分析產(chǎn)品數據時(shí)需要注意哪些坑？

回答者@凱撒follwer：

我就說(shuō)點(diǎn)我對數據分析的整體認識。

其實(shí)在之前的“游戲數據分析”的帖子里面我就已經(jīng)提到了分享會(huì )中對于數據分析的誤區，錯誤的將使用AARRR這類(lèi)‘高逼格’的模型來(lái)造成一種為了數據分析而分析的誤區。其實(shí)在做數據分析之前，要搞清楚兩點(diǎn)：Why和How。

之前在國外的論壇中有看到關(guān)于數據分析的細分，英文單詞是segmentation，Segmentation的原意是分割。怎么理解呢？試想想，當大量的數據擺在面前是無(wú)非直接去分析的，能夠做的就是細分。明白這一點(diǎn)之后，我們來(lái)從Why 和 How 上來(lái)簡(jiǎn)單說(shuō)說(shuō)。

Why

無(wú)論是談業(yè)務(wù)，講解好的商業(yè)模式，還是做產(chǎn)品，會(huì )伴隨一個(gè)簡(jiǎn)單的問(wèn)題：這個(gè)商業(yè)模式、業(yè)務(wù)的客戶(hù)群、產(chǎn)品是哪些？（如：遠近聞名的Uber的主要用戶(hù)是哪些？）好的回答會(huì )給你說(shuō)，我的業(yè)務(wù)主要是分B2C、C2C；再好一點(diǎn)的答案會(huì )給你說(shuō)：“根據我對市場(chǎng)的研究，我主要做B2C的市場(chǎng)，我的客戶(hù)主要會(huì )集中在群體A以及群體B，我的商業(yè)模式會(huì )對不同的群體有不同的運作方式”。如：Uber的主要市場(chǎng)是在一線(xiàn)城市，主要細分市場(chǎng)集中在中高端出租車(chē)（出行服務(wù)），主要客戶(hù)細分為服務(wù)提供方：私家車(chē)車(chē)主；服務(wù)受眾：針對需要更便捷的出行服務(wù)人群。這些都是數據反映出來(lái)的結果，越多的數據，能夠得到越多的信息。

從受眾的角度來(lái)看，把市場(chǎng)一層一層剝開(kāi)：市場(chǎng)> 市場(chǎng)細分> 用戶(hù)細分> 用戶(hù)

從運營(yíng)角度來(lái)說(shuō)，在數據分析之前，先要了解市場(chǎng)細分，而做的細致，則是對每一個(gè)顧客有定制化營(yíng)銷(xiāo)。而對于任何一家公司來(lái)說(shuō)，如何將這個(gè)認知的過(guò)程做好，則是這個(gè)生意／商業(yè)模式的關(guān)鍵。而“細分”（segmentation）很好地從一個(gè)相對可控的維度，給予我們決策者／執行者足夠的”認知“去進(jìn)行商業(yè)決策。這里需要強調的是，公司是用“細分”還是客戶(hù)定制化營(yíng)銷(xiāo)，并不是對立的關(guān)系，完全是根據公司發(fā)展的進(jìn)度和客戶(hù)的需求來(lái)的。舉個(gè)例子，還是拿我最為熟悉的知乎說(shuō)事兒，知乎現在從戰略上來(lái)，用客戶(hù)細分解決那些“大V”問(wèn)題，類(lèi)似這段時(shí)間的版權改版 － 針對大V／內容貢獻者這個(gè)segment的加強；類(lèi)似知乎日報升級 － 針對普通用戶(hù)／非用戶(hù)segment的改進(jìn)。

How

談數據分析，必然要從統計學(xué)的角度扯扯。

從統計學(xué)的角度來(lái)說(shuō)，這是分類(lèi)問(wèn)題。而從分析的角度來(lái)說(shuō)，涉及兩個(gè)方面：

在迫不及待跳到用什么各類(lèi)高端模型（比如AARRR模型，我真不是故意的，這個(gè)確實(shí)是個(gè)例子）之前，先來(lái)確定我們的數據分析的目標 其實(shí)說(shuō)白了是對用戶(hù)做判斷：

現有用戶(hù) -- 現有用戶(hù)是？喜歡啥？怎樣的消費習慣？所有用戶(hù)里面，哪些最值錢(qián)？etc...

潛在用戶(hù)-- 潛在客戶(hù)在哪？他們的喜好？我們要通過(guò)什么渠道獲??？獲取成本是多少？etc...

這類(lèi)問(wèn)題，嘴上說(shuō)起來(lái)是簡(jiǎn)單的，但是實(shí)際上，建立這樣的用戶(hù)需要很系統的定量分析和定性分析，根據你對用戶(hù)的了解而提供對應的服務(wù)即是一種：產(chǎn)品的思維。這也就是為啥我覺(jué)得很多大型公司都會(huì )對部門(mén)進(jìn)行細分：數據分析部，產(chǎn)品研發(fā)部，市場(chǎng)部。對指定新產(chǎn)品從整個(gè)發(fā)展線(xiàn)上去定位，然后再去做運營(yíng)。

對于現有用戶(hù)和潛在用戶(hù)的了解，有如下方式：

了解你的商業(yè)模式：是零售類(lèi)的重復性銷(xiāo)售還是會(huì )員制度，還是其他（類(lèi)似金融產(chǎn)品的銷(xiāo)售云云）。

了解你的商業(yè)目的：

• 當前產(chǎn)品的定位產(chǎn)品

• 產(chǎn)品這個(gè)發(fā)展模式的定位

• 僅僅根據數據（財報）體現出來(lái)的通過(guò)不同的精準營(yíng)銷(xiāo)手段來(lái)提高短期收益

• 提高用戶(hù)活躍度

• 了解你的用戶(hù)基本行為

關(guān)于用戶(hù)基本行為一點(diǎn)，是現在大數據分析的最為直接的目的。而實(shí)現這個(gè)這個(gè)往往會(huì )通過(guò)很多小的項目（也就是經(jīng)常提到的跨部門(mén)協(xié)作的體現）來(lái)不斷完善。我了解到的是根據RFM分析（Recency，Frequency，Monetary）來(lái)分析，來(lái)了解你的用戶(hù)都是些什么人，有什么消費習慣，他們對營(yíng)銷(xiāo)活動(dòng)的反應如何，反饋率是多少。根據大量的數據統計的結果，來(lái)制定你的商業(yè)計劃。利用數據模型，比如k-means cluster，等等去分類(lèi)你的已有客戶(hù)，看看他們基于某一個(gè)指標來(lái)分類(lèi)，因為我的商業(yè)目標是為高利潤的客戶(hù)提高更好的服務(wù)，降低這個(gè)客戶(hù)群的流失率，增加交叉銷(xiāo)售的成功率（cross-sell rate）。

為啥要扯這些呢？因為很多數據分析的坑，都是這些具體的數據細分開(kāi)始就錯了。

比如，從市場(chǎng)這個(gè)起點(diǎn)開(kāi)始就錯了，沒(méi)有搞清楚這個(gè)數據是否能夠對這個(gè)市場(chǎng)能有好的分析性和預測性。這是一個(gè)鏈條，從一開(kāi)始的錯，會(huì )一直錯到最后。而數據分析的邏輯是很?chē)烂艿?，如果你沒(méi)有意識到你的起點(diǎn)就是錯的，那么錯誤的分析會(huì )讓你走入“只求短利益”而忘記產(chǎn)品持續發(fā)展的重要性，這也是為什么很多做手游的公司，一再投入分析數據，運營(yíng)，但是產(chǎn)品的效果總是不好。

再者，用戶(hù)的流失率表面上可能是運營(yíng)不到位而在營(yíng)銷(xiāo)手段上輸給競爭對手而導致的。如果做一個(gè)關(guān)于“產(chǎn)品的各個(gè)功能滿(mǎn)意度的調查”，會(huì )發(fā)現，大量的用戶(hù)流失是因為你的產(chǎn)品沒(méi)有持續發(fā)展的產(chǎn)品設計，而不是營(yíng)銷(xiāo)上給用戶(hù)“恩惠”少了而流失，雖然營(yíng)銷(xiāo)的失敗也能夠導致用戶(hù)的流失，但是不會(huì )有大量的流失的現象出現。

我們做數據分析是為了改善產(chǎn)品，從而給用戶(hù)更好的產(chǎn)品體驗，本質(zhì)是要對用戶(hù)的進(jìn)行進(jìn)行深度分析，然后結合現有產(chǎn)品的特點(diǎn)，去改進(jìn)，這才是數據能說(shuō)話(huà)的要義。

PS：當問(wèn)題出現后，能從“數據分析的坑”這個(gè)小點(diǎn)，看到這個(gè)面的影響，才能更好的解決問(wèn)題。