前面已经连续分享3篇sass产品相关的文章，今天插入一篇数据分析的分享。

我们都知晓数据分析，对于一个互联网人的重要性有多高，更别说产品经理。

那么有一定的数据分析意识和经验，对产品经理来说，到底有哪些好处呢？

一、帮助产品经理发现问题

电商产品经理在决定大量投入推广一款新品之前都需要先测图，测款；测图主要包含测试主图点击率，以及详情页转化率。测款主要包括当前产品的收藏率，加购率以及转化率等指标表现是否很优秀。如果明显高于行业平均，说明产品具有很大的市场潜力，可以当成主推款来进行推广投入。如果各指标都明显低于市场平均数据，则没有必要大力推广，而是考虑如何优化与调整推广策略或则直接更换产品。

电商产品经理就是通过以上2个步骤来判断选品是否正确以及评估推广当前新品需要花费多少精力、多少推广费。那在这个过程中，产品经理其实就是利用数据来发现问题，并尽早优化问题。

二、帮助产品经理快速决策

决策一般指的是出现多种选择或则站在一个十字路口时，需要作出一个选择。商业活动，靠直觉来做决策往往不太理性与靠谱的；而真实数据，则可以帮助作出选择。

我们都知道互联网产品，在设计一个功能时（如某个按钮位置摆放或则流程节点设置），如果有2种方案，都会做AB测试，即2种方案都会去尝试，然后控制相同的流量，看哪种方案数据更好。

其实还是说回电商直通车里面的一个功能：创意图测试。直通车是将所有推广商家通过竞价方式，快速精准的找到自己的目标客户。简单明了就是只要你愿意出价，淘宝都会给你展现。但问题是，淘宝将流量给你，你没点击率，没能力承接住流量，那么淘宝就会将减少流量的供给！由此，直通车后台在添加创意图时，就会让商家添加多张创意图，然后让商家在自己添加的多张创意图之间竞争；点击率小的创意图，你要下架掉，然后重新设计一张创意图，填补刚刚下架的那张。新添加的创意图点击率又要参与到所有创意图点击率竞争中，谁低谁下，直到出现一个比较高的点击率的主图，然后再切换优选模式（即展现好的优先展示）；这个案例就是解决运营或产品经理在做决策时，不能凭自己经验来，而是凭借最终的市场数据来决策用哪种方案。

三、提升产品在职场的竞争力

目前互联网产品整体进入流量获取单价高，用户难留存，流量难变现等各种问题的阶段；因此公司在考虑招聘产品经理时，都会找具有一定数据分析经验或能力的产品经理；数据可驱动产品经理去优化设计，可驱动运营去分析更好的运营策划与活动。

我们都知道数据分析，需要考虑数据采集是否全面，以及数据处理是否专业，然后能在呈现出来数据中可以敏感发现问题，这些都是数据分析的基本前置条件，如果没有的话，可能会影响决策；

那么具备以上前置条件之后，数据分析都会有哪些好处呢？

我列出了以下目的与好处

1、引导发现结果好与不好

2、提供问题的切入点

3、提供业务增长机会

4、提升团队效率

一、引导发现好与不好

数据更多是一个结果的呈现，他不具备对计划实施执行动作的自动调整作用。因此当我们看到的活动结束效果数据、某次推广活动投入产出比，这些都可很客观的去评估结果是好，还是不好。然后通过结果的评估，去反推做的好的情况下，哪些是做对了？为什么做对了？做的不好的情况下，哪些是做错了，为什么会出现这种结果？下次改如何改进？

比如：我们公司最近做的一款《智能导购系统》，里面就有一个很核心，且很关键的数据指标，用来评估核销的效率—核销率。

核销率= 核销券数/领取券数；当然这数据还要剔除特殊数据，比如只领取1张，核销1张，虽然核销率是100%，但是不具备参考性和分析的必要性。

其中A档活动：满80减20，核销率是20%多，领取总数是1000多张（基数具备可参考性）

其中B档活动：满32减8，核销率是60%多，领取总数是1500多张（基数具备可参考性）

你看以上2档活动，核销率相差很大，这是为什么呢？因为按照活动本身来看的话，力度更大的是“满80减20”，领取的数据好像也有1000多张，但是最终核销率却相差很大？我们以开始看到这个数据，其实还是有点困惑。为了揭开这个问题，我们去现场问来5很多导购员。才发现以下原因

1、B档活动包含的产品更加受欢迎；

2、B档活动本身买2件离32元差一点点，再添加1件商品，也就40元左右，减去8元，也就32元左右；

3、B档活动设置的优惠门槛，符合日常用户的客单价

4、因为B档活动更具有吸引力，更容易成功，导购员也更加有意愿向客户介绍。

5、B档活动，品牌方对导购员本身也设置了奖励机制，因此对导购员的积极性有更高的调动；

一问，才知道原来，B档活动核销数据高，背后却是有这么多做的比较好的地方。后续再配置活动时，我们就可以借鉴。

二、提供问题的切入点

产品经理在给小程序或APP设计数据埋点时，后端会拆解出各个核心业务点，前端会将操作交互拆解成每一个动作，然后通过数据监控的技术，记录每一个核心业务点，每个动作的数据。如此后续，我们在分析问题时，查看数据，才能一目了然哪个核心业务点数据不好，哪个交互动作影响转化等，等等都是为我们后续提供分析问题的切入点。

三、提供业务增长机会

这点我主要想说一下我做运营的经历，一个店铺，一般能卖的起来的只有2-3款（走非品牌路线）。每个款的生命周期也是有限的，因此我们需要不断去挖掘好的产品。这种其实就是要发现店铺或市场上，产品数据呈增长趋势的，然后去验证。最后通过运营手段，爆款打造去运营成自己的另外一款增长业务。

四、提升团队效率

这点好处主要是数据能说话，数据是信服力。运营在向我们提一个优化需求或则新增一个功能。如果能提供提前验证好的数据，对需求的推进，在团队的信服力都很有帮助。

比如我们公司有2个运营小伙伴

小伙伴A，提的需求是自动调价功能。但A在向我们提这个需求之前，自己已经手动调价并验证调价是否能带来更多的销售订单（拼多多会根据价格来切量），调价多少，调价频率，且分别能带来大概多少的销售订单，均已验证。因此小伙伴A在提这个需求的时候，我和我们技术小伙伴，都很积极的配合。因为大家明白，小伙伴A，对于这个需求已经通过自己的办法得到了数据。

小伙伴B（还是一个领导）：提的需求是外接一个大厂的H5页面，接入我们的话费充值。我们当时问这个领导，接入这个H5大概能带来多少订单？有没有和大厂协商接入之后的一个推广力度？有怎样的运营计划？小伙伴B的回答：这些我哪知道？只要先接入就好。这句话其实对团队的效率影响是很大的，因为大家没法评估这个需求的投入产出比是多少。因此后续虽然大家也都做了，但是最后的结果是，只有寥寥几个销售订单。

从以上2个小伙伴提需求的方式，其实就知道数据在其中起到的作用力。

最后我们再讲讲再数据分析的过程中注意几个事情，如下：

1、不能只看大数据

2、要看数据趋势

3、要对比数据，做到心中有数

4、找到关键数据

一、不能只看大数据

还是智能导购员的例子：我们不能光看总的领券数，总的核销数，同时还要从门店维度、导购员的维度，以及券的维度去查看数据。数据要抓大，也要抓小，这样才能知道数据背后到底发生了什么。

二、要看数据的趋势

数据的变化，就代表背后动作存在变化。数据的规律性，也代表背后周期性的用户行为。继续拿智能导购员的数据来举例。领券数据与核销数据，一般会存在周一～周五没有明显的数据变化，几乎是100以内，但到了周末或则大促活动期间，数据就会存在明显的递增趋势，甚至比工作日的数据多出很多倍。其实这个是符合市场规律的，因为周末零售场的人会很多。

三、要对比数据，做到心中有数

a、知道行业的天花板

比如我之前接手的淘宝店铺，类目属于个性化定制 >设计服务，我找了一下类目排名前5的店铺近30天、近1周，近1天的成交数据。观察一周之后，我就大概知道这个行业店铺做的最好的销售额是多少，此类目市场需求大概是怎样的。

b、知道行业的平均值

特别是前期验证某一个功能，某一款产品是否符合用户需求，是否有市场潜力，均需要数据支撑，而市场的平均值则是最好的参考。

四、找到关键数据

一个业务执行下来，会产生很多维度的数据。而我们在数据分析时，也是要找到关键数据。要找到关键数据，其实还是要对业务熟悉，知道在当前业务中，哪个数据指标是最关键的。在结果出现异常（好与坏都可以），就可以第一是时间查看该关键数据。

好的，今天就分享到这里。希望对你们有帮助。针对这一块，大家也可以深入的跟我聊聊。

end

我是枯藤老叔 。3年创业，4年产品经理；

日常通过互联网平台叨叨自己对产品，对创业的所思所想！