01 解讀數據的三個層次

人人都是產品經理 發佈 2022-08-10T17:58:20.006526+00:00

編輯導語:由於認知程度不同,面對相同的數據,不同人可以洞察的信息會有很大差異,大致可以分為感知、認知、底層這三個層次,而這三個層次是循序漸進的,可以作為是否透徹洞察數據的一個標準。本文作者對數據的三個層次進行了解讀,一起來看一下吧。

編輯導語:由於認知程度不同,面對相同的數據,不同人可以洞察的信息會有很大差異,大致可以分為感知、認知、底層這三個層次,而這三個層次是循序漸進的,可以作為是否透徹洞察數據的一個標準。本文作者對數據的三個層次進行了解讀,一起來看一下吧。

關於認知和解讀數據,我其實也不是權威,只想藉機讓各個零碎的知識聯結成網。網際網路所有工作的本質都在於解決問題,歸因、聚合、離散等等都是把一切問題變得有條理的手段,有條理是我們無限期待接近的目標。

01 解讀數據的三個層次

面對相同的數據信息,不同的人因認知程度不同,可以洞察的信息會有很大差異,大致可分為三個層次:

  1. 感知:知道數據是多少
  2. 認知:知道數據的變化原因
  3. 底層:預測數據的變化趨勢

這三個層次是循序漸進的,可以作為是否透徹洞察數據的一個標準。尤其是第三個層次,通過過去與現在洞察未來,並作出決策和判斷。這其實是一個標準職業經理人需要具備的素質,這裡吐個槽,哪怕在行業頭部企業,這樣的人也並不多見,這世上多的是南郭先生。

02 數據的三個大致分類

網際網路公司每天會產生上千萬上億的數據,其實這些數據大致都可以分為三類:

  1. 用戶數據(誰)——eg:用戶畫像、用戶活躍、用戶生命周期、用戶價值
  2. 行為數據(做了什麼)——eg:瀏覽、訪問、停留時長、跳轉、跳出
  3. 業務數據(結果如何)——eg:轉化率、GMV、客單價、毛利率

業務數據往往是比較直觀的,它直接對應你的OKR或者KPI,最重要的業務目標在增長黑客里也有一個說法叫「北極星指標」。它最大的特點在於可衡量、可拆解。

用戶數據這裡也不用多說,一個業務或者產品面對的目標用戶,它的具體用戶畫像和特徵,無論是用研調查還是技術算法,都會窮儘可能,讓你感知和了解用戶大盤。

行為數據這裡稍後會展開,結合UJM+OSM聊一聊。

其實對於每一個數據欄位,也可以進一步分類:

這裡看英文可以更直觀,在統計學中,單一數據欄位可以被分為離散和連續。離散通常是維度,特徵是有限數量的值,比如城市名稱;連續通常是度量,特徵是不可羅列,可能為任一數值,比如GMV。但維度和度量其實也並不是涇渭分明的,比如金額,可以做維度,也可以度量。但絕大多數情況下,可大致如此分類。

1. 行為數據UJM+OSM模型

UJM即User Journey Map,用戶旅程地圖;OSM即Objective-Strategy-Measurement,目標、策略和衡量;這兩個模型在繪製產品和業務大圖時常常會結合使用。插一句,這裡其實就是我和老闆相互畫餅的日常,哈哈哈~

這裡簡單繪製一個示意圖大家感知一下即可:

2. 搭建數據指標體系的tips

1)明確核心指標

  • 核心指標必須有業務可解釋性,能夠結合業務充分對數據進行解讀
  • 核心指標必須可拆解,進一步拆解為各個子目標
  • 明確產品不同發展階段下的不同核心指標:產品生長期、成熟期和衰退期,核心指標應隨之發生改變

2)核心指標拆解

核心目標的拆解有多種方法,業內常用的比如加減乘除公式、二八法則、漏斗轉化等。

在公式拆解這裡有一個小tips:

  • 宏觀角度用乘法:例如規模=觸達量級x滲透率x點擊率
  • 微觀角度用加法:例如發送量=營銷型+產品型=(個性化+品牌+活動)+(更新+疊代)

3)數據指標口徑

由於網際網路公司部門與部門間的溝通成本巨大,數據指標口徑建議在統一達成共識後,數據口徑、關鍵庫表、SQL統一進行歸檔。

03 以流量數據為例進行解讀

這裡以常見的C端流量數據為例,進行一個初步的數據解讀,也不枉上邊講了一堆方法論,也好有一點實操感。

1. 流量數據分類

日常流量運營里,可以用「4W1H」進行一個簡單的流量數據劃分。原則上畫圖會更清晰,但太麻煩了,就簡單羅列一下:

  • Where ——> 營銷場——>渠道場景/流量位/資源位
  • Who ——> 人——>用戶/人群網格化細分
  • What ——> 產品供給——>內容/創意/商品
  • How ——> 分配策略/匹配策略
  • When ——> 時機/事件/時間

2. 流量數據分析

關於流量數據分析,可以簡單用一句話概括:流量從哪兒來?經過什麼?產生了什麼價值?如果波動,波動原因是什麼?

  • 渠道分析——>從哪兒來
  • 轉化分析——>經過什麼
  • 價值分析——>產生什麼價值
  • 波動分析——>異常波動的關鍵因素

以上是整體的分析思路,具體的業務場景里,包括結構分析、趨勢分析、對比分析等;一些思維方法包括網格化、象限法、漏鬥法、公式結構等;常用的數據工具就更多了,Excel、SQL、Python、FBI看板等等。

總而言之,理清主要思路,具體用哪一種方式,從A到B有無數條路徑,這個可以千人千面。

04 數據認知能力培養

關於這個part我也還在進行時。我的觀點是無論解讀數據的能力,還是關於數據認知的敏感,這都是一個任重而道遠的過程,需要有長期主義的心態,保持持續學習的態度和熱情。

保持數據洞察,其實可以隨時隨地進行練習。對待任何一個事物或者產品,保持結構化理性,充分吸收外部信息和整理內化信息。例如思考都可以從宏觀、中觀、微觀角度去切入。

  • 宏觀:行業情現狀和趨勢、競對洞察、社會時事政策、行業分析報告
  • 中觀:企業整體的戰略定位、整體數據掃描與診斷、決策者意圖
  • 微觀:具體業務細節數據、效果評估、提升空間

本文由 @不知名的阿Q 原創發布於人人都是產品經理,未經許可,禁止轉載。

題圖來自 Unsplash,基於CC0協議

關鍵字: