阿里产品经理：4个数据分析要点，解决用户真正痛点
本文作者为阿里产品经理，他认为数据应用有2种模式：“母爱算法”，用户要什么，就给什么，会越做越窄；而“父爱算法”，站的高、看的远，给到用户超出预期的产品。这背后需要产品经理，相信数据，不迷恋数据，透彻找到数据应用方法。
产品经理不再是单纯靠感觉做产品，更需要培养数据意识，能以数据为依归，不断改善产品。在数据已被有效记录的前提下，如何有效的分析数据呢？
要点一：明确数据分析目的
目的一：对比页面改版前后的优劣，则衡量指标应该从页面点击率，跳出率等维度出发。电商类应用要观察订单转化率，社交类应用要注重用户访问时长、点赞转发互动等频次。
不少新人在设计自己产品时，可能会花费很多时间在产品本身设计上，却没有花精力思考如何衡量产品的成功与否，在产品文档上写上一句类似“用户体验有所提升”的空话，这样既不利于产品设计顺利通过需求评审，也无法更有效的快速提高产品的KPI指标。
目的二：探究某一模块数据异常波动的原因，则分析方法应该按照金字塔原理逐步拆解，版本->时间->人群。
案例：首页“猜你喜欢”模块点击率从40%下降到了35%，暴跌5%个点。
1）先看哪个版本数据发生了波动，如新版本上线埋点遗漏或有误造成的；
2）数据是从什么时候开始变化的，如受到了圣诞、元旦等假期影响；
3）拆解流量来源构成，如新用户曝光数量增加导致的。
产品经理需要带着明确的目的去分析数据，思考实现目标需要构建哪些维度去验证。
要点二：多渠道收集数据
1）从行业数据分析报告获取
观察数据—> 提取有效信息—>剥离可能注水的数据—>警惕被人处理过的二手数据。
2）主动收集用户反馈
我经常会去社区论坛看用户评论，一般评论都有些极端，要么特别好，要么骂成狗，但这些评论对于自身产品设计的提升还是非常有益的，尝试反推用户当时当刻为什么会产生如此的情绪。
3）自行参与问卷设计、用户访谈等调研。
直面用户，收集一手数据，观察用户使用产品时所遇到的问题及感受。问卷需要提炼核心问题，减少问题，回收结果需剔除无效的敷衍问卷。注意不使用引导性词汇或问题去带偏用户的自然感受。
4）从已记录用户行为轨迹去研究数据
大公司一般会有固话的报表/邮件，每天甚至实时反馈线上用户数据情况，也会提供SQL查询平台给产品经理，更有深度的探究对比数据。
要点三：有效剔除干扰数据
1）选取正确样本数量，选取足够大的数量，剔除极端或偶然性数据影响
2008年奥运会上，姚明的三分投篮命中率为100%，科比的三分投篮命中率为32%，那么是不是说姚明的三分投篮命中率要比科比高？显示有问题，因为那届奥运会，姚明只投了一个三分球，科比投了53个。
2）制定相同的抽样规则，减少分析结论的偏差性
比如两条Push文案，第1条“您有一个外卖暖心红包未领取，最大的红包只留给最会吃的你，点击进入”，第2条“送你一个外卖低温福利，足不出户吃喝热腾美味，点击领取 ”。实验数据表明，第二条Push的点击率比第一条高了30%。真的是第二条文案更有吸引力吗？结果发现是第二条Push文案的接收人群的活跃度明显高于第一条造成的。
3）剔除版本或节假日因素的干扰
新版本刚上线时的数据表现往往会很好，因为主动升级的用户一般是高活跃度的用户。临近周末或大型节假日的时候，用户的消费需求会被触发，电商类应用的订单转化率也会直线上升。因此，在数据对比时，实验组 VS 对照组数据在时间维度上要保持对应。
4）对历史数据遗忘
人与数据技术不同，数据技术有着100%的记忆能力，而人类根据艾浩宾斯遗忘定律1天后只能记起33%，6天后25%，31天后21%。因此，我们要合理选择筛选时间段。
比如“猜你喜欢”模块，不仅要对兴趣标签计分进行加权处理，也要结合商品的生命周期等因素做一系列的回归实验，得出受众人群对各类兴趣和购买倾向的衰退曲线，利用有规律的时间变化有效删除老数据，去提升模块点击率。
5）正确使用A/B 测试
实验需拆分A1组，也就是在实验组B和对照组A上再增加一组A1，A1和A的规则保持一致，然后探究A/B的数据波动与A/A1比较，剔除数据的自然/异常波动带来的影响。
要点四：合理客观的审视数据
1）不要忽略沉默用户
产品经理在听到部分用户反馈时就做出决策，花费大量时间开发相应功能，可能这些功能只是极少部分用户的迫切需求，甚至有可能与核心用户诉求相违背，导致新版产品上线后数据猛跌。
忽略沉默用户，没有全盘的考虑产品大部分目标用户的核心需求，可能造成人力物力的浪费，更有甚者，会错失商业机会。
2）全面理解数据结果
如果实验结果预期与我们经验认知有明显偏差，请不要盲目下结论质疑自己的直觉，而是尝试对数据进行更透彻的分析。
曾经做过在首页给用户投放活动弹窗的实验，发现实验组的数据不管在首页的点击率、订单转化率乃至7日留存率方面都远超对照组，首页上的每一个模块的转化率都有明显的提升，远远超出预期，真的是活动弹窗刺激了用户转化率吗？
后来我发现在首页能够展示出活动弹窗的用户，往往在使用环境时的网络状态比较好，在wifi环境下，而未展示弹窗的用户则可能是在公交/地铁/商场等移动场景下，网络通讯可能不佳，因此影响了A/B实验的结果。
3）不要过度依赖数据
过度依赖数据，一方面，会让我们做很多没有价值的数据分析；另一方面，也会限制产品经理本来应有的灵感和创意。
母爱算法：正像罗振宇在时间的朋友跨年演讲上提到的一样：用户要什么，你就给什么，甚至他们没说出来你就猜到了，这叫母爱算法。但母爱算法有很大的弊端，跟着用户的需求做，会越做越窄。
父爱算法：站的高，看得远。告诉用户，放下你手里的烂东西，我告诉你一个好东西，跟我来。正像乔帮主当年打造的iPhone系列产品一样，打造出超出用户预期的产品。
总结：不迷恋数据，正确理解数据
美国最成功的视频网站Netflix通过基于用户习惯的分析，将大数据分析深入到电影的创作环节中，塑造了风靡一时的美剧《纸牌屋》。然而Netflix的工作人员告诉我们，不应该迷恋大数据。
如果说电视剧评分9分是精品的话，大数据可以让我们脱离低分6分以下的风险，却也会带我们按部就班的走向平庸的绝大多数7-8分之间。正确的理解数据，让数据真正嵌入到产品的设计中，切实解决用户的实际问题，方能真正做到所谓的“用户洞察”，让产品走到用户需求前面，超出用户的预期。
作者| Link，阿里巴巴产品经理；
转自| 人人都是产品经理；
原文链接：http://www.woshipm.com/data-analysis/572771.html
互动一下
再来一篇
被阿里收购、坐拥10万超级用户...这个App是如何做到的？
日分享量1000万，3.4亿用户，自拍类App如何在海外走红？
友盟+ U-App全新升级，新增自定义留存、自定义看板、人群画像、分群触达功能，一站式完成超级用户/高价值用户的运营：
用核心指标筛选并定义超级用户；
分析关键路径+特别事件，用户分群；
通过人群画像来验证和扩展；
触达和影响分群用户。
点击“阅读原文”，立即注册U-App
关于我们
【友盟+】，全球领先的第三方全域数据服务商。基于全域数据、数据技术和商业场景，构建以7亿消费者为核心，覆盖数据运营、数据营销、新零售数据服务、金融及手机解决方案的数据智能服务体系，驱动企业持续增长、增值、升级。