数据驱动产品.docx

前LinkedIn高级总监张溪梦：6个步骤，学会数据驱动产品的秘诀（附PPT及思维导图下载）作为前LinkedIn的首位做变现盈利的数据科学家，张溪梦负责的业务就是如何能用数据分析来增加销售，促进产品的研发效率、做更好的风险控制等。这个世界上第二大的B2B的云端软件企业，每年的销售额从七千万美元跃升至将近30亿美元，一个重要的推手就是数据的帮助。那到底怎么样才能用数据来推动产品优化呢？以下为分享正文，由人人都是产品经理团队@张婷 依据嘉宾现场分享内容整理，编辑有修改：数据有四个属性：时间、地点、人物和事件；举个例子，在电子商务这个环境里，假设分析一个交易数据。这个交易数据在时间上，它必须有一个时间戳，这个数据必然会在某一个地点发生，还有对应的交易者，在事件的级别，消费者要购买某种产品，花某种价格，通过某种支付手段，进行交易。所以说，这是一个事件。真正的用户的行为，往往都是以事件为核心的数据点。这些数据点，会造成一个整体的事件流。二数据的几何级数增长举几个例子，像LinkedIn这家公司每天大约会产生100亿条事件；通过用户行为产生的事件，在不到5年的时间之内，咱们全球大约会有40亿的人每天会产生大量的数据，同时，它是一个4万亿级别的市场；在全球范围内，将近有2500万个app诞生，不但有针对普通用户的app，还有对企业级服务的app；另外会有将近250亿活跃用户的各种设备将会接入我们的网络；最后，每年将近产生5万亿GB的数据。三什么是数据分析数据量这么大，呈爆发式增长，它的价值曲线，数据量，数据设备数，人的关联度不断增加，但这并不表示数据本身能够带来价值，真正的商业分析的核心，是通过5个步骤不断把低价值的信息或者数据变成高价值的产出。一般数据分析可以分成5个步骤。了解以前发生了什么；分析为什么会发生这件事；观测目前正在发生什么事；预测未来将会发生什么；全局优化。前四步是数据分析中的基础步骤，包括数据预测，它本身并不能产生太大的价值，只有通过全局优化，才能产生有价值的产出。2、数据分析的发展历程对于产品经理来讲， 数据可以作为产品优化的依据，比如交互、留存。实际这一切都是基于对数据基础的理解，在过去的5年，数据框架在技术的推动下，有几次主要的迭代时期：第一个时期数据库和数据仓库的时期。传统的公司都使用数据库或者数据仓库来存储数据，他们应用一些数据库管理工具获取数据，再通过一些经典的BI软件，比如Cognos或者Businessobject进行数据可视化，形成报表发给管理层。一般对于这些数据，只有管理层决策层才使用。这个阶段发展了将近15--20年。第二个阶段第二个就是我们现在所处的阶段，至少在过去的五年，数据量呈爆发式增长。数据研究者开发出了一套分布式的技术，这套技术以Google和Yahoo为代表----Google table和Yahoo的Hadoop，它能处理大量的半结构化数据，然后通过分布式的方法，能并行地计算处理很多信息。Google和Yahoo的办法增加了数据处理的容量，大大降低了数据库的成本，分布式技术将数据库的技术提升了一个层次。以往数据分析只能支持几十个人的决策，现在能够支持几千甚至上万人的决策。它使得数据分析从一个非常贵的、缓慢的流程变成了一个有效的、价格相对较低的层次。但这其中还有一个问题：以往的软件都是比较结构化的，很多人都可以使用。但是Hadoop这种大数据结构，很多人都很难用，这就造成很多技术性瓶颈。具体体现在：数据收集来源增加，文件收集复杂性提高。对工程能力操作感各个公司拆解很大。3、数据分析驱动产品设计的意义如果能够用好数据分析公司，会产生一种战略性优势。用不好数据分析的公司，在发展上则会产生很多瓶颈。在现在的美国和将来的中国，要想做好一个产品经理、设计师、产品运营人员。核心不再是依靠分析师来分析数据，而是能够熟练地应用各种企业级应用，来达成数据驱动产品的手段。如何利用数据驱动产品设计？必须要有数据驱动产品设计的意识，这个意识已经被美国的Facebook、LinkedIn证明；善于观察用户的行为，用户的行为是不会说谎的，用户的行为往往能够反映出用户对于产品的容忍度和熟练度；我们要很聪明的用技术做决策；今天的企业已经由流量型向用户体验和产品设计方向迅速进化和衍化。这种进化和衍化的结果就是：每一个企业，不论大小，都需要用精益化运营的思维做好产品。互联网已经从web2.0进化到web3.0，意味着流量为王的时代已经结束；这样的形态下，企业往往不注重流量的转化，而在乎流量获取的速度。而在今天这个时代，一个企业如何能够在一定时间内快速地对用户进行转化，增加用户的体验，增加用户的留存，这是当代互联网产品的核心。四如何通过数据分析驱动产品设计精益化运营精益化运营不得不提的三个指标---转化率、用户的活跃度、用户