作者:李宁 :著《数据化运营:系统方法与实践案例》书籍,现于某知名外卖订餐平台担任数据专家,先后于艾瑞、携程从事数据相关工作。
个人微信公众号:数据自由之路(微信ID:dataFreeLife)
题记
缘起:文章源于分析师对携程机票产品经理的一次内部分享,不是对数据指标的解释,而是基于机票前台的实际情况来说明如何做好一个有数据意识的产品经理。
辩证来看数据能力:携程机票的产品经理的最重要能力不是数据能力,(我不能证明产品经理最重要的能力是什么,但对于不是什么我有证否的资格,至少是数据角度),数据能力可以帮助产品经理完整分析闭环、扩大能力圈,工作过程更加顺畅。
携程机票业务场景的特点:sku相对单一(机票和X产品服务),售卖平台(app/online/h5)成熟稳定,在不断增长的KPI下,如何从用户体验入手来服务用户并提升CR成为重要课题。数据分析存在于从数据中发现改进点、项目前ROI计算、ABTest实验设计与数据跟踪反馈、常规报表/日报数据的异常检测等。(接下来所述均默认该场景)。
怎么看产品经理是否具备数据意识:
初级阶段:思路清晰、指标明了、对数据负有责任。非常清楚数据指标的意思和计算逻辑,对于输出的数据非常有信心,能够用数据来验证自己对于问题的假设。在数据输出不一致的情况下,不会马上将责任推脱“这是bi的计算错误”,不能仅当一个数据转发者,而是问题结果的输出。
高级阶段:基于业务知识主动从数据中找项目来做,这是业务理解力和数据能力完美融合的合一体现。
解决问题的一般流程:提出假设->验证假设,break down to details的分析闭环。“提出假设”由两方面决定:业务sense和数据sense。
/ 01 /
业务sense
业务sense是产品经理数据方面最核心的内容,复杂度非常高,短期内不太容易被机器所代替。“从数据中发现项目迭代点”,是数据应用最高境界的体现,TA的核心就是业务sense。而这件事情不应该由产品经理中间的数据分析师来完成,而应该由具备数据意识的产品经理来提出。
基于数据安全如下举例仅作提示性说明:
online列表页改版的反面案例:根据不同平台对比而发现的数据gap来做改进,因为并没有影响用户心理,而仅限文字游戏,改变并没有带来正向效果(上图为ctrip的online列表页截屏)
填写页弹框的正面案例:因为利用“定时炸弹成交法”的心理,在狭小空间内加速用户的决策流程,带来非常非常明显的效果(两个非常没有打错,代表程度之深)。
一正一反的案例说明,不考虑业务/用户心理,只是纯从数据上找迭代点,在已经非常成熟的机票产品中胜算寥寥。
业务意识可以弥补数据不足,但不可持续:产品快速扩张阶段,产品经理PM对于业务的理解非常强,通过各种各样的方式来保持业务敏感性,做出的假设非常精准高效(这也能证明数据其实不是产品经理最重要的能力)。到成熟稳定期,由公司规模扩大而带来的人员和管理成本比较高,需要用ABtest这样的数据指标来全公司统一口径和贡献,”用数据说话“成为大家都能接受的沟通方式而有效存在。
/ 02 /
数据sense
白话文解释“知道什么是正常,才是通达明理之人;不知道什么是正常而胡乱做事,结果可能会很凶险。。
结合机票实际情况,当你说某个指标不正常的时候(或者某个领导跟你说指标不正常的时候),请问你是否清楚”跟什么比?“。
举例说明曲线变化异常的分析思路:
正常的指标大概是多少(通常是年平均值)。
波动性曲线的构成=年平均值*(1+季节权重+工作日双休日权重+突发重大事情权重+发布因素+其他),其实是几个权重影响下叠加出来的曲线,而当你看到现在发生变化:
季节权重有没有变化,跟去年同期做同比;
工作日双休日权重有没有变化,那就是和上周同期或者上上周同期作对比;
突发重大事情权重(在排除前两者之后),比如中高考可能会影响用户下单心理,中高考前后几天的转化率可能会不同(看成绩决定是国外游、国内游还是周边一日游^_^)
最后看是否临近发布日期,从发布清单上找原因(包括关联方在这个页面上做自己没有提前知晓的实验)。
这样下来,基本上能够找到数据变化波动的原因。当确定对标的benchmark,更换变量在找原因,物理上叫做”控制变量法“,逻辑是相通的。
“知常”扭转数据的不信任感:2016年携程机票前台存在从不同的来源获取数据不一致的情况(”两个手表“定律),而造成不相信数据,直至不敢用数据(大家已经不知道什么叫“正常”)。我来到后第一件事情就是自己用sql来分辨不同计算标准和表达方式下的指标,花费半年时间来厘清“正常”数据是什么。在之后的分析中,我的数据会先跟“正常”数据作比较,通过校验后进行后续的分析,同时将理念输出给整体前台PM,逐步扭转不信任的局面。这也是我为什么能够获得前台产品信任,而后顺利开展很多工作的原因。
切忌想当然:每个数据的存储和计算都存在假设和场景,就像产品设计考虑的场景,大部分情况我们看到的数据获取都是遵照通用规则(2080法则),就像产品设计也是服从大多数人的利益一样。但是具体数据需求,很可能你的定制化要求在你和数据分析师之间cosplya走样,最后驴唇不对马嘴。所以没有理解数据指标之前质疑并虚心学习。简单说明案例为ABT往返实验中订单并没有(自动)区分单程和往返来作为警示。
/ 03 /
产品经理是否一定要会写sql?
分析不一定要会写sql:分析问题最核心的关键,是基于业务sense和数据sense之上提出假设的能力,与sql能力无关。(前期写sql可以强化数据意识,只是会很快到瓶颈。)
会写sql帮助形成分析闭环:
如果产品经理可以对随机抽取的问题有良好的解决思路,那一定是长期思考的结果,而解决问题break down to details的时候不可避免会遇到报表不能支持的颗粒度,需要sql来补充。如果问题回答感觉好,背后的sql经历应该不会很差。
产品经理的SQL技能可以获得市场溢价,因为你代替了分析师的职能,理应获得分析师的对应职能部分收入(不一定马上兑现,但迟早会价值回归),几K的收入是可以预期的。(至于数据分析师的收入和职能的对应,可以参考之前文章:月薪20K的数据分析师都在做什么?)
后记
大道至简,具体指标的理解可以去找几本书看,但是一些基本的分析理念很少人来谈,尤其是具体到公司层面的实际应对方案。如果能理解并掌握上述介绍的内容,相信至少在携程机票前台产品圈子里获得口碑”这个产品经理的数据分析能力还不错”。
- END -
往期精彩:
■ 如何理解马云演讲「十年后没有数据分析师的职业」
■ 用数据分析告诉你数据分析师能挣多少钱?
■ 月薪20K的数据分析师都在做什么?
■ 营销转数据,两年半到P7,我都做了哪些事儿?
■ 给30个PM拉了一年sql,我学到了什么
■ P7数据分析的Offer,你准备好了吗?
公众号后台回复关键词学习
回复 免费 获取免费课程
回复 直播 获取系列直播课
回复 Python 1小时破冰入门Python
回复 人工智能 从零入门人工智能
回复 深度学习 手把手教你用Python深度学习
回复 机器学习 小白学数据挖掘与机器学习
回复 贝叶斯算法 贝叶斯与新闻分类实战
回复 数据分析师 数据分析师八大能力培养
回复 自然语言处理 自然语言处理之AI深度学习