策略PM基础技能之数据分析

周末在AI产品经理大本营里看到一篇团员分享的关于数据分析的文章(点此看原文),文章中主要讨论了「策略」和「数据分析」方面的问题。由于与自身工作内容高度相关,遂把文章精华部分和自己的思考总结成此文。

分享文中精华PPT

此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述
此处输入图片的描述

个人相关思考

  1. 数据分析除了上述发现问题和验证问题的作用之外,实际工作当中数据分析还能提高沟通效率。例如,当我想要争取资源做一些产品上的调整或者申请一些站内热门广告位时,用数据说话比其他任何的理由更有效率,因为资源都是有限的,所有人都想用有限的资源创造更大的产出,作为PM更是如此。
  1. 完成一个产品目标,需要拆解目标,找问题,再制定解决方案,最后进行效果回归。

    目标拆解:「根据核心目标,拆解细分为目标计算公式」,需要先梳理清楚业务逻辑、产品的阶段性 目标。目标拆解至关重要,否则我们不清楚目标前提下,不知道数据分析是为了得到怎样的结论,就会迷失 在数据之中。例如,我现在需要「提升订单量」,可以拆解目标为如下计算公式:

    订单量=流量×转化率
    流量=内部引流+外部引流
    转化率=入口转化率×订单提交页转化率

    找问题:可以通过数据进行细分分析和对比分析,找出流量方向或转化率方向的问题。

    制定方案:在找问题到方向问题和解读问题的过程中,经过层层思考过滤,产品的解决方案慢慢形成。

    效果回归:这是数据分析进行验证的一步,最常用的是ABtest,可以通过「自身历史数据环比/同比变化分析」、「小流量实验之间控制变量对比分析」与「指标绝对变化与相对变化分析」来验证产品的效果。如果效果不错,再做进一步的推广到全平台;如果效果不行,要进行下个循环找问题-制定方案。

  2. 数据分析的原则。补充一个非常关键的点,「Correlation and causation are not the same thing」。很多时候两件事看似逻辑相关但其实没有因果关系,我们经常会犯归因错误,这其中核心原因是不求甚解,不去探究事物的本源。例如我上周做了一个产品优化点a,之后的几天发现数据往下掉,仅仅因为时间上吻合,我不深入思考就下结论数据下降是因为上线了a。于是作出决策下线a,但发现数据没升回来。纵然最后找到数据下降是因为b,但是错误就会造成资源浪费。

  3. 数据分析工具。熟悉SQL和Python在实际工作中将会大大提高效率。自己爬数据,写脚本,将原本需要别人帮忙的事情或手动重复的工作自动化,而且这基本是一本万利的事情。花一些时间写好脚本和SQL,之后很长一段时间都是自动化的,效率提升不用多说。

  4. 控制变量。实际工作中是很难设计出严格意义的实验组,即除了实验因素,其余的因素相同。可做的是每次只验证一个猜想,不要多个因素一起,这样会造成最终结果不可解释。

  5. 策略PM。策略是一种实现目标的手段。存在某类问题,该问题的最佳解决方案会受到多个因素的影响(不是恒定不变的),可以持续收集这些因素的变化,并根据变化随时调整解决方案,这种手段即为策略。策略PM需要精细化的运营和优化产品,因为问题复杂且受很多因素影响,这是一个需要不断循环才能达到较好效果的过程。