產(chǎn)品經(jīng)理要知道的數(shù)據(jù)公式

不管是哪個(gè)行業(yè)，當(dāng)前處于哪個(gè)階段的產(chǎn)品經(jīng)理，躲不開(kāi)的一個(gè)詞便是：數(shù)據(jù)分析。提到數(shù)據(jù)分析，它一般會(huì)出現(xiàn)在以下的場(chǎng)景中：

做版本規(guī)劃時(shí)，需要設(shè)立數(shù)據(jù)指標(biāo)來(lái)進(jìn)行功能驗(yàn)證

功能上線后，需要數(shù)據(jù)復(fù)盤來(lái)指引迭代的方向

結(jié)果異常時(shí)，通過(guò)數(shù)據(jù)來(lái)快速定位問(wèn)題

周報(bào)日?qǐng)?bào)，需要在眾多的數(shù)據(jù)中識(shí)別需要呈現(xiàn)的重要數(shù)據(jù)

通過(guò)數(shù)據(jù)洞察，找到產(chǎn)品的各種增長(zhǎng)場(chǎng)景

像大多人一樣，幾年前我也是試圖尋求各種數(shù)據(jù)分析的書籍來(lái)找答案，在翻看了十幾本數(shù)據(jù)分析的書后，結(jié)論如下：沒(méi)想到這個(gè)行業(yè)發(fā)展之快，書籍的出版速度已經(jīng)遠(yuǎn)遠(yuǎn)跟不上行業(yè)需要了！就像是你手里拿著一個(gè)iPad在看windows 95視窗操作系統(tǒng)的使用手冊(cè)一樣難過(guò)。

圖1.1 市面上熱門的數(shù)據(jù)分析書籍

但是，經(jīng)過(guò)這幾年的摸爬滾打，我的產(chǎn)品從0用戶做到2300w+后，我結(jié)合了數(shù)據(jù)分析的各種場(chǎng)景以及產(chǎn)品的不同特性，提出來(lái)一套簡(jiǎn)單又具備實(shí)操性的數(shù)據(jù)分析五步法。

我的團(tuán)隊(duì)掌握了這套數(shù)據(jù)分析方法后，發(fā)現(xiàn)問(wèn)題與解決問(wèn)題的能力相比于之前的“聽(tīng)天命，撞運(yùn)氣”時(shí)代提升了300%不止。

不得不說(shuō)，這是一套非常具有實(shí)操性的數(shù)據(jù)分析方法，如果你是小團(tuán)隊(duì)，創(chuàng)業(yè)公司，或者野生產(chǎn)品經(jīng)理，那么請(qǐng)一定要好好理解它，它是你產(chǎn)品經(jīng)理精進(jìn)路上的催化劑。

數(shù)據(jù)分析思維

在開(kāi)始探討數(shù)據(jù)分析萬(wàn)能公式之前，我先來(lái)問(wèn)你一個(gè)問(wèn)題：你覺(jué)得數(shù)據(jù)分析是一種方法工具還是一種思維方式呢？

我見(jiàn)過(guò)兩種類型的產(chǎn)品經(jīng)理：

第一類，先假設(shè)結(jié)論，然后去找數(shù)據(jù)來(lái)證明自己的結(jié)論是否正確，如果不正確再去做新的假設(shè)。

例如：功能A上線后，發(fā)現(xiàn)新增用戶多了，于是假設(shè)結(jié)論：A功能帶來(lái)了新用戶。下一步操作去找能證明此猜想的數(shù)據(jù)，并羅列出來(lái)。如果無(wú)法找出此數(shù)據(jù)，再做新的假設(shè)。

第二類，先不做任何假設(shè)，比較當(dāng)前版本數(shù)據(jù)和之前版本數(shù)據(jù)之間的差異，然后分析原因。

例如：功能A上線后，發(fā)現(xiàn)新增用戶多了，于是比較前后兩個(gè)版本的新增用戶數(shù)據(jù)，看看來(lái)源渠道，功能使用，訪問(wèn)內(nèi)容等差異數(shù)據(jù)，找出最大差異點(diǎn)，然后深挖原因。

對(duì)照上面的描述，看看你屬于哪一類呢？

第一類產(chǎn)品經(jīng)理的思維方式很像中學(xué)生解應(yīng)用題，而“解題家”只能證明自己，無(wú)法推動(dòng)業(yè)務(wù)。而第二類產(chǎn)品經(jīng)理，在兩組數(shù)據(jù)中做對(duì)比，然后抽絲剝繭從而找到問(wèn)題的真相。這才是產(chǎn)品經(jīng)理需要具備的數(shù)據(jù)思維。

所以，數(shù)據(jù)思維的本質(zhì)就是站在毫無(wú)立場(chǎng)的客觀數(shù)據(jù)前，找到核心指標(biāo)，來(lái)對(duì)比業(yè)務(wù)中的兩組變量之間的關(guān)系，從而解釋業(yè)務(wù)，并引領(lǐng)業(yè)務(wù)前行。

也就是我們常說(shuō)的，沒(méi)有對(duì)比的數(shù)據(jù)毫無(wú)意義。

數(shù)據(jù)分析五步法

接下來(lái)，我們一起來(lái)探討五步法的具體操作。

2.1 第一步：感知問(wèn)題

顧名思義，就是需要具備判斷問(wèn)題是否存在的能力。比如產(chǎn)品的健康度如何？一個(gè)功能達(dá)到什么樣的指標(biāo)才算成功？頁(yè)面的轉(zhuǎn)化率是否正常？等等。

有天賦的產(chǎn)品經(jīng)理靠直覺(jué)來(lái)判斷，而有經(jīng)驗(yàn)的產(chǎn)品經(jīng)理靠的是方法。要獲得感知問(wèn)題的能力并不難，其實(shí)只要看瞄準(zhǔn)一個(gè)指標(biāo)即可，這個(gè)指標(biāo)就是OMTM（One Metric That Matters ），俗稱北極星指標(biāo)。

它是最能代表你產(chǎn)品健康度的縮影，但這也并不意味著完全不需要看其他的指標(biāo)了。只有北極星指標(biāo)能最直接、最快速地反應(yīng)問(wèn)題。

那如何找業(yè)務(wù)的北極星指標(biāo)呢？其實(shí)常見(jiàn)的互聯(lián)網(wǎng)產(chǎn)品無(wú)非就是以下的四種業(yè)務(wù)形態(tài)，或者這四個(gè)業(yè)務(wù)形態(tài)的合集：

黏著式增長(zhǎng)引擎

北極星指標(biāo)：留存

工具、內(nèi)容、資源類的產(chǎn)品都屬于黏著式增長(zhǎng)引擎（例如：百度、小猿搜題、知乎等）；這類產(chǎn)品的本質(zhì)是解決了用戶的某一部分需求，用戶今天用了明天、后天還會(huì)回來(lái)用，從而帶來(lái)了新的增長(zhǎng)。

根據(jù)海盜模型AARRR，用戶從獲取，注冊(cè)，活躍，留存，再到最終的轉(zhuǎn)化。判斷這類產(chǎn)品是否健康，北極星指標(biāo)就是留存率。只有留存率提升了，才能帶來(lái)真實(shí)的用戶增長(zhǎng)。

一般情況，建議觀察次留、三留和七留。拿工具型產(chǎn)品為例，40%的次留，20%的七留算是比較優(yōu)秀的了。當(dāng)然數(shù)值并不絕對(duì)，最好和行業(yè)同類產(chǎn)品對(duì)比，和自己的前一版本對(duì)比，這樣才有更客觀的判斷。

付費(fèi)式增長(zhǎng)引擎

北極星指標(biāo)：用戶生命周期價(jià)值>獲客成本

課程類、絕大多數(shù)B端產(chǎn)品、會(huì)員類產(chǎn)品等都屬于付費(fèi)式增長(zhǎng)引擎（例如：VIPKID、saas系統(tǒng)服務(wù)、愛(ài)奇藝等）；這類產(chǎn)品的本質(zhì)是提供某一類服務(wù)供用戶消費(fèi)，當(dāng)企業(yè)有了利潤(rùn)才能投入再生產(chǎn)，從而開(kāi)拓新的市場(chǎng)或新的服務(wù)。

此類產(chǎn)品的業(yè)務(wù)邏輯是從獲客，到銷售轉(zhuǎn)化，需要產(chǎn)生利潤(rùn)才可能驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。判斷這類業(yè)務(wù)是否健康，就是看客戶終生價(jià)值是否大于獲取成本。所以北極星指標(biāo)是：CAC＜CLV

注：

CAC（Customer Aqusition Cost）客戶獲取成本

CLV (Customer Lifetime Value) 客戶終生價(jià)值

在線教育行業(yè)，經(jīng)過(guò)這一兩年的投資機(jī)構(gòu)瘋狂催熟，獲客成本進(jìn)一步水漲船高，猿輔導(dǎo)的一個(gè)正價(jià)課獲客成本甚至高達(dá)3000元，這樣算下來(lái)，除非有非常高的正價(jià)課轉(zhuǎn)化率與續(xù)費(fèi)率，否則很難獲得盈利。

爆發(fā)式增長(zhǎng)引擎

北極星指標(biāo)：病毒系數(shù)K

裂變運(yùn)營(yíng)活動(dòng)，話題性事件等都屬于爆發(fā)式增長(zhǎng)引擎。例如砍價(jià)、拼團(tuán)、瓜分紅包、雙11電商促銷活動(dòng)、美國(guó)大選等等。這類產(chǎn)品的業(yè)務(wù)邏輯就是短時(shí)間內(nèi)是否能迅速傳播，因?yàn)闀r(shí)效性強(qiáng)，一般過(guò)了48~72小時(shí)活動(dòng)就不再有效了。

此類產(chǎn)品的北極星指標(biāo)是病毒系數(shù)K（ K=I * Conv=分布密度×感染強(qiáng)度）只有當(dāng)K>1時(shí)，裂變才能進(jìn)行下去。

注：

I：Invitation，即每個(gè)用戶發(fā)送的邀請(qǐng)數(shù)量，反映了分布密度

Conv ：Conversion rate，即每個(gè)邀請(qǐng)成功的概率，反映了感染強(qiáng)度

這些年最成功的幾個(gè)裂變運(yùn)營(yíng)活動(dòng)當(dāng)屬花小豬和微粒貸。從獲知的數(shù)據(jù)推算，K值應(yīng)該在3.6以上，也就是說(shuō)平均一個(gè)用戶帶來(lái)了3~4個(gè)新用戶。這就是病毒傳播的魔力。

其他業(yè)務(wù)形態(tài)

北極星指標(biāo)：簡(jiǎn)單指標(biāo)&復(fù)合指標(biāo)

業(yè)務(wù)不屬于以上的任何一種，這種情況下一些簡(jiǎn)單指標(biāo)，例如：頁(yè)面PVUV、登錄用戶量、頁(yè)面停留時(shí)長(zhǎng)、活躍用戶數(shù)等，能幫助你快速的了解產(chǎn)品狀態(tài)。

如果我們把這些簡(jiǎn)單指標(biāo)做一個(gè)除法，就會(huì)得到一些有魔法的復(fù)合指標(biāo)，例如：

頁(yè)面PV/訪問(wèn)數(shù)量=平均訪問(wèn)深度；

訪問(wèn)時(shí)長(zhǎng)/訪問(wèn)數(shù)量=平均訪問(wèn)時(shí)長(zhǎng)；

每周付費(fèi)用戶/用戶活躍數(shù)=平均每周每人購(gòu)買數(shù)量

這些復(fù)合指標(biāo)能一眼就觀察到產(chǎn)品的用戶真實(shí)情況。

當(dāng)然，大部分的產(chǎn)品都是以上各個(gè)業(yè)務(wù)形態(tài)的合集，針對(duì)產(chǎn)品的不同模塊，可以監(jiān)控不同的北極星指標(biāo)。并且，隨著產(chǎn)品的不斷發(fā)展北極星指標(biāo)也需要跟著一起變化。例如：愛(ài)奇藝，在很早的時(shí)候北極星指標(biāo)應(yīng)該是用戶的留存和平均訪問(wèn)時(shí)長(zhǎng)；但是現(xiàn)在業(yè)務(wù)規(guī)模發(fā)展壯大了，北極星指標(biāo)應(yīng)該是付費(fèi)用戶數(shù)與營(yíng)業(yè)額了。

2.2 第二步：提出假說(shuō)

當(dāng)我們感知到了產(chǎn)品出了問(wèn)題，但原因可能是什么？這個(gè)時(shí)候就需要針對(duì)現(xiàn)象來(lái)提出假設(shè)了。我推薦以下兩種方法：

方法1：歸納式，就是根據(jù)個(gè)案進(jìn)行總結(jié)。

例如一個(gè)知識(shí)付費(fèi)產(chǎn)品用戶的付費(fèi)問(wèn)題：團(tuán)隊(duì)可以一起頭腦風(fēng)暴，提出各種可能的因素；也可以對(duì)分層的用戶進(jìn)行抽樣深讀訪談，了解他們不使用或繼續(xù)用下去的原因及看法；然后來(lái)歸納驗(yàn)證。

方法2：演繹式，就是根據(jù)模型進(jìn)行推演。

例如：針對(duì)部分用戶在打開(kāi)app后跳出的問(wèn)題，可以根據(jù)對(duì)用戶行為模型進(jìn)行拆解，而拆解的有效與否，其實(shí)就是對(duì)用戶行為的理解，用戶的行為模型多少有關(guān)。

提出假說(shuō)，是一個(gè)思維發(fā)散的過(guò)程，此時(shí)不拒絕任何可能性。在這個(gè)過(guò)程中，補(bǔ)充各個(gè)維度的思考是非常有必要的。

2.3 第三步：選擇表征

有哪些證據(jù)可以證明以上問(wèn)題？到這一步，麗莎阿姨要送給你的一句話：If you can’t measure it, you can’t improve it.（不可被數(shù)據(jù)量化，就不無(wú)法證明其好壞。）

經(jīng)常有產(chǎn)品經(jīng)理會(huì)這樣描述情況：反饋這個(gè)問(wèn)題的用戶挺多的，所以我們就做了這個(gè)XXX功能。

然后我都會(huì)追問(wèn)幾句：挺多的是多少？這部分用戶占你全量用戶的多少？“挺多的”這部分用戶他們是你的核心用戶嗎？

所以…作為一個(gè)邏輯清晰的產(chǎn)品經(jīng)理，講數(shù)據(jù)的時(shí)候請(qǐng)用量化的語(yǔ)言準(zhǔn)確的描述，好嗎？拉鉤鉤…

在選擇數(shù)據(jù)表征時(shí)，有一些注意事項(xiàng)：

選擇的數(shù)據(jù)表征能夠充分代表提出的假說(shuō)的內(nèi)涵；

選擇的數(shù)據(jù)盡量是用戶客觀行為數(shù)據(jù)而非主觀態(tài)度數(shù)據(jù)；

選擇的數(shù)據(jù)是有被記錄或比較容易獲取。

仍然沿用前面的例子：

這樣下來(lái)，數(shù)據(jù)分析思維的前三步就被很好的建立起來(lái)了。

2.4 第四步：收集數(shù)據(jù)

從感知問(wèn)題、到假設(shè)原因再到選擇表征，接下來(lái)就是收集數(shù)據(jù)了。這一步可以說(shuō)是數(shù)據(jù)分析里面最不需要?jiǎng)幽X子的一步，產(chǎn)品只要有基礎(chǔ)數(shù)據(jù)平臺(tái)，就很容易獲取到基礎(chǔ)數(shù)據(jù)。

但這一步也需要注意：

一切能獲取到數(shù)據(jù)的前提是做了相關(guān)的數(shù)據(jù)埋點(diǎn)

當(dāng)數(shù)據(jù)出來(lái)后，不要著急分析，先看看是否合理，要去掉明顯不合理的數(shù)據(jù)。記住，對(duì)開(kāi)發(fā)小哥的數(shù)據(jù)上報(bào)要永遠(yuǎn)抱有懷疑態(tài)度（哪怕他把胸脯拍到爛）。

2.5 第五步：分析驗(yàn)證

這一步就是利用你小學(xué)數(shù)學(xué)知識(shí)的時(shí)候了！！

很多產(chǎn)品經(jīng)理會(huì)把這一步作為數(shù)據(jù)分析最重要的一步，花很多時(shí)間在數(shù)據(jù)分析、圖表繪制上，但在我看來(lái)，這一步其實(shí)已經(jīng)不那么重要了。做分析驗(yàn)證，可視化圖表是很棒的工具。

一般來(lái)說(shuō)只要確定好了x與y軸的含義和數(shù)據(jù)，通過(guò)數(shù)據(jù)可視化的方式，表現(xiàn)出x與y的關(guān)系，就能發(fā)現(xiàn)其中是否存在有價(jià)值的規(guī)律了。發(fā)現(xiàn)x與y存在某種關(guān)系的時(shí)候，最好通過(guò)數(shù)據(jù)進(jìn)行再次驗(yàn)證。選擇另外一組數(shù)據(jù)，再次進(jìn)行分析，看確定的關(guān)系是否再次被復(fù)現(xiàn)。

那如何選用數(shù)據(jù)可視化圖形呢？以下是我整理的一些規(guī)律：

只有一個(gè)變量，且相加為100%的情況下，用餅圖來(lái)展示，例如：用戶來(lái)源渠道

當(dāng)有兩個(gè)變量存在，用折線圖與柱狀圖，例如：不同時(shí)間段內(nèi)用戶的留存情況

用演繹法推導(dǎo)用戶行為，用漏斗模型，例如：運(yùn)營(yíng)活動(dòng)最終的轉(zhuǎn)化率

不要沉迷在圖形繪制上，其他看起來(lái)很叼的數(shù)據(jù)可視化都是紙老虎，除了浪費(fèi)時(shí)間外并不能幫你發(fā)現(xiàn)問(wèn)題，還不如直接展示excel表格（嚴(yán)肅臉）

下方的數(shù)據(jù)可視化圖表使用建議，請(qǐng)各位自取自用：

3、寫在最后

數(shù)據(jù)分析能力，是產(chǎn)品經(jīng)理必備的技能之一。一旦具備了數(shù)據(jù)思維，做產(chǎn)品的視野與思考方式便會(huì)有質(zhì)的飛躍；但是要注意，通過(guò)數(shù)據(jù)僅能讓你找到局部最大值，而更高的山峰只會(huì)建立在你更廣闊的視野與深厚的認(rèn)知上。