产品经理如何进行数据分析

时间:2022-07-12 08:08:07 职场 我要投稿
  • 相关推荐

产品经理如何进行数据分析

对于产品经理而言,看明白数据是一件很简单的事情,但是要想从数据中挖掘其背后更深层次的内涵,看懂数据背后的逻辑是一件非常不容易的事情。往往一个决策的成功或失败,总能归咎到对数据的理解上。

值得欣慰的是,随着接触到的用户越来越多,对于用户心理模型和业务逻辑的理解越发的透彻,产品经理对数据的理解能力也将越来越强。

  1、不配看数据

  产品经理对待数据的态度不应该像市场分析者或财务人员一样。我们看数据,更多是需要了解数据背后用户的行为逻辑和期望需求。这就要求我们看到数据的时候,必须第一时间想象到用户是如何创造出这些数据的,为什么会创造出这样的数据。

  作为一个产品设计者首先必须告诉自己:“I’M Not User” ,如此同时还要再把自己模拟成一个平凡的用户,不停的反复的去用自己的产品,和同类产品。我向来认为,一个做移动互联网的产品设计师,不有事没事换手机 玩,不是好的产品设计师;一个电子商务的产品设计师,不每周在网上买一件东西,不是一个好的产品设计师。

  在某个用户体验设计的会上,某知名教授大讲他所在公司搞到的facebook的数据,说他的理解、说他的分析,说facebook如何没戏。刚开始 听着蛮有根有据,后来越听越不对味,突然他冒出来一句“虽然我从来不用facebook”… 我当场昏厥。这种人,不配分析facebook的数据,更不配去评论。、

  要想有资格去看数据,通过数据给产品设计提供有效的依据。方法很简单,也很有效:把自己当作一个平凡的用户,不停用自己的产品,和同类产品。有,且只有这么一个方法。

  2、为了看数据而看数据

  和做可用性测试一样,测试之前不能说没有“关注点”,发现什么就是什么。那样什么也发现不了,即使发现了,价值也不大。数据拿到手里,没有目的的去看,不如不看。

  在做产品设计的数据分析之前,首先应该搞清楚自己需要什么样的数据来说明什么问题。一个数据对于不同的产品、不同的环境、不同的用户类型,得到的结 论应该是不一样的。传统的市场研究中,对于数据的分析往往是根据“硬属性”,比如他们对于用户的分析基本都是根据“人口属性”的数据,他们得到的结论也很少结合现实环境。这样的结论,对于(互联网的)产品设计基本上没有太大的参考价值,特别是如今个性化需求越来越强,用户行为越来越独特的时候,“人口属性”很不能代表用户背后的行为逻辑。

  比如,想了解“有购物搜索需求的网民”具备的主要特征,这个时候“年龄、学历、性别、收入、婚姻状况、消费能力、信息获取方式、上网条件、..”可能都是对我有参考价值的数据,但那些才是最重要的呢?分析后很快就可以发现,比较而言“年龄、收入、上网时间、上网条件”都不是最重要的,“消费能力”、“信息获取方式”在这里才是最重要的特征。这些数据背后才更能代表用户的行为逻辑和需求。(如果不是很明白这个结论,稍后再《Desing IT.》第8篇左右会谈到)。

  3、不筛选数据

  做一个优秀的设计者,首先必须善于“提问”。“提问”的水准和设计水平基本成正比。要什么样的数据,什么样的数据可以帮我解决这些问题和疑问?这个很简单,一罗列你可以想到很多很多。但,事实上数据类型到达一定数量后,类型越多,反倒越不利于对于结论的判断。因为,不同数据类型之间会产生相互的干扰,有些时候次要问题可能会战胜主要问题,影响最终的结论。

  在实际项目中,解决了主要问题,次要问题可能就会很自然的被稀释了。获取数据也一样,必须搞清楚什么样的数据最能说明这个问题?确定这些会使分析过程的精力更加集中。把主要的几个问题想穿、打透,其他问题很快就会迎刃而解了。

  很多时候不是解决不了问题,而是想解决的问题太多;很多时候不是数据不够,而且想要的数据太多。还比如,想要了解如何解决“购物搜索”的需求,其实 只要关注好“信息获取方式”、“消费能力”、“决定购买的因素”基本就能解决很多问题,盯着“用户是男是女,8岁还是80岁”,只能是耗费精力。

  不去筛选数据,还有一个很大的危害就是:“因为没有筛选,所以不能把关心的数据点看透彻”。

  比如,很多人都在夸开心网的推荐做的好,很多用户在上面找到了自己的“同学”,于是定论为“算法的技术好”。其实如果专注关心“开心网为什么打通用户关系这么快”的人,经过详细分析后是不会得到“技术好”这个结论的。根据我的观察,我比较赞成麦田的结论:“开心网把校友录的数据库用进去推荐算法里面了”, 我甚至认为开心网的推荐里面不只是用了“校友录”的数据库,还有更多其他数据库。 (麦田对于数据的分析虽然是偏市场和运营性的,但其实对于产品设计的促进一样很大,而且他确实是一个观察数据很细,研究数据很深的人)

  4、不关注数据采集的方式和方法

  当我们为某个项目寻找方向或者确定某个决策,需要一些数据的支持,以便了解状况并确定思路。这个时候,不仅需要给出“需要什么样的数据”这个需求,同时还应该包括如何得到这些数据。

  很多时候,我们只提出需要什么样的数据,并不去提出要求如何得到这些数据的方式、方法,完全依靠调研者的经验去获取数据,这是不可取的。因为这样来的数据对结果的帮助是不准确的,甚至往往会出现误导。因为调研过程中不同的方式方法,得到的结果会不一样。

  比如,还是要做一个购物搜索的网站,你给出的“需求”不应该只是“用户目前获取信息的方式”、“搜索的商品类型”等,还应该包括数据的来源,以及获取的方法。现有搜索网站?问卷?电话?…

  不同的方式方法,渠道,得到的数据是不一样的。不同水平的人采集到的数据结果也是不一样的。

  往往我很同情国内的同行,大家能找到靠谱的数据真的少的可怜。就拿行业数据来说,基本上国内没有一家第三方机构可以提供靠谱的数据。XX统计局就不说了,比如商业机构艾瑞,他的数据丝毫不具备可信度。最根本的,我们可以去看看尼尔森在欧美(不要看国内的尼尔森,那是同样的不靠谱。跟他们合作过一次,东西做的一塌糊涂)的一些问卷,从问卷设计的逻辑、采集方式、统计方法,甚至包括“埋地雷”的方法,都高出国内这些数据提供商一大截。(比如一个细节:去 尼尔森在欧美的一些问卷试试,如果你是玩的心态,很快就会被说“谢谢你参与调查”。因为,他们很快就通过“地雷”判断出你并非真正的采集对象,很快就把你踢走了,而国内的你可以随便玩)

  有些时候,如果实在没有办法,去做小量的抽样数据,也比那这些不靠谱的数据去分析强。

  5、只用定量数据,没有定性数据

  还说那个最老土的例子:

  沃尔玛每天总重要的事是“想尽一切办法,把货架摆好,让顾客更快的找到,更快的走掉”。事实上,当他们的MBA(商业数据分析)人员通过庞大的数据处理系统发现,啤酒和尿布的销售曲线惊人相似的时候,他们其实只能得到一个“结论”。但,这些知识定量的数据,并不能挖掘出本后的顾客行为,以及为什么会造成这 个现象。这个时候,如果靠“分析”、“猜测”是不能得到正确结论的,方法只能是去结合“定量”的研究,通过具体观察和调研了走到用户身边,最终才能了解到 “因为,在美国一般都是男人去买尿布的,而在沃尔玛就算买1美元的东西也要排队半个钟结帐,男人们这个时候就顺手拿了啤酒犒劳一下自己”。

  海量的定性数据,只能告诉我们结论,不能告诉我们背后的原因。同样,如果只有定性的数据,往往看到的现象可能是片面的,结论可能是有偏差的。

  有时候,定量更多的是为了定性。

  6、其他常见的数据分析误区:

    (1)、只关心数据结果,不关心过程

    比如,就知道那个广告的流量大,没注意那个广告比别的大三倍

    (2)、只看大数据,不看小数据

    比如,只发现交易量疯狂增长了,没注意虚假交易疯狂上升了。

    (3)、只看数据表象,不看发展过程

    比如,只知道现在的行业分布均衡,没发现曲线的前方已经出现裂痕。



【产品经理如何进行数据分析】相关文章:

如何进行数据分析07-10

产品数据库:如何分析数据07-10

学会如何进行数据分析07-10

如何进行网站的广告数据分析?07-10

调查贴:如何进行SEO数据分析07-10

如何有效地进行数据挖掘和分析?07-10

百度竞价如何进行数据分析07-10

如何对二代测序数据进行质量分析?07-10

电子商务如何进行运营数据分析07-10

数据分析之如何用数据?07-10