数据产品如何来解决商业问题？

什么是数据产品？如何解决数据产品的商业问题？Growthacking等最热门的商业概念是如何实现的？如何设计能够满足用户需求的数据产品？近年来，随着GrowthHack，本文将与您分享这些问题、精益运营、数据运营等概念逐渐入人心，数据产品这个名字被提及的次数越来越多。但是什么是数据产品呢？如何解决数据产品的商业问题？Growthacking等最热门的商业概念是如何实现的？如何设计能够满足用户需求的数据产品？本文将与您分享这些问题。一、什么是数据产品？简单来说，就是以数据为主要自动化输出的产品形式。强调自动化输出的概念是区分Gartner等数据研究咨询公司，与Growingio等实时互联网分析产品相比。显然，他们的报告也可以理解为以数据为主要输出的产品，但没有自动输出的特点。概念明确后，就可以拆分细化了。区分用户群可分为三类：●自建BI、推荐系统等企业内部使用的数据产品；●GoogleAnalytics和GrowingIOGIOIO等所有企业推出的商业数据产品；●GoogleTrends、淘宝指数等。用户可以使用。在上述例子中，推荐系统可能有点令人费解。事实上，与用户肖像和类似的搜索排序算法一样，它们本质上是根据用户数据和相应的数据模型建立的评分标签系统。因此，在许多企业的划分中，它也属于数据产品的范畴。但由于个人经验的限制，本文暂时不涉及此类产品。第二，为什么硅谷新一代数据分析产品GrowingIO创始人张希梦需要数据产品，非常推崇德鲁克的一句话:Ifyoucan’tmeasureit,youcan’timproveit(如果你不能衡量，你就不能成长).这与GrowthHack核心理念-数据驱动增长不谋而合。增长让企业经营者永远不会忘记，实践曲线隐藏在数据产品中。例如，在Facebook中，直接向MarkZuckerberg汇报的Growthteam专门管辖了Data&两个数据团队，Analysis和Infrastructure，进行数据采集、计算和显示。他们将监控Facebook的所有数据，并根据效果不断优化。Facebook对Datadriven的重视程度如何？VP领导的30人团队对主页进行了一年的改版，在三个月内灰度上线过程中，由于数据表现不佳，直接回滚。相比之下，国内人人网抄袭改版后，一直沿袭至今。可以说，在Facebook快速稳定增长的背后，数据产品做出了巨大贡献。FacebookGrowthTeam(图片来自前Facebook工程师、丰瑞资本技术合作伙伴秦超)3.如何设计数据产品对于产品设计至关重要。在澄清了这些内容后，从系统级的产品规划到功能级的产品设计，概念将更加清晰。我们将其抽象为五个步骤：●用户和场景是什么？●解决什么问题/带来什么价值？●问题的分析思路是什么？●需要使用什么样的指标？●这些指标该怎么组合展现3.1用户和场景是什么？任何产品设计均需要明确面向的用户和场景，因为不同的用户在不同的场景下以不同的姿势打开你的产品。1.不同的用户有不同的价值。1.不同的用户有不同的价值。该方法主要面向第一类，即企业内部产品。这里不提倡职位歧视，但从数据产生的价值来看，高层管理层的正确决策可以节省以下无数成本。2.不同层次的用户关心不同的粒度，总是提供下一个粒度的分析，并可以细化到最细粒度的入口。从本质上讲，数据分析就是不断细分和跟踪变化。3.不同类型的用户使用不同的数据场景，并围绕这些场景进行设计。比如Sales类型的客户，在看客户的路上快速看数据的场景更多，所以移动化和自动化至关重要。在设计中，原则是通过手机界面显示关键指标，而不涉及详细的分析功能。并且在某些指标发生变化时，可以通过手机及时通知。办公室数据分析师必须为PC界面提供更详细的分析和比较功能。要了解自己的用户，必须与他们保持长期有效的沟通。比如GrowingIO的PM每周都有与销售和客户沟通的习惯，每个PM入职后都要兼职客服一段时间。只有这样，PM才能更好地了解用户及其使用场景，设计出更好的产品。3.2解决什么问题/带来什么价值本质上是为了明确产品满足用户的需求。所有的需求都有价值和优先级。●首先判断核心需求是什么，可以使用demand/Want/Need方法分析。用户来找你要可乐(Demand)，如果你没有可乐，你就不能满足用户。但事实上，他只想解渴(Want)，只需要一杯饮料就足够了。(Need)。●其次，PST可以用来分析需求的价值。P：x轴，用户有多痛苦；Y轴，有多少用户有这种痛苦；z轴：用户愿意为此付出多少代价。这种需求的价值是相乘得到的结果。以GrowingIO新功能制作的漏斗图为例。客户首先说的是我们想要漏斗分析(Demand)但核心需求是功能(Want)这是为了改善用户在产品使用过程中的损失。因此，不同来源、不同层次的用户需要在不同的使用时间和不同的环节进行监控和优化。最终设计的是GrowingIO漏斗，可以根据不同纬度和不同环节进行比较和分析(Need)。GrowingIO新推出的漏斗分析功能3.3问题分析思路是什么？以上两点实际上是普通产品经理的范畴。在这一部分，数据产品经理的专业课程才真正开始。在明确问题后，应该分析什么样的想法？明确以下原则：●为了更好地创造更大的数据价值，数据产品经理必须具备数据分析技能●数据产品的设计理念应从总结到细分，并不断比较●总结要简明扼要，让用户首先了解当前发生了什么，问题的大致方向。不要让用户一进来就陷入无尽的细节●细分应为分析提供足够丰富的维度。每个细分都必须有指标，所有的分析结果都必须执行到行动中，并与业务密切相关●数据本身毫无意义，数据的比较是有意义的。数据产品的核心是突出这种对比。这一环节是数据产品经理与其他产品经理的核心区别，也有很高的要求。它不仅需要丰富的产品设计经验，还需要深刻的业务理解和数据分析能力。3.4需要相应的数据支持来确认数据是否准确、完整。不用说，即使是用户肖像的算法产品也必须有足够准确的数据来支持数据显示产品。在确认过程中应注意以下两点：●数据的完整性提前明确了所有所需的数据是否已完全准备好。数据就像水面上的冰山，只显示了一小部分。它的收集、清洁和聚合是水面下98%的部分。因此，如果所需的数据没有收集或清理，整个工期将增加很大的不稳定性。●在埋点采集时代，数据的准确性绝对是遇神坑神的大坑。很多时候，在使用之前，我发现埋点的方式一直是错误的。或者发现该指标的计算方法没有排除某些因素。这种情况在企业内部产品中很常见。因为部门口径复杂，不小心掉进去了，不想爬出来。因此，一个优秀的产品经理要想像Facebook一样实现Datadriven，必须首先实现数据的完整性和准确性，埋点是必须解决的痛点。许多国内公司开始使用硅谷新一代数据分析产品GrowingIO。他们采用的无埋点数据采集方案可以解决数据准备中遇到的许多问题。数据所见即所得，完整性准确性迎刃而解。以上四个步骤最终确定3.5选择什么样的产品形态后，就可以选择相应的产品形态。常见的数据产品形式有：电子邮件报表、可视化报表、预警预测、决策分析等。；关注算法用户标签、匹配规则等。空间有限，这里选择视觉报告类别与您分享：1）指标设计首先需要明确什么类型的产品适用于什么指标，如电子商务的核心是订单转换率、订单数量、订单金额等，对于社交网站是日常活跃用户数量、互动数量等。●分层拆分，不重不漏。即MECE原则(Mutuallyexclusive,collectivelyexhaustive)。如果将订单金额拆分为订单数量的平均订单价格，订单数量也可以细分为用户数量的人均订单数量。不同的用户也会有不同的人均订单数量，并逐层分割●确保指标能够清晰地表达意义，为上层的分析思路提供依据●指标定义明确，统计口径和维度2)指标呈现指标呈现说白了，就是数据可视化。这对数据产品经理来说非常重要。它不仅仅是UI设计师的工作，因为它涉及到别人如何理解你的产品和使用你的数据。一方面，我们需要阅读相关专业的书籍，另一方面，我们需要观察足够的产品，看看它们是如何实现的。这里有一些一般的规则可以和大家分享:●与此同时，重点显示指标不超过7个，5个更合适●在展示设计指标时，要明确指标之间的主次关系●几种图表形式的使用建议：趋势图为曲线图，比例趋势图为堆积图，完成率为柱状图，完成率与条形图进行比较，多个指标交叉作用散点图。选择合适的指标形式是非常重要的。图片来自网易云课堂4。结论数据产品知识太深，我们只能窥见冰山一角。一个优秀的数据产品经理必须具备各种技能，了解自己的用户，与他们保持长期有效的沟通；明确用户的核心需求，而不是表面；最重要的是掌握数据分析技能，使用数据分析工具，并始终有意识。