需求上线不会分析数据，大厂老兵教会你
产品经理的日常工作里，常常要做数据分析，很多同学对此很头疼。其实产品经理常做的数据分析工作，大体可以分为2种：
- 围绕需求上线做数据分析
- 日常or周期性的数据监控、盘点
今天我们重点来讲一下第1种，讲一讲需求上线后，数据分析应该怎么做？
一、分析结果
先说分析结果，一份及格的分析结果应该包含以下3点：
- 给这次的改动下结论。比如，是正向or负向？是否达到预期？
- 总结改动的主要影响。影响了哪些指标，具体涨跌比例是多少？
- 后续的to do。根据此次的情况做后续规划，是否需要继续迭代，如果需要，应该往什么方向做？具体做些什么？
二、分析思路
再说分析思路，可以从以下2个切入点入手，检查各数据指标的表现，遇到异常要重点研究、分析原因，2个切入点都要检查，才算完整完全。
1. 切入点1
需求上线先做合理预估，预估哪些数据指标会直接受需求上线的影响，用上线后的真实数据，跟预估做对比和印证。其中与预估不符的，需要重点分析、研究。
这要求你在需求上线前，就有能力预估出哪些指标会受影响，这就需要你日常有积累，足够了解你的用户，根据之前的实验结果，总结出规律和经验，才能提高预判的准确度。如果你刚接手某块业务，在这方面暂时没有积累，可以思考一下，当初做这个需求是为了解决什么问题？这个问题会影响哪些指标？理一下这些问题的答案，也能帮助你做合理预估。
注：想提高这方面能力，建议看看《俞军产品方法论》这本书，此处原引书中一段内容：
“如果你把方法论总结出来，在一定程度上证明了你的能力，那就提高了你做成另一个产品的’确定性’，企业也愿意为高一点的确定性买单。要形成方法论，很重要的一点是，要多做不同的业务，通过在新旧业务中比较异同，发现旧经验的适用和不适用，思考其中的通用性高低。”
2. 切入点2
拉出所有的大盘基础指标，观察需求上线对这些指标的影响，是否有预期外的变化。如果有某个指标，原本预估需求上线对其无影响，实际在上线后指标有变化，这样的指标也需要重点分析、研究。
什么样的指标可以划进大盘基础指标？虽然每个需求的侧重点和关注指标不同，但对业务来讲，核心指标一般是稳定不变的。只有能衡量业务结果的指标+与结果指标强相关的过程指标，才能算作大盘基础指标。比如，对电商业务，GMV、订单量、转化率就是大盘基础指标；对视频平台，DAU、浏览时长就是大盘基础指标。
为什么要看所有的大盘基础指标？因为不管本次需求的目的是什么，都是要为业务的大目标增长服务的。而真正公平公正衡量一个需求、一个项目、一个产品经理的价值，最根本的方法还是看对业务价值的提升，即大盘指标的提升做了多少贡献。
3. 局部指标+大盘指标均非负向
如果你比较幸运，需求直接影响的局部指标，和大盘基础指标表现均非负向，看大盘指标可以帮助你真正衡量清楚需求的贡献和价值。
一个需求对局部指标影响再大，放到大盘里没有水花，从业务价值角度来讲，也不能算十分成功，当然，这类需求可能才是工作中占比较高的。
这时可以参照以下模板整理数据分析结果：
- 结论：迭代正向，符合预期。
- 整体大盘有收益时，如果对业务大盘是正向的，就把业务整体的收益展示出来。
- 局部情况描述，指标A上涨x%，指标B下跌x%，描述一下重点受影响的指标变化情况。
- 整体大盘无收益时，如果只对局部正向，对业务整体无影响，补充一下对大盘整体无影响。
4. 大盘有指标表现负向
如果需求对大盘指标有负向影响，那么要根据不同情况来拆分
第1，需要分析清楚原因，具体分析方式后文会讲。
这里需要指出一点，正常情况下，PM不应该在设计方案阶段，就定一个明确对局部有益，但对业务整体有损的方案。
重申一下，衡量一个产品经理的价值，最根本的方法还是看他对业务价值的提升做了多少贡献。
第2，如果整体和局部指标表现不一致，要考虑清楚后续动作是什么？
一般只要业务整体负向，我们都建议缩小需求影响。
如果是ABtest实验，建议调小实验比例，或者直接关闭实验。如果需求是直接全量上线的，一般直接回滚，使业务恢复到需求上线前的状态。
（1）局部指标非负向，大盘指标负向
分析过程是，首先产品要先简单尝试理解、解释数据预期外变化的原因。
如果可以理解，且通过其他方式交叉验证了理解和归因是正确的，则可以视为预期有误，实际表现正常。
先缩小需求影响（具体参见上文），之后再根据本次数据分析得到的经验调整方案，重新上线新迭代，直至达到预期目标。
如果产品尝试后仍不能理解表现异常，认为指标变化不合理，可以把异常同步数据同学，并一起复核数据，验一下埋点上报、取数等环节，保证数据准确性，而非数据统计问题导致与预期不符。
之后，在数据侧还应该尝试总结异常指标的变化规律，比如，异常指标的变化幅度是否与某几个指标高度一致或完全相反。
我们可以通过总结变化规律，研究规律，查找影响指标的根本原因。而找到导致大盘异常的根本原因，又可以帮助PM正确理解上线的迭代动作有哪些深层次的意义。
很多时候，一方面获得收益和另一方面有所损失，是一件事情的一体两面，是需要平衡的两头。收益往往容易被看到（也许不好量化），但损失却更容易被忽视，有些需要经年累月的积累，才能真正了解损失的实际影响。
我们每一次的数据分析，都要尽量挖掘出迭代带来的收益和损失，这样才能正确的评估这次改动带来的影响，以及是不是应该做这样的改动。
以下是该情况下，最基础的数据分析结果模板
- 结论：迭代对指标A、B有正向影响，但对大盘负向，计划先关闭实验or需求回滚，再做优化
- 局部情况描述：指标A上涨x%，指标B下跌x%，列出受影响较大的指标
- 大盘情况描述：指标C下跌x%、指标D下跌x%，列出受影响较大的大盘指标
- 后续to do：说明你计划后续如何调整方案，或者尝试往哪个方向做优化
（2）局部指标+大盘指标均负向
老老实实找负向的原因，想后面要怎么做优化吧，最好再考虑一下，为什么当初会定这样的方案。
让低质量的方案上线，这对各方面的资源都是一种浪费，长期这样下去，PM会逐渐失去合作方的信任，推任何项目都容易受到挑战，没有人愿意再跟你合作项目。
仍附上该情况下，最基础的数据分析结果模板：
- 结论：迭代负向，计划先关闭实验or需求回滚，再做优化
- 局部情况描述：指标A上涨x%，指标B下跌x%，列出受影响较大的指标
- 大盘情况描述：指标C下跌x%、指标D下跌x%，列出受影响较大的大盘指标
- 后续to do：说明你计划后续如何调整方案，或者尝试往哪个方向做优化
（3）一种极特殊情况
补充一种极特殊情况——符合预期的负向。
有时候我们不得不做一些必然降业务核心指标的需求，比如为了遵守政策要求所做的合规需求。这类需求在上线前，往往已经经过业务大佬们的充分讨论，产品层面的方案一般没有调整空间。
PM只需要按照既定方案上线，上线后重点统计清楚业务各方面损失多少，如果你发现可以通过后续迭代挽回损失，可以作为后续to do加在分析结论里。
作者：胡胖，公众号：胡胖快跑（ID：hupangrun）
本文作者 @胡胖
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
