能力相关的内容。
我们在前面的文章中假设了一个场景，想要通过构建自己的流量池，摆脱对搜索引擎流量的绝对依赖，在我们决策究竟是做工具还是做社区的时候，需要数据来做辅助的判断。
在上一次的分享前，我们提到在开始决策前，需要先收集横向和纵向的数据来设定目标数字。
这次我们接着上次的话题，进入到具体业务细节，来看数据如何辅助我们做出决策，以及如何追踪决策成果。
为了防止空对空，我们干脆把故事编得再具体一点，我们假设“极客时间”需要构建流量池，那么应当投入做开发者社区还是开发者工具呢？
我在这里首先要做个免责声明，一方面我并不知道极客时间的具体运营数字，另外一方面，产品方向性决策与团队能力结构，以及经验有很大关系，所以仅作为故事背景使用。好了，声明结束，我们可以继续了。
在上一季专栏中，我们曾经分享过需求价值分析的框架，就是依次去问三个问题，用户是谁，用户有什么问题，我们提供什么解决方案。在这个情境中，我们的数据分析依然会围绕这三个部分来展开。
1. 通过数据了解用户是谁我们曾经提到过希望构建的流量池可以给带来“精准用户”，这对应在我们设计的情境中，指的就是希望新做的产品特性带来的用户，与极客时间当前的用户相近。
所以我们的第一个问题，就是要想办法了解群体用户的画像，将“用户是谁”这个问题数据化。我们之前从“用户画像”的角度，介绍过这个问题的解决方案，这次我们就从数据的角度看一看。
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，另一种是需要分析的行为数据。
前一种数据可以直接来自用户提交的表单（比如性别年龄等等基本属性），也可以来自于调研，或者一些第三方数据机构提供的用户画像，总之，这样的数据内容通常只需要做汇总统计，就可以得到结论。
后一种数据需要根据用户的行为数据进行分析和推测，比如我们可以观察用户访问产品的时间段，以及订阅专栏的种类，将专栏内容的标签传递给用户。
比如用户订阅了 Python 和 AI 相关的专栏，我们可以推测他可能对机器学习算法感兴趣，比如用户订阅了多个相对简单通用的专栏，那他可能还处于初学阶段，如果他订阅了一些专业性更强的专栏，那或许他已经有一定的开发经验，等等。
这个过程跟我们在前面“流量骤降”的情境中，提到的“用行为数据做用户分类”很像，目的是在决策过程中，更好地去判断决策到底靠不靠谱。
比如，我们现在要确定社区的信息架构，有一种方法是按照语言来组织社区，那我们可以去分析不同语言用户的交叉程度。如果这时，我们发现大部分用户都是跨语言的，那或许这样的组织形式就可能给他们带来不便。
2. 通过数据了解用户的需求知道用户是谁之后，再反向去考虑他们未被满足的需求是什么，从而在其中寻找机会构建我们的流量池。
理解需求的过程中，跟数据相关的也是两类，一类是通过调研、访谈和客服等各种渠道收集的用户反馈，另一种还是通过用户行为去分析和推测。
前一种不展开说了，后一种比较有趣，就是如何通过各种蛛丝马迹去推测用户需要什么。我在这里给大家介绍几个有意思的方法。
第一个是去看搜索记录。 大部分产品都会有搜索框，即便没有，也可以去看通过搜索引擎进来的流量上面标记的搜索词。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。
我之前听说有个公司从自己产品的搜索记录里发现，有大量的工作岗位和商品的搜索，于是就做了招聘和电商产品，结果大获成功。
我之前负责某条电商产品的时候，也曾经通过搜索引擎流量标记的搜索词，发现有很多人在搜“xxx 多少钱”这样的东西，于是便规划了一系列跟价格相关的的工具和运营活动，成果也不错。
第二个是从产品假设出发，去寻找逻辑上的“反对意见”。 比如我们想建社区，需要让用户产生内容，那我们的用户是否有足够的表达欲望和行动力呢？想要回答这个问题，我们可以去找行为数据。
这里有一个小诀窍是去找“反对意见”。 因为一旦我们建立假设，提出问题，便有了立场和期望，在这种情况下，当我们收集数据时，就很容易倾向于收集那些能够支持我们决定的信息，从而忽略那些与我们想法相矛盾的证据。
所以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。比如刚才我提到的表达欲望，我们可能会去找用户分享、点赞或评论的频率和比例，甚至去看内容的长度和情绪倾向，并试图证明，用户并没有旺盛的分享欲望。
带着这样的出发点如果依然无法驳斥“用户具有旺盛表达欲”这样的推测时，那我们便可以认为，这一推测成立。
顺便多说一句，这种左右互搏除了发生在自己脑子里之外，也可以发生在同事之间。不要追求那种一团和气的需求讨论会，不断地挑战和质疑才是锤炼需求的最好途径。
第三个方法是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。 这个过程操作起来很有趣味性，方法就是花上一天，不断去抽单个用户的行为轨迹去观察，看看他到了哪里、点了什么、停了多久、又跳去了哪里，等等。
然后像一个戏精附体一样，去把自己塞进用户的脑子里，想象他每一步的处境和心理活动——他为什么打开文章页，快速地滑了一下就退出了？他为什么在搜索结果页停留了这么久？他为什么排着给所有的评论都点了赞？
在这个过程中，可能会发现一些奇怪的行为模式，这时可以返回去整体找一下类似的行为模式是否普遍，如果类似的行为模式只是个别现象可以不用管，但如果有很多，就需要我们去进一步思考和探索原因。
3. 我们能提供什么解决方案当我们从数据了解用户的需求之后，就可以开始考虑我们提供何种解决方案了。
在设计的情境中，我们可以选择做开发工具，也可以选择做社区。这时跟数据相关的有两个问题，一是竞争现状，二是触达效率。
竞争现状很好理解，比如我们推算用户需求，发现对于工程师来说，需要线上文档协作工具，我们不能直接开工，而应当先去研究一下是不是已经有类似的工具存在，最好能看看市场和用户数据，判断一下是否已经形成垄断了。
如果拿不到宏观数据，我们也可以在自己用户范围里做一些调研和访谈。很多人在做东西之前不研究市场，这其实是个不太好的习惯。
至于触达效率，因为我们想要做的是能够成为流量发动机的产品，所以我们希望它自己可以拥有触达能力，换句话说就是希望它可以自己能独立获取流量。那我们就需要在逻辑和数据上大概推断它自身的流量能力，通常包括自己的获客和留存。
如果大家还记得的话，这时我们需要用到的技能，就是在本季专栏开头讲到的：怎样快速验证产品创意部分的内容了。我们可以用 MVP 做一些测试，快速验证我们的假设，判断方向性的选择是否值得继续重兵投入。
4. 做出决定，开工干活我们从测试中得到支撑之后就可以开始投资源做事情了。
回到我们设计的场景，我们假设从用户的注册和行为数据中，判断极客时间的用户群体主要为工作 1-3 年的一线开发工程师，他们能够稳定投入时间进行学习，而且发现他们在学习的过程中有大量的分享、评论和点赞行为，所以，我们认为他们能够产出内容，并且有分享和交流的动机。
于是我们研究了市面上现有的开发者社区，发现现有产品没有形成垄断，也不能完全满足用户需求，在做了一些小范围测试之后，我们决定在极客时间的内容产品之外，再建立一个社区。
我们希望可以从极客时间当前产品中导入启动用户和内容，并希望社区逐渐具备自行获客和留存的能力，最终反哺当前的商业产品。
根据上一次分享的内容，我们可以给它设置几个目标，比如我们希望它的留存率和新用户数能够超过当前产品。
在此之后，我们就可以定义产品开工干活了，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。
5. 总结今天我们分享了“用数据辅助你的产品决策”的相关内容，我假设了一个案例，以“极客时间需要做流量池”出发，通过具体的业务细节，来看数据如何辅助我们做出决策。首先，我们通过数据来了解“极客时间”的用户是谁，这里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，另一种是需要分析的行为数据。
接下来我们通过数据去了解用户的需求，这里我介绍了三个有意思的方法，大家可以尝试一下。得到了需求之后，我们来看看自己能够提供什么样解决方案，具体是做工具还是做社区。
在我们定义产品的过程中，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。
在我们今天的虚拟案例中，你关注了哪些细节，又有哪些思考呢，你可以给我留言，我们一起讨论，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 4

提建议

26 | 当收集数据的前后，我们应该做什么？

28 | 那些数据不能告诉你的事儿：尽信“数”不如无“数”

 写留言

精选留言(11)

未设置
2018-10-28
我不是产品经理，不过曾经也分析过一段时间的数据，自己还收集了很多数据分析的工具，分享一些看到的数据分析工具吧。（有的用着还真是不错。）数说立方数说立方是数说故事新推出的一款面向数据分析师的在线商业智能产品。最重要的特点是配备百亿级社交数据库，同时支持全网公开数据实时抓取，从数据源端解决分析师难点；另外数说立方搭载了分布式搜索、语义分析、数据可视化三大引擎系统的海量计算平台，实现数据处理“探索式分析”和“秒级响应”的两个核心功能。同时数说立方是数说故事三大主打产品之一，并与其他两大产品数说聚合和数说雷达实现从数据源、数据分析、到数据展示完整的数据解决方案。数据观数据观的功能设计理念是极简、无门槛，所以它最大的特点就是简单。数据观数据来自云端，如：百度网盘、微盘、salesforce等。数据上传后，马上有推荐图表，引导明确。另外产品的使用没有技术门槛，无需专业IT知识，同时适用于非专业分析师出身的业务人员，可以快速将数据转化成直观的图表，适合一开始接触数据分析工具的非专业数据从业人员。 FineBI FineBI分为数据处理、可视分析和分享公用三大功能模块。支持多种数据源，图表风格清爽美观，可选择任意维度分析。分析页面由控件和组件组成，控件和组件的数量是可以添加至任意多个，但是布局的交互比较僵硬，且使用逻辑有点乱，引导不明确。需要安装本地客户端才能使用。魔镜魔镜支持自动拖拽建模，同时可视化效果库十分酷炫。用户可以邀请团队成员到自己的项目，合作进行探索分析，并且按照需求有效控制访问数据的成员权限。产品模块规划完整，有基础企业版到hadoop等5种选择为，而且可以支持定制化服务。但是可能是云平台版的缘故，使用过程中出现不少BUG，企业版的体验可能会相对好一点。数加平台数加是阿里云发布的一站式大数据平台，可以提供数据采集、结构化、加工到展示分析整套的一站式数据服务。可采集不同系统及物理存储的源头数据，在分布式计算平台上进行数据的深度整合、计算、挖掘，将计算的结果通过可视化的工具进行个性化的数据分析和展现，也可直观的展示分析现有云上业务系统的数据库数据。 Tableau Tableau是目前市面上较为成功的BI工具。产品既有针对性，又有普适性。拖放式界面，操作简单。数据兼容性强，适用于多种数据文件与数据库，同时也兼容多平台，windows、mac、Online均可使用。而且重要的一点是免费为用户安排现场培训或按需求进行在线培训。 Qlik QlikView只需轻轻单击几下，就可以对所有数据源进行合并、搜索、可视化和分析，可在不影响性能的前提下连接到多个数据源；其次视图种类丰富，界面简洁，互动性强，总体来说是一款简单易用的BI产品。Qlik用户可通过各类可视化效果，将Qlik扩展到任何应用程序中。另外用户也可以通过使用标准的和最新的网络API，可将可视化效果数据嵌入网站或应用程序。 Spotfire Spotfire服务对象是一线工作人员和日常决策人员，其交互界面形象易懂，无需写脚本语言和编写程序就可以对数据进行添加、分离操作。内置搜索引擎，可以随意查找任意信息。支持R、S+等统计、挖掘功能；有丰富、开源的R模型。标记有自身特色，提供了过滤、钻取等功能，多个标记同时还可以实现图形化的集合运算。神策分析神策分析的产品有完整的使用文档，每个模块都有详细的使用说明以及示例，降低了用户的学习成本。而且支持私有部署、任意维度的交叉分析，并帮助客户搭建专属的数据仓库。目前提供事件分析、漏斗分析、留存分析、数据管理等功能，未来预计会增加用户分群、用户人群分析、推送和异常维度组合挖掘等 BDP BDP个人版免费，只需导入数据，设定分析维度，即可实时得到图表分析结果。示例和视频教学很细致，交互页面友好。每次数据更新，对应的图表也会自动更新，可以免去一些重复制作的工作。分享环节也很贴心，报告可以一键导出为PPT、邮件发送，也可直接生成链接分享。永洪BI 永洪BI是一款可在前端进行多维分析和报表展现的BI软件。支持拖拽操作，数据源格式多样，提供不同级别的查询支持，支持跨库跨源连接。另外永洪提供了一款数据存储、数据处理的软件——MPP数据集市，可与BI打通，使得数据查询，钻取和展示的速度大幅度提高。不过其产品用户体验一般，拖拽过于自由，导致仪表盘布局不好控制；主题样式虽多但是给人感觉样式还是很传统。
展开
共 1 条评论
49
CC
2018-10-28
从反面挑战自己的推测可以找到自己的思维死角。当自己有了先入为主的思路后，视野就会变狭窄，下意识地选择性接受信息。这点不限于产品思维。有意思的是，这个方法在看到文章后才发现”自己曾经知道过“，但在需要用到时却总是”忘记“。其实越是这样看起来简单的原则，执行起来越难，我总是低估了实践的难度和需要重复的次数。最近刚刚好在思考产品思路，实践一下这个方法。感谢。
展开
4
和小胖
2019-05-25
去看搜索记录那个点子真的妙啊，因为这是为数不多的用户主动的方式，但是之前小胖对于搜索的定义只是一种用户更快找到自己想要的东西的手段，现在发现这样定义太狭隘了。一般的产品都是主动的给用户推产品内容，用户一直在做的都是选择题，可是如果我们给用户的选择不够怎们办？用户可能就会流失。而搜索就真真的代表了用户的意向，因为那是用户意识的直接表达，而我们给用户的选择，用户进行的点击，可能只是用户没有选择的点击。所以在产品中，我们需要给用户表达自己的机会，而这也是我们更加直接了解用户需求的手段和机会。
展开
2
Dylan
2018-10-28
通过用户的搜索记录来反推用户的需求、观察一个用户一天的日常操作来代入他，确实是收集和分析用户需求的好方法。最近我在策划一个刺激用户分享的功能点，分享按钮就外形的那里的，他如果想分享他可以去分享，那我现在要做的也结合我的目标是如何去助推和刺激他分享，现在能够想到的比较靠谱的方式，是一个简单的奖励机制。
1
柯柯
2021-10-16
邱老师，您好，有一个小小的建议。开篇通过用户画像构造用户是谁，您提到前面讲过。最好讲一下知识出现的位置，可以方便学员再次把知识点串起来。如果学员忘记了该知识点具体是什么，根据您串讲的位置，还可以再往前查找。
1
JianXu
2020-12-26
我们负责的云计算产品之前也通过survey 这种方式来收集反馈，但是用户反馈率很低，后来我们就从访问频率和support case 数据库里把那些经常使用我们产品的客户名单拉出来，用个人名义写邮件的方式联系客户就拿到了很多有意义的反馈。
彪悍如水
2020-12-10
结合上篇，举例：想达到一个目的，达到这个目的涉及A,B,C三个指标，每个指标有相对应的值，且每个指标对应的值有一定要求。 A,B,C这些指标怎么获得（此条直接给出答案缺介绍方法），以及这三个指标的值衡量方法。再讲达到这个目的需要怎么做，按照需求价值的分析框架分析要做哪些事才能达到目的。分别为，用户画像确认，用户需求挖掘（得到达到目的的产品方向,社区，工具，产品延伸等），满足需求方法。
展开
彪悍如水
2020-12-10
得先有事，然后才能有具体指标的数值吧。不知道做的事社区或者是工具呢，你的具体指标的数值哪里来的呢。
咋个学才快
2018-11-21
用PC端打开听的时候并不能调节时间，只有播放和暂停
听天由己
2018-10-24
感谢分享，今天的内容串联了以前的知识点，虽然有些思路，却无法像二爷那般流畅缜密。今天的思路也解决我的一些问题，最近课程转化率较差，有人直接提出是定价策略的问题，我却不以为然，正好借着今天的内容学以致用一番，希望明天能够用自己的数据与逻辑证明，并且给出相应的解决之道。另外就是从反对意见中寻找思维漏洞，这一点我们经常在会上讨论甚至争吵，却忘记了出发点是什么，深以为鉴。
展开
Novelty
2018-10-24
从产品假设出发，去寻找逻辑上的“反对意见”。这个对我有所启发，很多时候我们的观点是对当下情况的一种解释，如果先有结论再去获取论证很多时候通常会不知不觉收集对结论有利的数据。

