本文为2017中国产品经理大会深圳站嘉宾分享整理总结
未经许可，禁止转载。谢谢合作
———— / BEGIN / ————
分享嘉宾：神策数据CEO，前百度大数据部技术经理桑文锋
以下内容为嘉宾分享实录，由笔记侠 依据嘉宾分享内容整理，编辑有修改，嘉宾已确认：
我在百度8年，都是做和数据相关的事情，出来创业这两年还是做数据相关的事情，今天的分享，我讲的东西就会偏技术一些。
我们这个峰会的主题是改变，一个是需求的改变，还有一个是自身的改变。我们的能力是需要改变的，而数据分析的能力我认为是大家应该具备的。
一、数据分析的价值
首先，我们来说数据分析的价值。
我把2000年以后的互联网分为三个阶段：
2000-2006年，流量时代。这个时代有三大门户，百度、腾讯、阿里巴巴，这个时候拼流量。
2006-2011年，用户时代。诸如开心、人人、Facebook，这个时候比的是用户数、月活、日活等。
2012年-现在以及未来5-8年，订单时代。比如12年团购到互联网+、O2O、互联网金融，包括直播等。
我们看到一种趋势：互联网行业越来越精细化，从开始关注流量到关注用户到交易，越来越细，越来越需要数据。
那么数据有什么价值呢？我把它归为两大方面：
一是数据驱动决策。
比方说做老板，下一步该进军什么方向，这需要数据；做产品比如产品经理，改版、评估、运营都需要数据；再比如做管理，需要数据进行沟通。
假如产品经理之间PK，如果两边都有数据支撑，有数据的一方占优势，那么胜负就显而易见。
二是数据驱动产品智能。
如用AI去改变这个产品，可以让产品本身具有一种学习能力。
但我今天要讲重点的是：数据如何驱动产品改进和进行产品的迭代？
二、数据分析的四个关键环节
我们说要重视数据分析，但真正要做好很有挑战。
比如，你需要一个数据，但不是直接就能给你看的；数据可能需要找数据工程师统计，也许要一个月出结果，也许一个月都统计不出来；再或者给了你一个宏观数据，你想分析也分析不了——总会出现各种现实问题耗费时间成本。
理想状态是：每个业务人员能掌握数据，从底层数据体系去支撑产品分析。
一种产品发展到一个程度就到达一个理想状态，这个时候再想突破就很难——iPhone从07年到现在进行了很多产品迭代，但是本质上沒多大区别。
作为产品经理，任务都是要解决某个问题。需求确定了，无非是去改产品、解决问题使产品达到理想状态。
很多产品不只一家在做，谁能赢得市场拼的就是谁先达到理想状态。这个过程需要考虑的是：如何让自己的产品迭代更快？有数据是一种更好的方式。
这些问题都是常见的情况，我们把它归结为需求驱动。
我把数据分析分为四个环节：从底向上，依次为数据采集、数据建模、数据分析、指标。
1. 数据采集
数据要想做好，数据源很重要。
数据分析要考虑：一、如何把数据采集上来？二、如何进行数据分析？
更重要的是如何把底层数据的采集做好？我把它归结为四个字：“大”“全”“细”“时”。
大：“宏观全局”；
全和细：“数据搜集更全、更细”；
比如：一个电商产品要分析不同身高的人交易有什么差距，如果没有把身高这个维度采集下来就没法分析。因此如何更全、更细地采集下来就很重要。
时： “时效性”。
一个数据一年之后给你，还是下一秒给你，差别很大。
比如产品的改版没有效果，如果知道得很晚就会流失很多用户。
数据采集有以下三种手段：
可视化/全埋点；
代码埋点；
导入辅助工具。
2. 数据建模
数据采集就是用不同方式将其采集下来之后进行数据建模，所谓建模就是将数据进行重新组织，组织到让产品经理能看懂。
3. 数据分析
数据的分析方法是无穷无尽的，我们把分析方法从两个角度来看：一个是广度，一个是深度。
所谓广度，就是分析一个人、一个群体或者整个群体，是看是什么力度的特征。
所谓深度，是看用户的行为，关心点击量、访问量；或者看用户的购买操作，以及操作之间的序列关系是怎样的。这要针对不同分析场景来看哪种分析方法更好，分析方法可以组合使用，而不是只用一种方法就搞定问题。
比如说“开眼”讲的一个例子：
朋友圈分享一个视频，视频下边附有下载引导。使用安卓的用户下载量比较少，接下来对这件事进行多维度分析，通过屏幕的宽和高，还原了场景分析，发现屏幕宽高对这件事有影响——不做多维度分析，就只能从感觉来，却找不出问题。
我在百度知道时，做问题推荐相关工作，我们尝试通过待解决问题推荐的方式，来提升回答量。
第一次，基于核心用户。我们抽取了35万个核心用户群做个性化推荐。前后历时3个多月，结果却十分令人失望。
因此我们进行了第二次尝试——基于所有用户做个性化推荐，而非之前仅针对核心用户。
后来我们根据用户的检索和访问页面的标题进行兴趣模型训练，然后抽取每个用户权重最高的5个兴趣词，当用户访问百度知道详情页时，我们基于每个用户的兴趣词做实时搜索，将7～8个待解决的问题放到页面右侧。
这次尝试效果非常好，新版上线后，百度知道的回答量提升了7.5% 。
4. 指标
最后来说指标。
不管底层做的多好，我们常用的还是指标——通过这些指标能更好地表达产品。
我们把产品发展阶段归结为三个阶段：
第一个阶段就是MVP（最小可行性化产品），MVP是尝试阶段。
第二个阶段是增长阶段，如何让数据规模、用户规模变得更快？
第三个阶段是营收阶段。
阶段性不同，要根据阶段确立指标。
我经常跟创业团队聊，问他们现阶段指标是什么。几个人一起聊，每个人说的都不一样。
一个企业一个阶段的指标应该是聚焦的，只是一个阶段换一下。
比如说三只松鼠和keep现阶段的主要指标会是一样的吗？
可能不一样。
keep不缺用户，但是要提高用户活跃度；三只松鼠可能用户不够多，所以要吸引用户——因为产品不同，用户不同。
另外一种方法去确定产品指标的方法就是海盗指标法。
2007年提出了这个概念，现在已经10年了，但一点不过时。
一个是用户触达，一个是用户激活，和用户留存。
归结起来就是三个问题：你的用户怎么来的？怎么把用户留下来的？怎么从用户身上赚到钱的？
三、数据驱动产品迭代
前边简单讲了一下过程，过程真正落地的挑战还是非常大的。
接下来看产品迭代：
有一本书叫做《精益创业》，一共讲了两个方面：一个观点是关于MVP（最小可行化产品）；另外一个核心观点是把大数据分析引入到产品迭代的思维里边去。
我们凭感觉，做产品就是想个功能把产品做出来，不断地给它添加功能——但这要依赖你的天赋，会不断碰壁。
科学的方法就是把数据分析引入进去，用数据来进行分析。
比如我们发现用户流失比较大，那我们先把这个问题解决，再上线；上线后再看用户的流失情况，收集数据看结果。
所以数据分析是一种技能，让产品的分析更加科学。
举一个百度知道的例子：
产品经理说每到暑假用户量就上涨，随着移动互联网时代的到来，百度做了一系列APP，每个产品都对应做了一个。
进行数据分析后，发现还是做作业这块的产品用户量多；那就从产品迭代角度，让这个产品更好，也就是百度的理念“best of best”。
新增加了一个按钮来专门提问，额外增加了20% 到30% 用户。
于是就单独做了一个做作业的APP，也就是现在的作业帮。
这就是一个产品经理应该做的：通过数据发现问题，然后来解决问题；数据分析是让产品分析更加科学的一种方法。
比如我们神策官网做的官网改版，当时产品经理说改版的目的是让产品的内容丰富或是好看；我说这都不是目的，我是看用户注册量。
所以我们就是不断地增加功能，用数据分析，迭代升级，看哪个版本更好。
四、数据驱动用户激活和留存
用户来到了你这个产品之后是不是就真的是你的用户了？
不一定。
一些营销活动访问的用户很多，但是最后真的留存下来的很少。
比如一个电商网站，没有购买行为算是你的激活用户吗？我们更多是看如何将用户激活和留存。
也就是找到用户的Aha moment（顿悟的那瞬间），我们就要去想一想：你的用户激活流程是什么？
当然这里还要注意的是：要将用户的ID打通。一个用户从浏览到注册是断开的，那需要一些技术手段去将这个操作穿起来。
举个互联网金融的例子。
用户安装后启动APP时有个欢迎页，这个欢迎页在注册的时候真的有用吗？如果你自己是用户，注册的时候会看吗？
我们就要用数据来看，如果发现转化率是有提高的，那我们就改进它让它注册转化率更高。
另外就是加入一些引导语，比如说新手引导语，根据数据来看这些功能有没有效果，如果有用就去提升它，没有用我们就不用它。
另外就是留存，比如说复购、次日留存、周留存等，我们要分析通过不同通道来的用户。
那么，针对留存我们要看什么呢？
第一点要关注留存；第二是提升留存；第三点是利用留存。
为什么关注留存？
我们是做生意的，生意的原则很简单：在用户身上收获的要比投入的多。
如何提升留存？
第一，做一个真实有用的东西；第二是把体验做好。
你要给用户带来价值，产品其实都是有替代性的，你要不断改进，针对不同产品要用不同手段来提升。
留存做到多好算好？
没有标准答案，产品不同，留存率有提升就好。
五、数据驱动地落地
最后再说两句：这个数据驱动是全面的数据驱动，市场里的各个角色都是用大数据的流引入进去，让一个公司全面、全角色地利用数据驱动。
最后给大家推荐几本书：
以上就是演讲的内容。
———— / END / ————
嘉宾PPT下载
关注人人都是产品经理微信公众号
回复关键词“大会”获取下载地址
做产品没人带、提升慢？
资深产品专家亲授，系统提升产品能力。组团立减200元！
点击“阅读原文”立即报名
