前 LinkedIn 高级总监张溪梦：6 个步骤 学会数据驱动产品的秘诀

本篇文章6041字，读完约15分钟

3月10日，起点大学邀请了growingio的创始人、linkedin美国业务分析部前高级主管@张溪梦作为免费在线讲座“起点大学公开课”的嘉宾，分享教你数据驱动产品优化的六个步骤。本文由@张婷团队组织，每个人都是产品经理，根据现场嘉宾分享的内容，进行编辑和修改。

1.什么是数据？

数据有四个属性:时间、地点、人和事件；例如，在电子商务环境中，假设分析一个交易数据。该交易数据必须有时间上的时间戳，并且该数据将不可避免地发生在某个地方。也有相应的交易者。在事件层面上，消费者必须购买某种产品，支付某种价格，并通过某种支付方式进行交易。所以，这是一个事件。真实用户的行为往往是以事件为核心的数据点。这些数据点将导致整个事件流。

其次，数据的几何级数是几个例子。像linkedin这样的公司每天会产生大约100亿个活动；通过用户行为产生的事件，在不到五年的时间里，全世界大约有40亿人每天都会产生大量的数据，同时，这是一个4万亿级的市场；全球范围内，近2500万个应用诞生了，不仅是普通用户的应用，还有企业级服务的应用；此外，拥有近250亿活跃用户的各种设备将访问我们的网络；最后，每年产生近5万亿gb的数据。

第三，什么是数据分析1。数据分析的基本概念

数据量如此之大，以至于呈爆炸式增长，其价值曲线、数据量、数据设备数量和人们的相关性都在不断增加，但这并不意味着数据本身就能带来价值。真正的业务分析的核心是通过五个步骤不断地将低价值的信息或数据转化为高价值的输出。一般数据分析可分为五个步骤。

了解之前发生的事情；分析为什么会发生这种情况；观察目前正在发生的事情；预测未来会发生什么；全局优化。前四个步骤是包括数据预测在内的数据分析的基本步骤，这些步骤本身并不能产生多少价值。只有通过全局优化才能产生有价值的产出。

2.数据分析的发展历史对于产品经理来说，数据可以作为产品优化的基础，例如交互和保留。事实上，所有这些都是基于对数据基础的理解。在过去的五年中，数据框架有几个由技术驱动的主要迭代周期:

然而，还有另一个问题:软件过去是结构化的，可以被许多人使用。然而，hadoop这种大数据结构对许多人来说难以使用，这导致了许多技术瓶颈。体现在:

数据收集的来源增加，文档收集的复杂性增加。有很强的工程操作能力，每个公司都被解散了。3.数据分析推动产品设计的意义如果我们能很好地利用数据分析公司，我们将拥有战略优势。不使用好的数据分析的公司在发展中会有很多瓶颈。

在未来的美国和中国，我们应该是产品经理、设计师和产品操作员。其核心不是依靠分析师来分析数据，而是巧妙地应用各种企业应用程序来实现数据驱动的产品。

如何利用数据推动产品设计。

必须有一种数据驱动的产品设计感，这已经被美国的facebook和linkedin所证明；善于观察用户的行为，用户的行为不会说谎，而用户的行为往往能反映出用户对产品的容忍度和熟练程度；我们应该利用技术明智地做出决定；今天的企业已经从流量发展到用户体验和产品设计，并且发展迅速。这种演变和进化的结果是，每一个企业，无论大小，都需要用精益运营的思想来制造好的产品。互联网已经从网络2.0发展到网络3.0，这意味着流量为王的时代已经结束；在这种形式下，企业往往不关注流量的转换，而是关注流量获取的速度。在当今时代，企业如何在一定时间内快速改造用户，增加用户体验，提高用户保留率是当代互联网产品的核心。

4.如何通过数据分析推动产品设计的精益运作？精益运营中必须提及的三个指标——转换率、用户活动和用户保留率。这三点构成了产品最基本的框架。

我们过去常常谈论流量:你有多少用户，你有多活跃，等等。但是今天，这些肤浅的指标不足以衡量产品的优秀。对于一个好的产品，首先要注意用户的保留率和粘度。在传统的互联网公司中，用户的保留率和粘性通常在后期才受到关注；但是今天，在产品设计的早期阶段，我们需要注意这个指标。这一指标可以细分为五个不同的方面:

可以让用户以一种非常简单的方式知道这个产品的价值；产品使用的流畅度。今天，产品设计的理念已经演变为流程设计，所以引导用户如何一步一步地使用你的产品，降低用户使用的门槛是非常重要的；产品部门。这也是精益运营的思想。我不知道你是否认为用户在制作产品时可以分为不同的属性。相同的产品对于不同的用户应该有不同的功能点和不同的体现，这就要求产品管理者和操作者花足够的时间去了解这些不同的用户对于产品交互的不同需求，他们喜欢什么和不喜欢什么；分析用户的行为。用户行为是产品经理了解用户的最佳方式，对用户行为的分析往往能代表最真实的用户需求；结合前面五点的分析，对产品进行了改造。Facebook提倡一句话:快速行动，打破常规。这是一种黑客文化——快速迭代。你可以犯错误，但你必须快速迭代；持续迭代和小规模改进；最后，几何级数将会改变。

传统的方法是建立一个长的项目周期。这样做有几个风险。

实施周期长；迭代速度慢；成本高；无法在短时间内了解用户需求。因此，在过去的几年里，硅谷提倡mvp(精益创业提到了这个概念)。一个核心概念是:一个产品设计师如何生产最小的产品，并迅速将其推向市场或用户；测试结束后，测量产品的数据，通过数据验证假设，进一步改进产品；然后进入下一次迭代的循环。

精益创业理念的核心不仅适用于初创公司，而且实际上体现在许多公司中。例如，Facebook应用了这个概念，在小范围内体验产品，分析数据，然后快速迭代。

注意产品每个阶段的指标

在普通的传统公司，当我们做数据分析时，很多人用pv和转换率来衡量产品质量，而用数据驱动会用更全面的数据来衡量产品。

如何用数据衡量产品:

首先，它应该有一定程度的意识，否则没有用户会知道。sov、ppc、cpm这些词都表示广告；其次，我们需要衡量用户的增长。这个增长指标在美国已经发展成为一门学科，有多少新用户，你的漏斗模型是什么，你的霍克模型是什么，这个用户的保留时间间隔是什么；第三，用户活动。衡量每月和每天的活动，以及有多少独立访客。第四，衡量如何赚钱。例如，电子商务网站衡量gmv——整个交易量，ASP——每种商品的平均价格，ltv——生命周期价值；这些关键绩效指标是一个整体，是产品分析的产物，我们必须对其进行全面衡量。产品经理需要有这种直觉——产品不能用一个指标来衡量，而是用多个指标来衡量。

例如，九年前，当我加入ebay时，我必须测量150个指标，并每天发送一份报告。这份报告有大约20-30个指标来衡量业务发展。这些指标的增减是由经营战略的决定引起的。如果你看到每分钟0.1元的变化，那将是易趣当时5000万元的变化。

一个好的产品经理不仅要看产品的关键绩效指标，还要从市场、运营、产品设计和最终销售的角度来衡量它。

例如，Linkedin每天都会关注50-60个核心指标。公司首席执行官早上起床的第一件事就是阅读这些报告。在线营业额增长了65%，是哪个产品线的哪个功能导致的，为什么会带来这些变化，为什么会分解到每个产品线？产品经理将对此进行提炼，找出原因，然后优化产品。

数据分析应注意指标和指标分解。首先，我们的核心指标通常不是150或500个指标，但我们通常只关注不超过三个指标，这将因不同的业务领域而有很大差异。这三个指标是:

用户保持力(用户活动)-核心指标；Linkedin衡量每月活跃用户和每日活跃用户。一般来说，mau分为三个等级——我对明天或下周或下个月或今年用户增长的预期是多少，这是一个中间值。然后，会有一个高点和一个低点，也就是说，根据我们的预期，这种增长在最高时不会超过这个水平，在最低时也不会低于这个水平。这样，我们将kpi分解成四个不同的kpi值--平均值、高值、下限和实际值。这样，如果实际价值高于最高点或低于最低点，对企业经营来说就是一个很大的问号；

举另一个例子，例如，我进一步将每月活跃用户分解为:新注册的用户、其现有用户今天回来的用户、其先前用户今天不使用的用户以及其新用户上周本周不使用的用户。每月活跃用户分为新访问用户、连续活跃用户、过去活跃但现在不活跃的用户以及刚添加新用户后不活跃的用户。为什么把这四个指标分解成这四个指标，因为这四个指标可以和产品联系起来。例如，拉新，如何有新的手段；第二，如何提升活跃用户。第三，如何减少失去的用户的损失，第四，如何减少新用户的损失。这个数字加起来就是每月活跃用户数。这四个指标是可操作的指标。

又如，linkedin的新用户来自不同的来源。活跃用户和流失用户需要我们不断的关注，因为它不断地减少我们新用户的活动，所以我们应该尽最大努力降低流失率。新用户的损失，在一个产品中，忠诚用户的损失要比新用户的损失低得多。但如果我们的忠实用户正在迅速流失，这表明我们平台上的用户粘性存在很大问题。然而，新用户的流失可以通过培训和指导用户来促进。通过这种方式，宏观指标被分解成更详细的指标。另一点，分解指标的好处是我们可以分解增长或枯竭的原因。如下图所示，

我们可以看到每一行都有不同的变化。最终的增长会知道它的原因。

活跃用户或迷失用户可以进一步分解它。这种方法是通过分解维度。让我给你举个最简单的例子。例如，我用男性和女性的方法来细分用户的流失率。例如，在上图中，绿色是男性，红色是女性。如您所见，绿色的活动度很高，表明该平台更适合男性用户，女性用户较少。如果我们想刺激活动，我们可以对这两种不同的人群采取不同的方法。

让我们讨论一种分解核心kpi指标的方法，让我们讨论一个提升生命的例子。例如，用户很少使用平台产品。我们发现，当分解这个指示器时，假设上图中的橙色线是ios用户，蓝色线是安卓用户，绿色线是个人电脑用户。各位，我们把一个重新激活的用户分成三组。可以看出，ios用户正在增长，其活动也在增加。安卓用户表达的线路相对平坦，而个人电脑线路相对平坦。

aarr和产品索引拆卸案例在美国有一个概念。a-获取用户，a-激活用户，r-保留用户，r-用户创造多少价值。用户之间的推荐。在用户中推荐是获得客户的最佳方式。进一步分解该指标，如linkedin上的推荐，通过以下方法实现:

通过你可能认识的人向用户推荐linkedin通过上传地址记录向他人推荐；通过电子邮件推荐产品；在我们对这样一个渠道进行分类后，我们发现产品上的模块——你可能认识的人——产生了最受推荐的用户。对于产品操作员，可以进行各种优化。

让我们给你举个例子。最早的时候，linkedin研究如何让用户爆炸。他们发现，从主页登录的用户的活动和忠诚度远远高于从电子邮件地址邀请的用户。当时，产品经理试图从网站上大规模优化用户。如何做到这一点是为了优化每个人的简历。优化后，搜索引擎优化爬虫搜索起来更加方便，这样从网站上获得的用户就远远大于从邮件上获得的用户。其核心方法如下:

我想增加核心用户；通过对用户来源的分析，我们发现大多数增长的活跃用户来自网页，而不是电子邮件；快速尝试一个产品-优化每个人的简历，增加搜索引擎优化的曝光率。经过这次变革，领英的扩张速度提高了50%。这一成功尝试背后的核心思想是:如何使用数据来验证这一假设，或者快速验证这一业务的判断。这只是一个简单的例子，用一个假设来改变产品，然后用数据来证明这个改变是有效的。如果这种改变是低效的，有必要立即停止这种改变。

再举一个例子，它也是当今由产品分析驱动的产品设计的核心指标——用户保留率。一个好的产品可以让很多用户在你的平台上产生价值，而用户不可避免地会花更多的时间和有更高的粘性。这是今天衡量产品的核心指标。

这张图片衡量的是每隔一天的保留率，即每隔一天有多少用户在使用它。为什么这幅画很重要？因为在许多产品中有一些幻数，许多人试图在产品中找到这个幻数，这通常是从这张图片中迭代出来的。例如，不到10%的我的产品通过使用一个功能每隔一天被保留，30%通过使用另一个功能被保留，10%被不使用一个功能的用户保留，30%被使用这个功能的用户保留。这告诉我们什么？

在我们的产品中，用户是分离的。不同群体的用户使用不同的功能，具有特定功能的用户对我们的平台或产品有很高的粘性和依赖性。这提醒我们，有必要增加这种高粘度产品的功能点，以便大量用户可以使用这种功能点，这将潜在地或间接地增加用户的保留率。综上所述:通过保留图找出不同用户群之间的保留率差异。例如，使用功能甲的用户和使用功能乙的用户在保留率上有所不同，所以我们应该关注功能点，让更多的用户使用这个产品特性。

这听起来简单又愚蠢，但它已经被许多公司尝试和测试过了。Linkedin发现了这个神奇的数字:在第一周，它不断增加拥有五个社交网络链接的用户数量，这些用户的保留率以及他们在未来为平台贡献的价值是第一周拥有不到五个社交网络链接的用户的五倍以上。

发现这个神奇的数字后，当时的产品经理立即把这个添加链接的功能点放在了很多页面上:在主页的入口处增加了一个功能栏，让用户可以上传自己的通讯录(因为通讯录已经上传了，自然会增加用户连接)；为每个新的登录用户推荐他可能认识的在公司工作的人；数据分析显示，当用户想要邀请他们的朋友时，他们需要键入邀请他们。Linkedin希望向他可能认识的人推荐用户，而不是打字。该功能点再次增加了在第一周内登录的用户增加其社交联系的可能性。你看，这个神奇的数字是通过这一点发现的，然后产品经理通过各种产品设计来推广这个神奇的数字，导致了linkedin在未来的病毒式增长。这种病毒式增长是成长中的黑客的核心概念:如何以最快的速度和最低的成本推动最小的产品变化，并通过数据驱动的方法获得大规模的客户。

接下来，我们来谈谈如何利用数据提升用户体验:

首先，我们必须能够分析今天的数据，这是所有最小化产品和精益运营的核心概念。至少我们可以看到有多少人使用我们的产品。没有数据，我们无法证明我们的假设。

第二，最重要的一点，我们必须找到最关键的问题来思考，比如linkedin对产品所做的这些改进，并通过数据分析发现问题:

通过电子邮件邀请的用户不太活跃；我们发现，那些在第一周登录的人，他们的社交关系增加了5倍，而那些没有增加社交关系的人就不那么活跃了。如果我们发现这种差异，我们必须考虑如何大力推动某种变革。在产品的早期阶段，没有一家公司有能力做a/b测试，但是经常会做一些小的改变，并且随时观察数据的变化就足够了。实验结束后，我又看了看数据，得到了分析结果。记得看看数据。最后，事实上，数据驱动是一件非常简单的事情。它只要求我们:

有信仰；有必要有一个非常基本的数据分析系统；需要创新精神，并且能够快速迭代。原创文章，作者:每个人都是产品经理，如果转载，请注明出处

“读完这篇文章还不够吗？如果你也开始创业，希望你的项目被报道，请点击这里告诉我们！”