真正厉害的产品经理，都是“数据思维”的高手

产品刘

共 3562字，需浏览 8分钟

· 2021-06-05

市场上老有消息称，拼多多超过京东，成为国内仅次于阿里的第二大电商平台。

这个消息结论是否可靠呢？

我随手翻了几个信息，整理如下。

（数据来源于网络）

通过上面数据能知道。

京东在市值、GMV上都超过拼多多，仅从这两个角度看，不足以支持拼多多超过京东的结论。

在订单量上，拼多多远超京东。这得益于拼多多客单价低、京东客单价高。如果仅从这个角度看，勉强可以说拼多多是超过京东。

当时如果进一步分析，比如分析GMV，拼多多的增长速度是远超京东的，如果按照这个数据推测，拼多多超越京东就在这一两年。

结论靠不靠谱，都可以靠数据验证。

今天三哥概述下产品经理的数据思维。

数据对产品工作的价值

数据的价值，如何强调都不为过。不同的数据对不同的人价值不一样，同样的数据对不同的人价值也不一样。对于产品来说，数据的价值主要体现在以下几个方面。

1、发现产品存在的问题

老板通过公司经营指标发现公司经营存在的问题。

CFO通过财务指标发现公司财务健康状态。

产品经理通过业务数据可发现产品中存在的问题。

业务数据的背后是每个用户的行为的堆砌。如果数据有波动，一定是某些节点不同于往常，需要重点关注。

落地页到注册的转化率比前几天有下降。是不是新上线功能影响的？是不是用户推广渠道变化导致用户质量变化？

详情页到下单的比例有下降，是不是有bug？是不是优惠政策变化带来的影响？是不是新功能导致操作路径变长了？

数据波动的点，就是问题点，就是我们当前工作的重点。

2、辅助产品经理做决策

A方案和B方案，如果有数据支撑，能证明A方案比B方案好，那直接使用A方案。

A方案和B方案，如果暂没有数据支撑，不知道哪个优劣，可以做A/Btest，A/Btest上线后的数据表现，来决定我们是选择A还是选择B。

不管哪个方案，如果数据表现向好的方面发展，要放大这个效应，全面去应用让数据好转的措施。如果数据表现向不好的方面发展，快速定位导致数据波动的真正原因，给予解决。

不管是产品方向的决策，还是产品方案的决策，都能通过数据来指导。

3、评估新上线功能是否达标

每个新上线功能，有且只有一个最合适的指标来评估其效果。

如果一个功能需要多个指标来评估，要么这个功能不只一个功能，要么指标选择不对。

功能上线前，需要确定最合适的评估指标是什么？该指标能到达什么值？

功能上线后，需要跟进该指标，分析指标实际值、原值和目标值情况。

实际值<原值，效果不如之前，赶紧回滚到原来方案，然后排查原因是什么？来确定放弃还是继续迭代。

原值=<实际值<目标值，说明没有让该方案变得相比原来更差，但实际值为何低于目标值？低多少？是否有提升空间？分析清楚后再评估是继续改进还是放弃。

实际值>=目标值，说明达到目标，甚至超过预期，尽快大范围推广该功能，或举一反三，用类似思路去改造其他功能。

产品经理的数据观

1、无数据，不工作

对于产品经理起来说，新工作没有数据做指导，工作重点不明、方向不清。已做工作没有数据做指导，工作效果不明、迭代不清。

只有有数据的支撑，我们才能更加有理有据、走在做正确的事情的路上。

2、数据让一切问题无处可藏

线上bug，第一时间反馈在数据波动上。

产品流程不畅、体验不佳，第一时间反馈在转化漏斗上。

内容对产品没有吸引力，第一时间反馈在跳出率上。

推广渠道质量不好，第一时间反馈在和其他渠道对比的数据上。

总之，我们的产品问题，都逃不过数据的法眼。

3、用好数据即可，不需要我们成为数据产品经理或数据分析师

数据产品经理是搭建数据平台、为各数据需求方提供工具的人。

数据分析师，是从类似独立三方的角度来满足公司各数据需求方出数、分析数据、给分析建议的人。

产品每天看数据、随时看数据，但并不需要我们成为他们。

专业的人干专业的事，我们要做的是善于用已有的数据平台、已有的资源来获得我们需要的数据。

对于经常要看的数据，可固化或产品化。对于非常规数据，借助他人的力量完成。

当然，对于业务早期，如果没有数据产品经理、数据分析师，需要自己想办法搞定一些数，比如找技术。如果我们知道如何利用一些工具，比如MySQL查数，会更加主动、更加了解数据库和表的设计是否满足业务需求，但不是产品必须技能。

如何落地数据思维

对于产品经理如何落地数据思维，是很实操的事情了。三哥一直在实践的方法如下。

1、建立自己的数据指标体系

知道自己需要看什么数据，才知道如何获取数据、分析数据。

我们需要建立一套自己的每日观察的数据指标。

这套指标，不宜过多、过泛，宜精炼、简洁，能反馈出业务变化情况就行。

因为这套指标是我们每天要看的，每天要做的工作一定是“成本最小”的，否则会成为每天坚持的阻碍。

如果你是交易型产品，可参考这个公式做你的数据指标体系的拆解：销售额=流量*转化率*客单价*复购次数。

比如销量的指标，按渠道的流量指标，转化率的指标，金额和订单数指标，新老客的指标等。基本能覆盖业务全流程。

数据正常，就不要多花时间。数据有波动，就需要进一步去分析，找出波动原因。

只有心中有一套基于业务的数据指标体系，才能做到有的放矢。

2、数据是需求方案必填项

1）出需求方案时，确定核心评估指标

核心评估指标，一个即可，如果有多个，说明找错了，继续找。

确定核心评估指标的最有效方法是，我们做这个方案的目的是什么？要解决什么问题？一旦清楚目标或解决的问题，核心指标也就确定了。

确定核心评估指标后，也可再找1-2个辅助指标。

比如，我们在收银台新增加一个支付渠道，这个核心评估指标是什么呢？新支付渠道的订单占比？新支付渠道的支付成功率？都不是，这些可作为辅助指标。

我们增加支付渠道，如果目的是支付成功率由原来的80%提升到85%，那所有渠道汇总后的整体支付成功率，才是核心指标。

2）评审时，评审数据需求

需求评审阶段，需要和技术沟通：我们需要看哪些指标来评估这个项目，为了获取这些数据，技术同学需要做什么。

一般页面类的访问、点击等行为数据，借助第三方平台埋点即可完成，如GrowingIO、神策、GoogleAnalytics等，都是很好用的工具。

对于类似注册、下单、支付、状态等业务节点的数据，需要入库存储，特别是一些状态和时间的记录，需要基于我们的数据需求，和技术沟通清楚。

3）上线后，及时看数据和给相关人反馈

新功能上线后一两天，就需要观察数据情况，并给领导和项目参与人反馈该新功能的数据表现。

这能增加我们的专业度性和靠谱程度。

当我们做的项目，能做到和研发测试等项目相关人分享项目数据时，他们对我们新发起的需求接受度更高，因为他们觉得这个产品很专业、很靠谱。

上线后新功能的数据，一般要持续观察1周左右。后面可当做日常指标定期去看即可。

3、养成每天看数据的习惯

每天早上到公司的第一件事，看数据，看我们之前确定的核心指标，这是一个好习惯。

对于数据的表现，不管是正常还是异常，都丢在工作群里同步下，让大家知道目前的产品数据表现。

这样做一方面能获得来自团队的反馈，有反馈会进一步强化我们看数据的行为。另一方面也建立自己的靠谱的形象，能做到每天看数据，看业务指标，这就是靠谱。

对于每天早上看数据的习惯，如果还没有养成，三哥提供两个很实用的建议。

1）如果公司有每日站会，站会的第一件事先汇报上一天的数据情况。流程化确定下来，让我们不得不看。

2）设置好2个闹钟，间隔3分钟，频繁提醒自己要看数。

2周后，没有站会、没有闹钟，也成习惯了。这是一个让我们快速建立专业度、靠谱度好习惯。

总之，产品离开数据，就像开车走错方向，让你在错误的道路上越走越远。

可能有同学要问了，数据虽然很重要，但也不能迷恋数据。

我要说的是，我们多数人还没有到被数据带偏的地步。尽信数据，比自己瞎想强。

最后，也推荐大家关注他的公众号：产品笔记

最后，也欢迎有面试问题的小伙伴加微信：yw5201a1 沟通交流。

此外我们的官方网站也上线了，每日分享高质量的文章、原型素材和行业报告，小伙伴可自行前往索取，支持搜索，需要的小伙伴可点击底部的阅读原文直接查看，或者复制网址：www.dadaghp.com 打开。

更多干货可关注微信公众号：产品刘

想学习更多关于产品、职场、心理、认知等干货，可长按右边二维码，关注我们。

··················END··················

RECOMMEND