百度大数据 前百度大数据部技术经理：如何用数据驱动产品决策？

内容来源:2017年9月24日，大家都是产品经理，主持“2017中国产品经理大会:解码未来产品经理”。作为嘉宾，桑文峰发表了“如何用数据驱动产品决策？”演讲。笔记本人作为独家活动笔记伙伴，由主办方和主讲人授权审核发布。

今日笔记骑士|杨主编|戈多

独家首发，完整笔记和商业思维

本文新鲜度:★ ★ ★ ★口感:胡萝卜苹果汁

产品经理需要什么技能？

如何用大数据分析引入产品分析？

数据分析对产品分析有什么价值？

我在百度做了8年的数据相关的事情，但是创业的这两年还是在做数据相关的事情，所以说的会比较技术性。

我们峰会的主题是变化，一个是需求的变化，一个是自我的变化。我们的能力需要改变。我觉得要有数据分析的能力。

一，数据分析的价值

首先说一下数据分析的价值。我把2000年后的互联网分为三个阶段:

2000-2006:是流量时代。这个时代，有三个门户，百度，腾讯，阿里巴巴。这时候我们在争流量。

2006-2011:是用户时代。比如开心，大家，Facebook，这次对比的用户数量，每月活动，每天活动等等。

2012年-现在和未来5-8年:订单时代。比如12年互联网plus、O2O、互联网金融中的团购，包括直播等。

我们看到一个趋势:互联网行业越来越精细化。从关注流量到关注用户到交易，越来越细致，越来越需要数据。

那么数据的价值是什么呢？我把它分为两个方面:

第一，数据驱动决策。

比如做老板，接下来要往什么方向走，这个需要数据；作为产品经理，需要数据进行修改、评估和操作；管理需要数据沟通。

第二，数据驱动的产品智能。比如用AI来改变这个产品，可以让产品本身具有学习能力。

但今天我想重点讲的是:数据是如何推动产品改进和产品迭代的？

二、数据分析的四个关键环节

我们说要重视数据分析，但是要做好是很有挑战性的。

比如你需要一条数据，但是不能直接给你看。数据可能需要由数据工程师统计。可能要一个月才能出结果，也可能一个月不算。或者说，给你一个宏数据，你想分析就分析不出来。

会有各种实际问题，需要时间和成本。理想情况下，每个业务人员都可以从底层数据系统中掌握数据并支持产品分析。

当一个产品发展到一定程度，就会达到理想状态，这个阶段就很难突破。IPhone从2007年开始做了很多产品迭代，本质上没有太大区别。

作为产品经理，任务是解决某个问题。需求确定后，无非是改变产品，解决问题，使产品达到理想状态。

很多产品都是不止一家公司做出来的，整个过程要看哪家公司先进入理想状态。所以这个过程是在思考如何让你的产品迭代得更快。有数据是更好的方法。这些问题是常见的情况，我们将其归因于需求驱动。

我把数据分析从下至上分为数据采集、数据建模、数据分析、指标四个环节。

1.数据采集

要做好数据，数据源非常重要。数据分析要考虑:①如何收集数据？②如何分析数据？

更重要的是如何收集好底层数据。我把它归结为四个字:“大”、“全”、“细”、“时间”。

大:“宏观大局”；

完整详细:“数据收集更完整详细”；

比如一个电商产品，需要分析不同身高的人之间的贸易差距。如果不收集高度维度，则无法分析。所以，更完整更细致的收集是非常重要的。

时间:“时效性”。

一年后给你一个数据，还是下一秒给你一个数据，差别很大。比如产品的改版没有效果，知道的很晚就会流失很多用户。当我们做数据的时候，我们应该以更完整、更详细、更及时的方式收集数据。

收集数据有三种方式:

可视化/全埋点；

代码嵌入点；

导入辅助工具。

2.数据建模

数据收集就是用不同的方式收集，然后对数据建模。所谓建模，就是对数据进行重组，让产品经理能够理解。

3.数据分析

数据分析方法层出不穷。我们从两个角度来看分析方法:一个是广度，一个是深度。

所谓广度，就是分析一个人，一个群体，或者整体，看是什么力量。

所谓深度，就是看用户的行为，在乎点击数和访问量；或者看用户的购买操作和操作之间的顺序关系。需要根据不同的分析场景来看哪种分析方法更好，分析方法可以组合使用，而不是只用一种方法解决问题。

比如一个“睁开眼睛”的例子:

一个朋友圈分享了一个视频，视频底部附有下载指南，使用Android的用户下载次数相对较少。然后对这件事进行多维分析，通过屏幕的宽度和高度还原场景分析。发现屏幕的宽度和高度对这件事有影响。没有多维度的分析，只能来自感觉，找不到问题。

第一次，基于核心用户。我们选择了35万核心用户进行个性化推荐。前后花了三个多月，结果很失望。

所以我们进行了第二次尝试，基于所有用户进行个性化推荐，而不是之前只针对核心用户。

随后，我们根据用户的搜索和被访问页面的标题训练兴趣模型，然后为每个用户抽取权重最高的五个兴趣词。当用户访问百度知道详情页面时，我们根据每个用户的兴趣词进行实时搜索，将7 ~ 8个需要解决的问题放在页面右侧。这种尝试效果很好。新版上线后，百度知道的答案数量增加了7.5%。

4.指示器

最后，底层做的再好，我们经常用的是指标。我们可以通过这些指标更好的表达产品。

我们将产品开发阶段分为三个阶段:

第一阶段是MVP(最小可行性产品)，MVP是试用阶段。

第二阶段是成长阶段。如何让数据规模和用户规模更快？

第三阶段是收益阶段。

不同阶段，根据阶段建立指标。

我经常和创业团队聊天，问他们现在的指标是什么。几个人在一起聊天，每个人说话都不一样。一个企业一个阶段的指标要有重点，只在一个阶段改变。

比如三只松鼠会不会和守在这个阶段担心相同的主要指标？可能不一样。守不缺用户，但要提高用户活跃度；三只松鼠可能用户不够，要吸引用户。因为产品不同，用户也不同。

确定产品指数的另一种方法是盗版指数法。

2007年概念提出至今已有10年，但完全过时。

一个是用户触摸，一个是用户激活，还有用户保留。归结为三个问题:你的用户是怎么来的？如何留住用户？你是怎么从用户身上赚钱的？

第三，数据驱动的产品迭代

前面简单讲了一下过程，但是过程真正落地的挑战还是很大的。接下来，我们来看看产品迭代。

有本书叫《精益创业》，讲了两个方面:一点是关于MVP(最小可行产品)；另一个核心点是将大数据分析引入产品迭代的思路。

我们觉得做一个产品就是想一个功能去做，不断的给它添加功能，但是要看你的天赋，才会不断碰壁。

科学的方法是引入数据分析，利用数据进行分析。

比如发现用户流失较大，就要先解决这个问题，然后再上线。上线后会看用户流失情况，收集数据看结果。所以数据分析是一种技能，让产品的分析更科学。

举个百度知道的例子。产品经理说，每个暑假用户数都在增加。随着移动互联网时代的到来，百度做了一系列的应用，每个产品都做了相应的一个。

后来经过数据分析，发现还有很多用户在做产品的功课，所以要从产品迭代的角度来做这个产品更好，也就是百度最好中最好的理念。

后来加了一个按钮专门提问，另外加了20%到30%的用户。然后单独做了一个做作业的APP，现在是作业帮助。

这是一个产品经理应该做的，通过数据发现问题，然后解决问题。数据分析是一种使产品分析更加科学的方法。

比如官网对官网做了一个修改，产品经理说修改的目的是让产品的内容丰富或者美观。我说不是结束，我是看注册用户数。所以我们在不断的添加函数，不断的使用数据分析，迭代升级，看哪个版本更好。

第四，数据驱动的用户激活和保留

用户来你的产品真的是你的用户吗？其实并不总是必要的。有些营销活动访问了很多用户，但最终真正存活下来的很少。

比如你不买电商网站，是你的活跃用户吗？我们更关心的是如何激活和留住用户。

也就是要找到用户的Aha时刻，我们得好好想想。你的用户激活流程是怎样的？

当然也要注意打开用户ID。用户无法浏览和注册。这个过程需要一些技术手段来串操作。

比如互联网金融的一个例子。当用户进来安装应用程序并启动它时，会有一个欢迎页面。用户注册时这个欢迎页面真的有用吗？如果你是用户，注册的时候会看吗？

我们需要看看数据。如果我们发现转化率有所提高，我们会对其进行改进，使其获得更高的转化率。

另一种是添加一些指南，比如新手指南。根据数据，我们可以看到这些功能是否有效。如果它们有用，我们会改进它们。如果不是，我们就不使用它们。

另一种是留存，比如回购、次日留存、每周留存等。我们需要分析来自不同渠道的用户。那么我们应该看什么来留住人才呢？

第一点是要注意挽留；二是提高留存；第三点是使用留存。

为什么要注重留存？说到底，我们是做生意的，做生意的原则很简单。我们从用户那里获得的比我们投资的多。

如何提高留存率？第一，做一个真实有用的东西；二是做好经验工作。你需要给用户带来价值。产品均可替代。你需要不断改进，需要不同的手段来升级不同的产品。

留着有多好？如果没有标准答案，产品就不一样，留存率提高。

第五，数据驱动着陆

最后说两句，这个数据驱动是一个全面的数据驱动，市场上的每一个角色都是随着大数据的流动而引入的，让一个公司能够充分充分的利用数据驱动。

最后，我给你推荐几本书:

组织者档案-

人人都是产品经理(woshipm.com)是国内规模最大、最活跃的以产品经理和互联网运营为核心的学习、交流、分享社区。它集媒体、教育、招聘和社区活动于一体，为产品经理和运营商提供全方位服务。微信微信官方账号woshipm。

自7年前成立以来，已举办在线讲座500余场，线下活动300余场，覆盖北京、上海、广州、深圳、杭州、成都等10多个城市，在互联网行业得到广泛关注和好评。社区目前拥有300万忠实粉丝，其中产品经理占70万，中国75%的产品经理都在这里