当你作为产品经理入职一家新的公司, 接触新的产品线, 怎么才能快速上手了解整 体情况? 这本书是想让产品经理通过数据分析的角度来完成该目标。

书中列了 30 个问题, 我个人最有收获的下面的五个问题。

问题一: 新接手一个产品, 如何上手?

重新定义产品: 在脑海中重塑产品从零到一的过程。

如何重塑? 通过 三副眼镜模型, 从宏观/中观/微观层面分别进行分析。

首先是 望远镜 视角, 更关注于产品所处的细分领域和行业, 了解这个领域的 生态环境。

  • 产品的目标用户在网民中占比是多少?
  • 产品的竞争对手有哪些? 他们有什么特征?
  • 服务这个领域用户的根本是什么?

其次是 平面镜 视角, 更关注于产品的数据表现(历史变化/当前规模/未来趋势)。

  • 产品的核心指标有哪些? 指标曲线表现如何?
  • 每个指标的统计口径是怎么定义的? 历史上是否有过变更?
  • 哪些指标是和商业化指标强相关的? 哪些指标是产品的 KPI 指标?

最后是 显微镜 视角, 更关注于产品具体的功能和设计。

  • 产品的用户画像是怎样的?
  • 产品的活跃用户有哪些基本特征?
  • 每个功能的活跃用户的基本特征是怎样的?

经过上面三副眼镜的扫描之后, 我们已经对产品有了更深入的了解。现在, 可 以将每一步的洞察用一字文字进行归纳总结, 这三段总结陈述, 就是你做为产 品经理, 对该产品的重新定义。


××（产品名称）是一款××（领域）互联网产品，它在领域中处于××××的位置
（产品的领域地位、发展程度）。目前，产品的核心数据规模如下：· 日登录
用户数：××万· 日活跃用户数：××万·××（其他指标）：××万这些数据具
有××××、××××等特征（主要指数据周期特征）。产品的主要功能有：· 扫一扫·
搜索·×××（其他功能）·……

问题二: BI 上有上百个指标, 怎么理解它们?

通过哲学上的 灵魂三问 来理解它们: 是谁, 从哪来, 到哪去。

  1. 这个数据指标是什么?

    基本要求: 这个指标的名称要记住, 并且要关注这个指标的数量级及周期变 化规律。

  2. 这个数据指标是怎么得到的?

    对于任何一个指标, 都由两个要素组成: 时间粒度和统计口径。

    时间粒度表示一个指标所纳入统计数据的时间范围, 如一天/一周/一个月等。

    统计口径表示一个指标所纳入统计数据的计算规则。如 日活跃用户量 这个 指标, 活跃用户的口径就有很多种解释: 打开 APP 就算活跃/打开 APP 并播 放了视频的用户/打开 APP 且在 10 分钟内有三次以上交互行为的用户。

    这个指标的数据源是从客户端打点上报的? 还是服务端日志打点的? 还是通 过第三方平台收集的?

  3. 这个数据指标要用在哪里?

    这个数据指标是用于媒体宣传？ 内部汇报? 内容推荐? 还是产品决策使用?

问题三: 怎么摸清产品功能的脉络?

  1. 罗列功能

    将产品的所有功能罗列出来, 如果 A 功能可以到达 B 功能, 则连线 A -> B 。

  2. 标注指标

    在功能项上标注该功能相关的核心关键指标, 在连线上标注这条路径的流量大小。

  3. 标注资源

    在功能项上标注每个指标的用途（报表名称)和负责接口人。

问题四: 怎么了解产品的用户?

通过 用户画像(Persona) 和 用户特征(User Profile) 。

  1. 用户画像

    用户画像是你对产品用户的认知刻画, 是一个虚拟角色。

    用户画像角色具备一个现实人物的所有特征，包括姓名、性别、年龄、职业、 城市、住址、长相、兴趣爱好、各种习惯与偏好、婚姻状况、家庭情况、收 入情况等。这个角色可以基于真实人物构建，但不必与真实人物的特征完全 一致。

    产品经理可以站在这个角色的立场来思考用户需求和策划产品功能。为了明 确产品的目标用户、保持团队成员认知的一致性，一款产品通常只构建一个 用户画像。

  2. 用户特征

    从已上线的产品中选取一名真实的用户，利用已有数据对她/他进行的各种 客观描述就是用户特征。

    在产品上线运营一段时间后，把用户特征与策划阶段的用户画像做对比，看 看是否存在差异。如果差异不大，则说明产品的实际用户定位与预想的基本 一致；否则就要思考并寻找是什么因素导致了差异，以决定是让产品接受实 际的用户定位，还是调整产品策略以使产品向预想的用户靠拢。

问题五: 数据产品体系是什么样的?

四层模型 。

  1. 数据采集层

    服务于数据的产生。

    将各数据源产生的数据在第一时间进行收集，并主动传递给数据接入层。

    由于数据采集层将直接面对即时产生的全量数据，故此层次通常只对数据按 照数据接入层协议做最基本的打包处理，而不做进一步的处理，以保证前端 产品的性能和数据的时效性。

    数据采集包含三个动作: 埋点, 采集, 上报。

  2. 数据接入层

    服务于数据的接收与存储。

    一方面，数据接入层接收数据采集层发来的数据包，将其解包、解析为原始 数据，并对原始数据做初步处理和存储；另一方面，数据接入层为数据处理 层提供初步处理和存储后的数据。

    数据到达接入层后会经历 解包和解析 、 格式转换 、 数据清洗 、 数据 存储 四个流程。

  3. 数据处理层

    服务于数据的归并和计算。

    将数据接入层初步处理和存储的数据按照具体的数据需求场景做进一步的处 理，包括数据的多维度解析、数据关联计算、数据格式化，以及存储各种数 据处理所产生的中间数据，为数据的应用和挖掘做充分的准备。

  4. 数据应用层

    服务于数据的表示和利用。

    这一层提供丰富的数据产品，将数据处理层计算和深度加工过的数据以友好 的形式面向数据受众或渗透于用户产品中，使更多人得以享受数据的成果。