怎么看待产品经理拿数据说话这回事?如何做数据分析?

提问:

现在PM动不动就拿数据说话,找RD跑数据,有些数据是肯定必要的,有些数据是可要可不要的,比如对于某项目,PM凭经验可说4级以上的用户可xxx,这时候会有人跳出来问,为什么不是3级、5级?拿出数据来。 实际上真看了数据又能看出什么呢?看完后无非是再次验证了4级,而且看了数据后主管判断还是PM来下的。 再比如有的功能是肯定要上的,但领导会说,调研一下有没有必要,评估数据搞半个月,评估的结果是:可做。 实际上,该功能整个平台的用户都希望做,是没有必要耗费人力评估的,只要做就可以了。 很多数据和评估是必要的,但有些很形式化,请问有意义吗?

业内人士总结回答: 这几个月在一家为客户在Facebook上做广告的加拿大公司工作。简单说说他们对于数据的态度吧。这是一家小型Startup公司,总共不到20个人。其中4个人(包括我)是技术,剩下的除了CEO都是Account Manager。当然CEO很多时候也在做Account Manager的事情。 刚到这个公司的时候,觉得他们的code很烂,他们的数据库设计也很烂。后来才知道,当初startup的时候,是找了印度公司做外包的,他们对这个外包很不满意,所以一期项目搞定之后,就全部拿过来自己搞了。但是后遗症也留下了。 这个公司的数据模型很清楚,只要通过低于广告主给出的CPA价格能赚到钱,就想办法增加广告覆盖率。但是常识大家都明白,增加覆盖率很可能导致转化率下降。但是如果接受这个假设,那么就没有什么赚钱的机会了。恰恰是因为他们相信,除了常识之外,还有一些事情是经验之外的。 比如说关键词……有些关键词对某些人有用,对另外一些人没用。如果不做数据挖掘,生想广告词或者关键词的组合,累死了也赚不到什么钱。 所以……这个公司在代码中设计了几个基本核心算法: 1. 一种止损的trigger,对于任何亏钱的广告,自动停止。 2. 一个自动发布广告的cron,程序一直在扫描。一旦发现一些广告能赚钱,就自由组合这些广告元素再自动发布到广告系统里面。这样,就能出乎意料的发现一些更加赚钱的广告形式。 3. 做了很多广告更新的算法,搞了一个自动化的A/B测试策略来针对Facebook广告价格的浮动,来更新广告的价格。 通过阅读这些算法让我感受很深。所谓的数据分析,不是一个产品经理跑到运维,数据库管理员或者工程师那里说:我现在要跟踪什么什么数据,你帮我出一下吧。然后再对着跑出来的数据琢磨这些数据是否合理。 在这个公司里,只要发现一个数据模式对收入有影响,就会直接编码到系统里,变成自动执行的代码。基于这样的数据导向原则,代码面临无穷多次的重构,因为谁也不知道,下一个数据模式会发生在哪个层面,哪几个数据之间会发生关系。 我觉得国内的不少公司,还在以daily report分析数据,还在说数据只是为了验证产品经理想法的阶段。这动作是不是太慢了? 接下来的话,随便说说,不一定有参考价值: 1. 对于大多数网站,如果你想用数据为导向,必须建立系统级的A/B测试机制。对于界面层面的重构,一个产品经理+一个工程师,一天用这个系统一天至少能做3-4个。系统级别的A/B测试要能够保证快速上线,第一时间看到数据,一旦超过临界值直接结束测试、保留数据并生成报告(直接邮件发送,而不是让产品经理想起来跑到后台再查) 2. 对于做社交网站,或者有复杂用户数据模型的公司,要在界面呈现和用户数据之间建立匹配系统。这样产品经理可以设计几种呈现模式,丢到匹配系统中,过不了多久,就能发现用户对不同呈现的数据反映的不同,然后系统性地固化这种机制。 3. 通过cookie或者用户登录信息,建立针对不同用户的内部tag系统,看这些tag在系统2里有没有明显差异。如果有就可以固化下来,用来提高关键指标。 所以,我现在对于数据分析的感觉是: 1.要提高一个数据指标,盯着它是没有用的。必须找到影响这个数据的另几个可操作性更强的数据指标,调整它们。 2.分析数据的可能性要充分,充分分析的基础是测试充分多的可能性。如果你想测试图标的颜色从绿色变成红色会不会更好。那为什么不测试一下蓝色,紫色和黄色呢? 3. 如果小规模数据已经可以说明问题,就没有必要延长测试时间,也没有必要扩大测试范围。 4. 要充分利用计算机来帮你做数据采集和分析,缩短数据分析的周期,降低数据分析的成本。(Via: 知乎)

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2015-04-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏SDNLAB

欧洲5G研究进展:5GPPP启动第三阶段EVE、VINNI、ENESIS基础设施项目

欧洲5G研究计划5G PPP(5G公私合作伙伴关系)正式启动了第三阶段的研究,在由To-Euro-5G项目协调员David Kennedy主持的EuCNC会议上...

1003
来自专栏人工智能

ChatBot 的误区

ChatBots在人工智能领域是一个非常热门的话题。在这一点上,我们都听说过机器人,甚至是原型,并向我们的客户和公司推出了一些机器人。 有人认为聊天机器人是新的...

25110
来自专栏EAWorld

浅谈制造业主数据项目解决方案

在中国制造2025战略决策的指引下,制造业都在智能制造领域探索自身的发展路径,希望能够跟上数据发展的浪潮,以数据驱动业务快速提升企业竞争力。那么面对企业海量数据...

3465
来自专栏腾讯研究院的专栏

腾讯即通助理总经理冼业成:QQ大数据的特征和价值

大数据似乎在一夜之间迅速走红,它势不可挡地冲击着金融、零售等各个行业。云计算将如何改变计算的世界?未来将有怎样的应用前景?如何解决“信息孤岛”的问...

2015
来自专栏程序员的知识天地

程序员被聘用的13个开发技能

这些日子,开发人员掌握JavaScript总不会错。JavaScript能力是目前为止被高层执行人员和招聘人员誉为最频繁的追捧技能。JavaScript已被证明...

501
来自专栏速成应用小程序开发平台

微信小程序代理商该如何选择可靠的服务商加盟创业赚取第一桶金?

自小程序2017年1月9号正式上线以来,不论是中小商家,还是各大品牌巨头,都在抢占小程序这波风口,打造属于自己的小程序。截至目前,全国正式上线小程序超过100万...

1173
来自专栏AI科技评论

专访 | 语音助手的涅槃关头,我们应该完全抛弃屏幕还是选择“语音+图形界面”?

AI科技评论按:距离苹果Siri的推出已经快6年了,期间很多智能手机厂商也纷纷将语音助手列为卖点之一,但是其使用率一直不高,究其原因,还是语音助手的功能有限。不...

3397
来自专栏灯塔大数据

产品经理究竟应该关注什么数据 由产品特点和生命周期决定

产品这群人啊,真的是三句话不离老本行,之前和部门的产品Mentor一起吃饭的时候,他问了我这么一个问题:“如果你是饿了么的产品经理,那你日常工作的时候应该关注一...

2946
来自专栏数据观有话说

2018年 转化率优化的五个最佳实践

来自:数据观 https://www.shujuguan.cn/?from=qcloud

1357
来自专栏Kiba518

另一个角度的架构师

ADMEMS矩阵,明确介绍了架构师需要思考的问题,而在这个矩阵中,做完一个架构师最需要了解的什么呢?技术?业务?都不是,最需要了解的是你的领导,其次是你的团队成...

722

扫码关注云+社区