产品经理如何用数据驱动产品迭代？

出于种种原因，产品岗位会天然地带有主观性，运气好的话，感性与主观性能打造出不俗的产品亮点；运气不好的话，过度主观将给产品与用户带来不小伤害。那么我们该如何降低推理过程的主观性呢？笔者将告诉我们答案，详见本文。

撕逼天天有，每天都很多，产品经理的日常~

撕逼无外乎意见不合，本质上是因为推理出来的产品方案没站住脚，其他团队成员从个人角度剖析之后，有了其他想法，所以开始了这场撕逼。

产品这个岗位本就带有很强的主观性（同是微信，如果不合作，我不太相信马化腾和张小龙两位产品大佬会做成一个样子），因此俞军老师将其定义为社会科学，并非物理化学这种自然科学，存在固有的规律，所以一千个人眼里有一千个理想产品的样子。

那么我们又该如何降低推理过程的主观性？数据也许是不错的方法，因为它不撒谎。

以电商APP的下单流程为例，说一说如何用数据来驱动一次产品迭代。

一、发现问题

问题来源一般有两种：

1. 用户侧

这应该是最主要的问题来源，经过市场验证后的声音，用户反馈、用户调研和问卷等。

2. 产品侧

相比于用户侧，问题少一点，但也同样重要。

「解决问题」是公认的产品经理核心能力，但我认为「发现问题」同样重要，我们也要注意从产品侧主动发现问题。

用户的嘴可能不会follow heart，但身体却很诚实，然后在数据库留下了一系列言行不一的行为轨迹，我们从中可以发现当前产品的问题，甚至有可能发现颠覆你认知的用户表现。

eg：

*矩形高度代表人数

*百分比=从上一页面转化来的人数/上一页面人数

这是一款电商APP的下单路径转化漏斗，可以看出在详情页 → 下单页这个环节人数大幅下降，远低于其他环节的转化率，用户为什么进了详情页之后掉头就走了呢？

二、提出假设

无论用户侧还是产品侧的问题，我们得到的都是问题表象，需要找到可能的问题原因，然后依此提出针对性解决方案。

eg：

首先定位问题原因，提出我们的假设。

经过分析，认为当前的商品详情页的页面布局，无法突出商品价值，过于强调商品注意事项，导致用户未能真正感受到商品价值，反而被一堆注意事项吓退了。

接下来就要想解决方案，优化页面布局，突出商品价值，弱化注意事项，让用户放下戒备，放心购买。

三、确定评估指标

1. 指标类型

北极星指标

属公司战略级指标，基本由boss或产品高层制定，是长期目标，轻易不会变动。

方向指标

项目中的关键指标，用来衡量问题解决程度，与北极星指标正相关，也就是与产品大体目标一致，提升产品效用（对用户问题的解决程度）。

负面指标

项目中关键指标，用来衡量为了解决问题，而带来的负面影响程度，北极星指标负相关，与产品大体目标相悖，会降低产品效用。

注意：要提前设定好最差能接受的范围，就是这个负面指标跌到什么程度是不能接受的。

行为指标

非必需指标，大概就是某个页面的访问次数，按钮的点击率这种行为数据，基本用来分析背后的原因，不适合作为关键衡量指标（就是为了解决某个行为的问题的情况不算）

在项目中，通常用来衡量新版本上线效果的是方向指标和负面指标，北极星指标起到方向性作用，保证我们的大方向不会错，行为指标用来分析问题原因。

eg：

在这个项目中，方向指标是要将详情页 → 下单页的转化率提升30%，从而提升订单量，最终实现利润增长，经分析对北极星指标有正向作用。

但是呢，优化方案中放大产品价值、弱化注意事项，用户可能会被误导消费，没有看到注意事项就下单了，导致商品到手之后不满意，最终结果是退货率增高。当然，我们肯定不能接受用户买完都退货了，所以要设定一个我们能忍受的底线，经过分析后，确定能忍受的最高退货率为10%，超出这个值成本就cover不住了。

四、增加埋点

指标已经确定好了，接下来就要让开发哥哥埋点了。

从指标出发梳理埋点，想验证这个指标，需要什么数据来支持，直接拿实例说吧。

eg：

设计埋点不是一个简单事，其中有很多技巧，盲目埋点不仅有可能会数据污染，还可能造成不可逆的影响，比如2月5日增加的点击按钮这个埋点，你想看2月1日的埋点数据，抱歉没有。

举两个踩过的坑：

①转化漏斗不闭环

详情页 → 下单页的转化率=下单页访问人数/详情页访问人数，我需要计算出这个单一路径的转化率，我上面埋的是下单页的访问uv，这种情况下就需要保证下单页只有一个上级来源（即详情页）。

比如运营同学配置了一个banner，可以直接跳转到下单页，那我们想验证的指标：详情页 → 下单页转化率就会出现偏差，因为下单页的所有访问并不是都来自于详情页。

有一个常用的解决办法：不埋下单页的访问事件，埋详情页的购买按钮点击，因为点击购买按钮必定会跳转到下单页，以此来解决行为来源问题。

数据埋点要形成闭环，尤其是分析转化漏斗。

②数据结果不准确

比如有两种退货页面流程：

• 页面流程1：订单页（点击退货按钮） → 退货成功页
• 页面流程2：订单页（点击退货按钮），出现退货成功弹窗

如何拿到最准的数据结果？这个很关键。

在这个操作中，流程1比较好办，进入退货成功页说明一定成功了，所以可以用退货成功页的访问uv来判定退货人数，但是流程2没有了页面访问，点击退货按钮之后会发生两种结果（成功或失败），所以点击退货按钮立即上报埋点不是最佳方案，会把退货失败的行为也上报，这会导致数据结果不准，也是埋点中的一个坑，一定要和开发哥哥明确埋点上报时机。

有一个常用的解决办法：比如说前端埋点，上报时机明确为：后端返回结果为“成功”时上报埋点，“失败”不上报。

数据上报一定要准确，不能误报。

其实设计埋点是个技术活，除了这两个例子还有很多坑，之后打算专门写一篇如何设计埋点。

好啦，设计完埋点，写好DRD（数据需求文档），就等着市场的验证了。

五、分析数据结果

灰度上线 → 全网上线，是常见的上线策略，因为特殊考虑等原因直接全网上线的就不说了。

1. 设定实验组和对照组

灰度开放的用户量不宜多大或过小，因为新版本的体验好坏是不确定的，不同业务会有不同考虑，通常是以能验证结论，又能最小程度干扰用户的程度为标准。

这个灰度开放的用户量，满足统计学上样本量的置信度即可，网上有很多下图这种计算器，直接用就好了，不用专门学统计学。

（编辑：新余站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!