???? 網上流傳這么一句話，不會數據分析的產品經理不是一個好的產品汪。招聘網站對于產品經理招聘的數據也顯示，數據分析是產品經理吃飯必備的工具。大量的磚家也很樂于在各種社區和公眾號分享他們的數據思維和數據分析方法論。今天我想要和大家簡單探討一下怎么去處理數據分析的后事，數據分析完成之后如何去優化產品迭代。
1、數據的定義很重要
數據是神奇的，同樣的數據，從不同的維度，甚至不同的人眼里，都會看不到不一樣的東西，百分數"123%",經濟學家可能認為這是本季度GDP的增速，程序猿會把它當成字符編碼。因此產品經理首先自己得做到經由自己的數據定義是準確無誤的，不管是自己接到的來自團隊、老板的數據需求，還是通過自己分析輸出的數據指標定義都必須說明清楚，不存在歧義，這樣不僅可以減少對其他小伙伴解釋說明的時間，也會避免數據在傳播的過程中失真的問題，數據是嚴謹的，對于它的定義，我們需要去咬文嚼字。
2、我們需要什么指標
虛榮指標和期望指標對我們沒有意義，現在很多的大數據團隊經常會對外發布各種行業報告，包括國家統計局也會按時發布國民經濟報告，從這些報告中傳遞給我們的信息是今年移動用戶數還在繼續增長，某個行業的市場是多少億美元，哪家公司融了多少錢，這些都是虛榮指標，看起來很美，卻不能給我們產品優化帶來任何指導效果；期望指標就是我們內心希望它是不斷增長的，為了我們自己潛藏的目標再去找數據，分析數據。比如有一天老板需要你用數據證明產品這個月比上個月做的更好，然后你告訴老板你們的注冊用戶數比上個月增加20%。初一看數據在增長，實則可能你們的留存率和日活躍用戶數在大幅度下降。期望指標對外還可以，對于指導產品優化沒有任何價值。那我們到底需要什么指標？可付諸行動的指標才是我們數據分析應該得到的結果，可付諸行動的指標更多的是一個比率，而不是具體的數字，它應該是和你們產品核心KPI相關的，它應該可以告訴你產品好在哪里或者不好在哪里，國內的直播市場，映客在月活躍用戶數上甩其他平臺幾條街，但是一個可付諸行動的（日活躍用戶數/月活躍用戶數）這個指標卻遠遠落后于斗魚TV，說明映客的用戶黏性還不夠，數據指標可以指導映客在追求用戶數量的同時，用戶粘性方面也還有很大的提升空間。
3、怎么把數據和產品優化結合
指標明確之后，我們就需求考慮怎么樣把這些數據指標和產品優化結合起來，換而言之就是我們分析的數據結果需要落地。產品汪估計做的最多的就是競品分析了，我們可能是最先知道競品版本迭代的用戶，我們也會想盡一切手段去了解別人家產品的內部數據，可能別人家產品新上了一個新功能，然后你通過小道消息得知他們的用戶數這段時間在大幅度增長，最后你屁顛屁顛的告訴老板，我們是不是也可以跟風，趕緊做了這個功能。看似你這份數據價值不菲，但是卻忽略了從產品本身出發這個基本原則，否則你的數據可能讓你們產品走彎路甚至走錯路。一方面你需要考慮別人家產品做這個功能的基礎是什么，可能原本別人的用戶在這個部分的轉化率是50%，而你們自己的產品是5%，這樣的結果就是做同樣的事情，別人產品帶來的增益效果讓你傻眼，然后你還去怪技術沒開發好。因此產品經理在數據分析的時候應該是產品導向型的而不是數據導向性的，一切數據都需要基于產品自身。
4、怎快通過數據快速驗證迭代效果
現在互聯網產品永遠都是Beta版，競爭對手不會等你，也沒有機會去不斷大規模試錯。因此我們需要用數據去快速驗證最小可行化產品，因此選擇數據的可預見性和針對性就顯得特別重要，你選擇的數據需要不會受到隨機性的影響，能在時間短和數據量小的情況下驗證假設。
