产品优化的2个前提 ——有效记录数据和有效解读数据

周璇璇

中国电信教育行业信息化应用(广州)基地产品总监,资深数据分析师,从业超过5年,具备敏锐的商业数据洞察力,在用户画像、产品优化、数据营销及电商运营分析等数据应用方面有丰富积累,参与设计并运营过多项数据产品,带领团队通过数据营销为客户带来年均百万笔业务量。此外,曾任广州新东方一对一项目负责人,对中小学教育培训产业有深入了解。

【精彩观点】

“衡量变动时需要有两个大的前提,一个前提是要保证数据是能够被有效记录下来,另一个前提是数据是能够被有效地解读的。不少产品经理在设计自己的产品时,可能会花费很多精力在产品本身的设计上,却没有花精力思考如何衡量产品的成功与否。对于成功与否这个话题,通常只会在他们的产品文档中写上一句类似“客户体验有所提升”的空话。这样的产品自然不会设计数据收集的点,自然也没有可以衡量的行为可言。还有一类产品经理设计了数据收集的方案,但是这些数据并没有被实际运用或者知识被有限地使用,那么这样的衡量也是缺失的,不利于进一步的改进。当然,就如格斗一样,一招之内决定胜负是不可能的,通常一次战斗会持续很多回合,所以需要衡量每一次的变动,同时也要对每一次变动有所反馈,用这一数据作为下一次变动的基础。”

在产品的迭代优化中,需要用合适的方式把无法量化的“客户体验”,通过不断的数据收集和分析量化,再通过不断的知识积累进行运营决策,为产品的良性发展打下基础。

如今“大数据”的概念通过各种渠道灌入企业,并在各类场合中被提及,诸如“大数据助力奥巴马连任”“纸牌屋的大数据力量”等故事口口相传,貌似通过数据,我们可以洞悉世事,对用户的偏好了如指掌,进而支持产品规划决策或不断优化产品设计。然而,“大数据,为什么很多人只会谈,不会做?”,问题往往源自两个方面:有的产品用户数据没能够被“有效”地记录下来,而有的产品用户的数据还没能够被“有效”地解读。

1.数据要能够被有效地记录

记得同一个传统企业谈其转型产品的物联网数据采集时,对方问:“为什么我的产品要有采集和传输数据的功能,采集数据有什么用?”另一位答“不管怎么样,我们先收集数据,将来肯定用得上”,我想这样的想法也存在于当下不少产品经理的头脑中,但大数据从来不是免费的午餐。如中国电信一个省的用户日均上网日志就达50T,庞大的数据暂且不谈怎么用,光怎么存都是一个伤脑筋的问题。与此同时,有部分的企业或机构在“量”这方面还没有做好,产品众多但几乎无数据可言。毕竟希望通过大数据来规划或优化产品的前提是要保证数据能够被有效记录下来。因而在产品设计之初,收集什么数据以做何用是需要产品经理思量清楚的,不然“不作决定的代价”将会是后续冗余数据的存储成本或是无法获取价值数据的痛点。“在大数据时代,越能够还用户真实身份和真实行为的数据,就越能够让产品在大数据竞争中保持战略优势”。

2.数据要能够被有效地解读

当我们拥有了产品的一系列数据后,怎样解读这些数据,让这些数据能够简单有效地被产品运营人员所理解、接地气,进而评估产品状况并优化产品设计,应该是数据应用的原动力,然而如今大数据实践中非常严重的断层问题——收集数据的人不知道将来的人怎么使用数据,分析数据的人不知道数据反映出了什么业务问题,产品或业务人员不知道业务状况可以通过什么数据得到反馈。

阿里巴巴运营数据的实践经验阐述了以上问题的破解方法:如果要让数据化运营落地,首先就要从人做起,利用好对内的“混、通、晒”,即数据部的人要和业务部的人经常“混”在一起,知道带着业务问题来看数据或带着数据来看业务,这就是做到了“通”,而“晒”是一种在“混”和“通”的基础上产生出来的最终的数据表现,是基于人、商业和数据结合后的一种看数据和用数据的方法论。其中我本人感触最深的是“混熟业务”,只有具备商业敏感的数据分析师,才会懂得使用什么数据来驱动公司实现经营目标,学会用数据产品来解决获取及使用数据的问题。

【实践案例】

1.能够辨别关系、身份的数据是最重要的

能识别身份的数据可以将用户若干散落的行为串联起来,以绘制更为全面的“客户画像”,但往往也有很多人因为施法不当而陷入了识别的误区。曾经接触过的一个数据能力不错的企业,该企业实时采集访问其网站的用户IP地址并将其记录下来,根据其网页浏览的情况,在这个“IP”再次访问时,推荐“猜你喜欢”的产品。诚然,“推荐”是一种体现数据价值的很好方式,但问题出现在了其识别用户的数据上,目前大部分的宽带用户都采用动态IP上网,即便是同一个人,在不同时段的IP地址也很可能不同,若以此作为唯一身份的识别,恐有偏颇;此外“cookie”是很多数据公司常用的方式,暂不论那些不堪广告骚扰的技术宅们不断地清除cookie,很多普通小青年们正快速向“PC+手机+Pad”的多屏交互的形式转移,“在这个信息多元化的时代单纯运用cookie来识别用户行为的方式已经过时了”。这也正是很多企业逐渐开始注重会员账号的原因,因为登录账号成为识别的一种有效依据,能够使原本没有关系的数据发生关系。

以电信用户的账号管理体系为例,或许会有人认为“手机号码”就是识别其身份唯一的账号了,其实不然,一个手机号码在用户一段时间内不再使用或者处于状态异常(如欠费三个月以上),是会被注销或重新放号的,即同一个手机号码,也可能在半年时间后,不再是同一个用户了,如同我们会在一些社交产品中看到基于手机通讯录号码给我们推荐的某些好友会有完全“物是人非”的感觉,所以需要用户ID而非手机号码来作为对用户的识别。同时,也存在一个人有多个手机号码,或者宽带、手机都是同一个人在用,进而在电信的账号体系中还会通过客户ID来管理归属于同一个“人”的各种用户ID。

用这样的账号体系来识别“人”的方法在产品的运营中能起到一定作用,如我曾经所在的一个团队,需要分析网上营业厅充缴业务流程的转化,以协助产品运营人员制定充缴流程改版计划。在网上营业厅充值,有的用户习惯目标明确地一个个号码缴费,而有的用户希望一次就把其名下所有号码的欠费一次缴清,所以在计划增设“同时支付账户下其他号码欠费”这个功能时,虽只是一个点击选择,但依然会纠结是否将其置为“默认勾选”。之后通过分析用户的充缴记录以及用户在网厅的点击行为数据发现,只有15%的用户不会同时为其账户下的其他号码支付欠费,在真实行为数据的支持下,产品运营人员将此功能设为了默认选项,并结合其账户体系,实现以“客户”为基点的“用户”关联,提升了充缴业务的效率。

2.业务需要展示的数据能消除不确定,而不是带来更多的问题

在我的数据从业生涯里,曾有近三年的时间与一线的业务部门一起工作,那是对我影响最大的一段历程,在这期间的深刻理解到产品经理应该懂数据,数据分析和挖掘更要懂产品、懂业务,如此方能相辅相成。

如业务运营人员通过推送页面进行产品营销,当数据分析师完全不了解业务时,或许只能简单地从访问数上得出一个“今天网站独立访客(UV)数据比当月日均增长22.83%,同比增长31.56%”,但这样的数据并不能说明什么,或者还会带来一系列问题:“为什么今天的访客会增加?”“这样的增长是主要来自自然增长还是推送营销?”“如果人气来自推送营销,效果好不好?”。数据运营,不仅需要“晒”出这些数据,还要能结合业务情况“解释”得了这些数据变化的来龙去脉,这样的分析方能体现出数据洞察的价值。

而对于产品运营人员而言,当策划了一系列的营销活动后,也需要能有效衡量营销效果和判别相关的问题,进而需要一定的数据思维和统计分析的基础。例如,在一次手机关联产品营销中,对网站推送页面的A/B版测试进行效果评估,A版在星期四和星期五挑选10000户推送,B版在周六和周日选10000户推送。

通知型(A版)

广告型(B版)

统计得到A版带来424点击量,B版带来280点击量,这能说明A版比较好么?这当中是有统计误区的,如这个网站是周一至周五的访客多,周六、周日的访客较少,所以目标虽然都是10000户,但在B版测试的时段里,推送页面到达率很低,即看到营销页面的人本来就比A版少许多,自然点击量也不高。

表1 第一次A/B测试

后来运营人员改变测试方式,在同一时段用分流的方式测试,并用A/B版的点击率作为评估指标,得到A版通知型广告的点击率是5.3%,B版广告型的点击率是3.25%(点击率=点击量/广告展现次数),以同样环境下的点击率作为评估标准,这样看似客观很多,后续业务推广就采用A版通知型作为推送页面全面推广,也带来了很大的点击量,但结果却令很多人惊讶,因为转化的订单量极少。

表2 第二次A/B测试

问题出在了哪里?通过后面的分析发现,A版点击率高,但通过推送页面引导到活动页面时,86.78%的用户没有进行下一步的访问就离开网站了,而通过B版点击进来的用户只有30.25%没有继续访问。在网站分析中,会以“蹦失率”这个指标来作为这种状况的衡量标准(蹦失率:顾客通过相应入口进入,只访问了一个页面就离开的访问次数占该页面总访问次数的比例)。上述的数据可以给我们带来一种推测,或许A版的用户看到通知没细看就点了进去,而到了活动页面发现这原来是要“买合约机”,没了兴趣便离去。而B版的页面因为其本身以广告的形式出现,点击后的用户蹦失率并不高。

【总结分析】

大数据的发展,让我们收集和还原行为变得更为可能。同时,产生或创造这些数据及关联的本质都是人,因此数据研究的获取就像莫测的人性,而卓越的产品设计就是能贴合人性,进而如何从一些碎片化的数据中还原一个人,并让数据变得超级简单是一个非常重要的使命。

在数据化的今天,产品经理不再单纯地靠感觉来做产品,更需要培养数据的意识,能以数据作为核心原材料,用数据来改善产品。同时数据分析师可以更多地了解产品、懂业务,为解决问题而提炼数据。让数据真正嵌入业务的运营中,切身解决用户的实际问题,只有这些都做到了,方能真正做好所谓的“用户洞察”,让产品走到用户需求的前面,超出用户的预期。