时间: 2021-07-30 09:12:45 人气: 4 评论: 0
今天和大家分享的内容是通过四个步骤建立数据运营体系，通过数据支撑产品的迭代和运营，希望能够给正在数据泥潭中挣扎的产品同学和运营同学带来帮助。
本篇内容是产品设计系列的第三篇，在开始之前，我们先回顾一下之前讲过的产品定位和产品形态的内容。
今天和大家分享的内容是通过四个步骤建立数据运营体系，通过数据支撑产品的迭代和运营，希望能够给正在数据泥潭中挣扎的产品同学和运营同学带来帮助。
产品经理进行数据运营的第一步，就是关注你的“硬指标”，只有明确自己的硬指标，才能够抓住在浩如**海的数据类型中抓住对你最有用的哪一个。
大多数情况下不是产品的总活跃指标或总收入指标——总指标很难评估单次迭代的好坏。
那么硬指标具有什么样的特点？
一定是可以用来评估单次产品迭代的结果好坏的，是对用户体验或业务目标最核心的观测点和标志点。
想要寻找我们的硬指标，一定是围绕产品定位和产品形态来的：
需要注意的是：不论是大到APP，还是小到一个功能、一个页面的迭代，都拥有自己的硬指标，硬指标一定不是一个从大到小，从上到下的所有需求都通用的指标。
硬指标是基于你自己对产品和需求的理解产生的指标，它也不一定是我们常见的那些基础指标的形式。
我们拿常见的邀请好友拆红包活动来举例，如果你是一个电商产品面向C端的产品经理，在处理这个需求的时候，**把什么设置为自己的硬指标呢？
很显然，在这个产品不同的生命周期，其硬指标也**存在差异。
在产品发展的前期，我们需要通过邀请裂变的机制，大量地获取新用户，在这个时候，我们最最核心的硬指标，是“人均拉新率”，即平均每个进入活动的用户能拉来几个新注册的用户。
通过观测“人均拉新率”，我们可以最快地针对我们的核心业务目的——增加新用户数，来对产品进行迭代。
在产品获取了一定量的用户，建立起用户基础时，拆红包活动已经迭代了几个版本了。当然，我们也不能停止获取新用户，但是这个时候我们关注的硬指标，就变成了“人均拉新成本”——在有一定用户基础时，相比于用户增长的速度，我们更在意的事情是对成本控制，向利润看齐。
以上的例子，离我们最近的就是luckin coffee了，大家不妨回忆一下，随着用户量的增加，瑞幸的拉新活动有什么变化？
根据上面举的例子，我们还是来分析这个拉新红包，假如你观测到的1月的拉新率是15%，2月份的拉新率是10%，可是你还没有对它进行迭代呢，这中间出现了什么问题？
你**发现，拉新率的降低，是因为2月份过年了，大家去工作的时间变少了，因此对于咖啡的需求整体下降，这导致你的拉新率也下滑，但是硬指标并没有表现出这一点，因此，单纯靠硬指标，也**出现偏差。
我们关注核心的硬指标，是因为它能够评估单次迭代的好坏，但是跳出来想，单次迭代的好坏，其实并不一定可以通过单一的指标来决断，任何一个产品的用户表现，都取决于各种因素的影响。
因此，在了解了硬指标后，我们还应当找出你当前需求中所有的硬指标，然后根据这些指标来建立一个数据监控体系。
其实知道了硬指标的概念，相应地建立数据监控体系也就简单了。
需要非常注意的一个点是：数据监控指标的确定一定是前置化工作，是包含在产品设计中的，而不是等产品上线再说。
有些同学可能**说了：“你扯这么多，这不就是数据埋点吗？”
非也，数据监控体系是基于硬指标，通过金字塔原理建立的逻辑体系，其目的是通过监控的结果对产品进行体验复**并指出迭代的方向。
而埋点，是单纯的点状逻辑，很多同学让开发做埋点，只是想到哪里是哪里，最后得到的数据是散点状的，无关联的，至多是线性的，并不能形成一个立体结构，进行全域的观测。
数据监控体系，是在产品迭代的过程中，让你得到结果，并感受到痛苦和喜悦的载体，只有经历这一步，才能**新认知，获取能力的提升。
我们找硬指标，建立数据监控体系，其目的除了进行产品的迭代，同样也是为了不断地**新核心体验中的各类细节，让我们对极致的体验形成认知。
还是举刚才的红包活动的例子，我们只讲一个点，就是红包落地页——新用户打开老用户分享时看到的第一个页面。就我看到的饿了么的红包落地页，就至少有十个版本，更不用说我并非是一个高频用户，其背后迭代的版本可能更多。
一个落地页，就一张图，输个手机号、验证码，有什么好迭代的？
如果你有这种想法，这恰恰说明，你需要引起重视，赶紧去建立自己的数据监控体系了。虽然就一个页面，但是海报的文案数量，第一信息点的位置、字体、字号，页面中出现的元素形象、第一信息点的文案中哪些词对转化刺激最明显，这都是需要进行持续打磨的。
试问，当一个公司把拉新作为最重要的任务时，这个页面是否值得你花费这么多精力去打磨？
而如果你要打磨这个页面，仅仅通过两三次尝试，就确定自己能够得到“正确的答案”吗？
我原来工作的一家公司，对这种类型的红包落地页，迭代了上百个版本，根据数据监控体系，在尽力去控制变量的情况下，琢磨每一个词语，它们的颜色，大小对用户的刺激。
这背后隐藏的，是产品追求真理和极致的精神，而积累的，是你对你的用户群体的了解。
这也反应了一个行业趋势——
随着互联网和人们的生活结合越来越紧密，我们越来越需要对特定的用户群体具有认知的产品经理，例如金融行业产品经理；或者是对某个功能模块追求极致的产品经理，例如增长产品经理。
第四步，其实已经上升到公司的经营层面了。如果你见过一些投资人，或者参与过一些产品路演，你可能经常听见投资人们问一个问题——“你们公司的壁垒是什么？”
有些公司的壁垒，是市占优势，人们的迁移成本太高；有些公司的壁垒，是研发能力，你没办法复制一个AlphaGo是因为你做不出来；而对于更多的公司来讲，他们的壁垒，是人，或者说是人的认知沉淀成的组织能力。
所谓组织能力，或者说组织能力的沉淀，才是我们进行数据监控和数据营销的最终目的。
人与人之间的信息传递永远是有损耗的，方法论的传递更是如此，一千个人有一千个哈姆雷特，在描述方法和接受方法时，没那么容易。
但是数据不**，数据永远在那里，不**因为观测它的人从A变成了B，就自己发生变化。
只要数据体系在那里，辅助以简单的数据描述，就能够让“个人能做到”变成“人人能做到”；而只有数据体系在那里，才能让方法的传承，从“知其然”到“知其所以然”。
今天关于数据导向的策划和运营的分享就到这里，到最后其实升华到了部分组织管理和企业经营的内容，尽早地让自己接触这些，**对于自己的思路和视野有很大的帮助，感谢你的阅读，下次再见。
本文由 @Panay 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
