作为一名拥有5年经验的产品经理，我深知数据分析对产品的重要性。例如：在产品设计前期，进行市场调研，了解市场需求和竞品分析；项目立项；产品设计和开发；在开发完成后，我们会进行内部测试，收集反馈和建议优化并确认；在产品上线和运营推广阶段，进行内测和公测，评定和纠正措施（SOP）不断优化迭代产品。其实以上的所有步骤都可以利用数据分析思维准确快速的发现和解决问题。

在这5年多的职业生涯中，我曾遇到很多跟数据分析有关的产品功能。事实证明，没有数据分析支持的功能总会出现意想不到的现象，今天给大家分享一个我亲身经历和数据分析相关但是又非常基础的产品优化的例子。

1产品优化需要依赖数据分析

2020年春季，我们的产品迎来了上线一年后的首次更新，可以说产品是比较成熟了。随着新用户的不断增加，我们的后台接到了很多用户反馈：希望我们在官网上添加一个产品更新的介绍，以便更好地了解产品的更新功能和特点。

由于很多用户都提出了这个需求，我们很快在官网上进行了更新。正如有些网友所说，“当一个功能整个平台的用户都希望做的时候，是没有必要耗费人力进行评估，只要做就好了。”在当时我认为我们做的是最贴合用户的需求。当我们信誓旦旦等着我们预期的结果——用户数量飞速增长的时候，令我们难以置信的是，新用户的点击率并没有提升反而下降严重。

这种情况对于任何一家企业来说都是不能容忍的，尤其对于身为产品经理的我来说非常有挫败感。我不愿相信用户自己提出的需求对产品没有帮助。然而经过一段时间的持续观察，我们发现撤掉更新介绍后，产品的转化率又恢复到了优化前的水平。这令我非常疑惑：为了做这个更新介绍，我们花费了大量的人力和物力，又是根据用户的需求做的，为什么会出现反向优化的现象呢？

随后我们对这件事情做了完整的复盘，得出结论：主观想法和部分用户的观点并不能代表用户的真实体验。新加的更新介绍满足的是已有的活跃用户，而多数沉默用户的想法并没有捕捉，并且还会分散新用户的注意力，从而导致注册点击率下降。

我当时和很多产品经理一样，习惯把自己换位成用户来看待产品。虽然这种想法是好的，但是也更容易陷入误区。每个人的思维方式都不一样，这就注定了无法完全还原真实用户的行为，仅仅通过自己的视角来看待产品是不够全面和客观的。因此，在产品设计和优化过程中，我们需要采用合适的数据抽样的方法，选取合适的分析样本，通过多种方式来了解用户需求和行为，利用数据分析思维，更准确地了解用户需求，优化产品体验。其实用户就是这么奇怪，不按套路出牌；我们需要不断通过数据来观察他们的兴趣点，而不是坐在办公室模拟假设和想象。

2如何避免反向优化

看到这里大家应该可以意识对产品经理来说数据分析非常重要，那么我们如何避免对产品的反向优化呢？

（1）重视数据分析

数据分析已经深入我们生活的方方面面，我们需要时刻利用数据分析思维看待业务问题。如我刚才所说，如果我们在优化完以后沾沾自喜没有及时对数据进行监控，那么我们永远也发现不了这种问题，带来的后果是无法想象的。

（2）全面思考

对于活跃的用户我们可以获取他们的心声，针对这一部分优化也会更简单；但其实更多的用户是沉默的，如果像我之前犯的错误一样，那么占多数的沉默用户可能就流失了。这就涉及到统计学的抽样问题。有兴趣的同学可以深入学习此部分内容。

（3）保持客观

绝大多数人都喜欢看到自己想看到的结果，也就是先入为主。我在刚做产品经理的时候也容易出现这样的预判，没有透过现象看本质的能力，这也正是数据分析思维应当具备的能力之一。

现如今，数据分析已经是不可逆转的趋势，我们不能因为有人将数据分析形式化就否定数据分析的意义，只有正视数据分析、避开误区，才可能使数据发挥最大的价值。

• 高考加油 | 祝莘莘学子们旗开得胜金榜题名
• 北京、福州、南宁三地面授课同时开班了

返回列表