看數(shù)據(jù)這種技能也是越練越熟，真有「數(shù)據(jù) sense 」這種東西，經(jīng)?？淳蜁?huì)對(duì)數(shù)據(jù)更敏感，更容易發(fā)現(xiàn)數(shù)據(jù)中隱藏的信息。

剛?cè)胄械臅r(shí)候不懂怎么看數(shù)據(jù)，每天就是看著后臺(tái)報(bào)表里的 UV 、 PV 漲了一點(diǎn)點(diǎn)/跌了一點(diǎn)點(diǎn)，然后就沒(méi)有然后了。直到后來(lái)機(jī)緣巧合做了一段時(shí)間用戶(hù)增長(zhǎng)，渠道相關(guān)的工作，才慢慢學(xué)會(huì)怎么去看數(shù)據(jù)。

后來(lái)我反思為啥最早對(duì)著數(shù)據(jù)的時(shí)候整個(gè)人是懵的？想來(lái)想去最后覺(jué)得根本原因還是缺少了目標(biāo)。不知道為什么看數(shù)據(jù)的時(shí)候，所有數(shù)據(jù)都是一個(gè)個(gè)孤立的數(shù)字，后來(lái)開(kāi)始帶著目標(biāo)去看，去數(shù)據(jù)中找答案，慢慢就學(xué)著找數(shù)據(jù)之間的聯(lián)系，找隱藏在數(shù)據(jù)表象下的信息。

在我看來(lái)，所有具體的目標(biāo)概括起來(lái)就是兩點(diǎn)：找問(wèn)題，找機(jī)會(huì)。找現(xiàn)在的產(chǎn)品有沒(méi)有隱藏的問(wèn)題，找設(shè)計(jì)的邏輯是不是符合用戶(hù)行為，找有沒(méi)有潛在機(jī)會(huì)幫產(chǎn)品再上一個(gè)臺(tái)階。

扯完目標(biāo)進(jìn)入正題，我平時(shí)經(jīng)常需要關(guān)注數(shù)據(jù)大致有四類(lèi)：

1. 產(chǎn)品的運(yùn)營(yíng)數(shù)據(jù)，包括 規(guī)模數(shù)據(jù) 和 質(zhì)量數(shù)據(jù)
2. 產(chǎn)品核心場(chǎng)景的用戶(hù)行為數(shù)據(jù)
3. 新功能上線(xiàn)后的反饋數(shù)據(jù)
4. 行業(yè)數(shù)據(jù)

其中適合每天看的主要是運(yùn)營(yíng)數(shù)據(jù)和核心場(chǎng)景的行為數(shù)據(jù)；反饋數(shù)據(jù)是在某個(gè)新功能，或者為了驗(yàn)證某種假設(shè)的實(shí)驗(yàn)后研究的；行業(yè)數(shù)據(jù)則基本是按季度維度去看就可以了。

運(yùn)營(yíng)數(shù)據(jù)

最常規(guī)的數(shù)據(jù)是產(chǎn)品的運(yùn)營(yíng)數(shù)據(jù)，我習(xí)慣從規(guī)模和質(zhì)量?jī)蓚€(gè)角度去看：

• 規(guī)模數(shù)據(jù)主要是產(chǎn)品的一些數(shù)據(jù)指標(biāo)，例如：新增用戶(hù)數(shù)，DAU （日活躍用戶(hù)數(shù)）， MAU （月活躍用戶(hù)數(shù)）， 電商產(chǎn)品的話(huà)就包括訂單、收入、等等。
• 質(zhì)量指標(biāo)則是反應(yīng)產(chǎn)品業(yè)務(wù)健康程度的數(shù)據(jù)，例如：新增用戶(hù)的次日留存，用戶(hù)的啟動(dòng)頻率和啟動(dòng)時(shí)長(zhǎng)，等等。

看這些數(shù)據(jù)首先要弄明白數(shù)據(jù)的定義方式，采集和計(jì)算過(guò)程。理解上的差異可能導(dǎo)致將一些不同數(shù)據(jù)做強(qiáng)行匹配，導(dǎo)致結(jié)論顯著的錯(cuò)誤，尤其是面對(duì)不同產(chǎn)品，不同公司的數(shù)據(jù)時(shí)。

弄清楚了指標(biāo)的定義，具體看數(shù)據(jù)的時(shí)候我習(xí)慣反復(fù)使用 對(duì)比 和 分解 這兩種基本方法：

• 對(duì)比，是通過(guò) 橫比 和 縱比 的方式看數(shù)據(jù)，橫比就是和相似的產(chǎn)品比，和自己的經(jīng)驗(yàn)數(shù)據(jù)比（比如經(jīng)驗(yàn)里面寒暑假是視頻的旺季，但是產(chǎn)品對(duì)應(yīng)的數(shù)據(jù)確下跌了，這就需要進(jìn)一步去找原因了）；另一個(gè)縱比是在時(shí)間線(xiàn)上過(guò)去的自己比。
• 分解，是按照不同的維度去分解數(shù)據(jù)，例如：可以從渠道的維度看，從地域維度看，通過(guò)不同的維度分解將對(duì)比的差異值逐級(jí)鎖定，方便尋找原因，做用戶(hù)增長(zhǎng)的時(shí)候，我會(huì)關(guān)注不同類(lèi)型的 Top 渠道。

使用對(duì)比/分解大法基本能養(yǎng)成較好的數(shù)據(jù) sense 了，最后再說(shuō)三個(gè)數(shù)據(jù)解讀中比較常見(jiàn)的錯(cuò)誤：

1. 過(guò)度關(guān)注數(shù)據(jù)下跌的原因，而完全忽視上漲的原因，或完全歸因?yàn)闃I(yè)務(wù)的好轉(zhuǎn)。我在做瀏覽器的時(shí)候有個(gè)核心指標(biāo)「人均搜索數(shù)」，它是由 「總搜索次數(shù)/搜索用戶(hù)數(shù)」 計(jì)算得來(lái)的，所以人均搜索數(shù)的增長(zhǎng)，可能是總搜索數(shù)增長(zhǎng)，也可能是搜索用戶(hù)數(shù)下跌了，是需要進(jìn)一步分析的，簡(jiǎn)單的認(rèn)為上漲就是好、下跌就是差是有問(wèn)題的。
2. 因果歸因錯(cuò)誤，把相關(guān)關(guān)系錯(cuò)認(rèn)為因果關(guān)系，或者忽略了關(guān)鍵因素；例如： A 導(dǎo)致了 B 和 C 的發(fā)生，分析時(shí)卻忽略了 A ，直接認(rèn)為 B 和 C 存在因果關(guān)系。
3. 幸存者偏差，忽視了沉默的大多數(shù)，這是在看抽樣數(shù)據(jù)時(shí)很容易犯的一類(lèi)錯(cuò)誤，關(guān)于幸存者偏差的詳細(xì)定義大家可以翻翻百度百科。

用戶(hù)行為數(shù)據(jù)

還有一個(gè)建議每天看的是用戶(hù)行為的 log 數(shù)據(jù)，這個(gè)數(shù)據(jù)有點(diǎn)像「百度統(tǒng)計(jì)」里面的漏斗模型，但是他比漏斗模型更加詳細(xì)一些，他不單單能說(shuō)明用戶(hù)有沒(méi)有走到漏斗當(dāng)中，還可以進(jìn)一步看到，用戶(hù)在漏斗中的路徑，以及跳出用戶(hù)是如何跳出的。

用戶(hù)的行為數(shù)據(jù)都是一些生數(shù)據(jù)，數(shù)據(jù)量比較大，需要有一定的處理。

1、找產(chǎn)品的核心場(chǎng)景

不是所有用戶(hù)的行為日志都去看，而是要找到影響用戶(hù)認(rèn)知產(chǎn)品的核心場(chǎng)景，這里可以借鑒（ MOT , Moments of Truth ）的概念，就是用戶(hù)和產(chǎn)品的服務(wù)發(fā)生接觸的點(diǎn)，這些點(diǎn)的體驗(yàn)決定了用戶(hù)對(duì)于產(chǎn)品整體的評(píng)價(jià)。例如，做用戶(hù)新增的需要看新用戶(hù)進(jìn)來(lái)之后找到自己想要的服務(wù)的路徑是什么樣子的，是不是足夠簡(jiǎn)短？有沒(méi)有遇到困難？

2、為用戶(hù)分類(lèi)，找目標(biāo)用戶(hù)

最好一次只看一類(lèi)用戶(hù)，因?yàn)榭从脩?hù)的行為數(shù)據(jù)是比較消耗精力的過(guò)程，不是每次都能有收獲的，需要不斷的看，不斷的挖掘。

所以在做新增的時(shí)候，我基本會(huì)以引流時(shí)設(shè)置的鉤子做分類(lèi)，每次看其中一類(lèi)用戶(hù)，例如通過(guò)今天只看通過(guò)視頻加速引流的用戶(hù)，看看這些用戶(hù)進(jìn)來(lái)之后能不能快速的找到對(duì)應(yīng)的視頻；過(guò)幾天看看通過(guò)資訊進(jìn)來(lái)的用戶(hù)。

說(shuō)完每天看到數(shù)據(jù)再簡(jiǎn)單說(shuō)兩句 反饋數(shù)據(jù) 和 行業(yè)數(shù)據(jù) ，雖然這兩個(gè)數(shù)據(jù)不需要每天看，但在產(chǎn)品經(jīng)理的工作中也是很有幫助的。

新功能反饋數(shù)據(jù)

迭代是產(chǎn)品經(jīng)理重要的工作手段，無(wú)論是灰度發(fā)布， AB test ，還是常規(guī)的發(fā)版都需要通過(guò)收集數(shù)據(jù)來(lái)驗(yàn)證之前的假設(shè)，從而覺(jué)得是繼續(xù)優(yōu)化，還是推到重來(lái)，迭代幫助產(chǎn)品經(jīng)理積累被驗(yàn)證的認(rèn)知。

看反饋數(shù)據(jù)最重要的是在設(shè)計(jì)的時(shí)候就想清楚，目標(biāo)是什么？我認(rèn)為這個(gè)新功能能夠起作用的邏輯是什么？我需要采集哪些數(shù)據(jù)來(lái)驗(yàn)證？

最好的辦法就是把這些問(wèn)題的答案，一條一條的寫(xiě)下來(lái)，通過(guò)寫(xiě)下來(lái)的方法可以保證我們事前就好一些細(xì)節(jié)的問(wèn)題都考慮進(jìn)去了，避免兩種常見(jiàn)的失誤。

• 過(guò)度采集數(shù)據(jù)，增加開(kāi)發(fā)工作量；
• 采集數(shù)據(jù)不足，不能開(kāi)展結(jié)論分析；

行業(yè)數(shù)據(jù)

最后說(shuō)說(shuō)行業(yè)數(shù)據(jù)，我習(xí)慣用行業(yè)數(shù)據(jù)來(lái)發(fā)覺(jué)新機(jī)會(huì)，行業(yè)數(shù)據(jù)能夠看到用戶(hù)遷移的一種大的趨勢(shì)，如果自己的產(chǎn)品能夠借上這種大勢(shì)，很可能就是一波比較大的突破。例如：2013年 WIFI 萬(wàn)能鑰匙的興起；2014年視頻流量的增長(zhǎng)；2015 年今日頭條和快手的用戶(hù)量崛起。

行業(yè)數(shù)據(jù)獲取比較依賴(lài)大平臺(tái)，如果是在 BAT 這樣的大公司，有足夠大的用戶(hù)樣本，比較容易及時(shí)的看到這些數(shù)據(jù)。如果沒(méi)有這樣的條件，一方面可以依賴(lài)艾瑞等第三方的報(bào)告，另一方面就是要多關(guān)注各種排行版數(shù)據(jù)，例如：app store 、應(yīng)用市場(chǎng)的榜單，微博的關(guān)鍵熱榜、百度指數(shù)等的變化。

總的來(lái)說(shuō)就是要去想，用戶(hù)最近關(guān)注什么？這個(gè)東西和自己的業(yè)務(wù)有沒(méi)有聯(lián)系，切忌不要強(qiáng)制聯(lián)系。

看數(shù)據(jù)這種技能也是越練越熟，真有「數(shù)據(jù) sense 」這種東西，經(jīng)?？淳蜁?huì)對(duì)數(shù)據(jù)更敏感，更容易發(fā)現(xiàn)數(shù)據(jù)中隱藏的信息。

本文由 @SHA11E 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載