重构数据根基,打造数据闭环

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

编辑导语:2021年7月31日-8月1日,人人都是产品经理举办的【2021年产品经理大会• 北京站现场报道】完美落幕。很多人做了数据分析,却总是觉得落不了地,其实是没有进行数据闭环。就此,神策数据创始人&CEO桑文锋进行了精彩的内容分享,他分享的主题是《重构数据根基,打造数据闭环》。

重构数据根基,打造数据闭环

“重构数据根基,打造数据闭环”这句话总结了我对数据的认知,过去的这几年,我对数据的认知也是有变化的,本次主要探讨我对于如何做数据产品的一些认识。

一、数据闭环 SDAF

1. 对数据的认识

在2007-2015年间,在百度数据从0搭建中,我对数据的核心认识主要有两方面,一方面是数据源很重要,需要我们花时间、花精力去处理。只要我们把源头问题解决了,就意味着成功了一半。那应该如何解决?就需要我们更全、更细、更加花时间地把这个数据源头的基础打好。

另一方面是我对于数据价值的认识,主要有以下两点:

首先是数据驱动业务决策,数据能够驱动企业做决策,它能够帮助企业拍板,无论是在市场营销、用户运营还是产品迭代中,都能够很好地帮助我们进行决策,当然它只能发挥数据20%左右的价值。最大的价值还在于驱动产品智能,数据成为产品的核心部分,这样的场景越来越多。

2. 闭环思维

在过去的三年里,神策服务的企业类型越来越多,尤其是很多数字化转型的企业。

在这过程中,我发现了我的认识它有一定的局限性,这种思路适用于互联网范围,但当服务数字化转型公司的时候,这种思路就行不通了。

于是,我的认识发生了很大的一个变化。这里面就牵扯到了一个概念:数据闭环,但真正要做好闭环是不容易的。要掌握以下两个闭环思维:由简单到复杂、由单向传递到闭环反馈。

(1)由简单到复杂

由简单到复杂,就像我们抛橘子一样,抛一两个是容易的,但要是三个以上,那可能只有马戏团的人可以做到。

(2)由单向传递到闭环反馈

同样地,就像我们去学校上课,老师讲了,同学听了,但真正掌握了吗?这个还需要进行一定的验证。

这就像我们做产品一样,也是需要反馈和不断迭代的。很多时候,我们觉得数据没有用,究其原因是我们没有把数据闭环做起来。虽然我做了数据分析,也做了一些洞察和数据报告撰写,但由于后面没有对应的动作,而且没有执行下来,导致最终的结果不理想。

3. 基于数据流的运营框架(SDAF)

后来我做了一个抽象,也就是运用这套基于数据流的运营框架,做好这四个环节的循环:感知→决策→行动→反馈→感知。

重构数据根基,打造数据闭环

(1)感知(Sense)

首先是感知,在未来它可能有一个传感的意思,很多时候,我们都在建立感知、建立洞察。

这种思想,不是近期才有的,早在毛泽东时代就有了,在他的文章中也有很大一部分是在讲数据分析。他的这些文章都是在做调查研究、数据分析,然后得出结论,确定下一步怎么做。

他跟我们做产品经理,做需求和调研有什么区别?他不是在写MRD,就是在写PRD,只是他的产品跟我们实际的硬件产品、软件产品是不一样的。

在毛泽东数据思维中,其实也诠释了这样的一个思路:调查就像“十月怀胎”,解决问题就像“一朝分娩”,调查其实就是在解决问题,调研弄清楚了,其实答案也就显而易见了。

回到我们数据分析上,我们在做各种各样的用户行为分析、标签画像、经营数据分析这些数据的统计,其实都是在建立一个更好的感知。有了良好的感知,我们就可以做更好的决策。

重构数据根基,打造数据闭环

在建立感知的过程中,就会生成一些数据指标,基于这些数据指标,就可以关注我们的业务怎么样。在这里,就会涉及到第一关键指标。需要抓住不同的阶段,不同的这种场景,到底哪个指标是最关键的。

像海盗指标法,我们可以通过拉新、留存、变现等各个角度看整个业务情况,尤其是针对于大众用户的运营和营销。

建立了良好的感知之后,下一步就是进行决策。那么,我们该如何进行决策?

(2)决策(Decision)

这里有三种决策的方式:拍脑袋、因果驱动、数据驱动。你可以拍脑袋决策,也可以想清楚了再决策,也就是因果驱动这种方式。但是有的时候,当你想清楚了,时机就错过了,尤其是在互联网领域,这种特点非常明显。

如何快速突破这些问题,那就是我们要讲的数据驱动,去做数据验证,迅速地将它推向市场,然后去迭代这种方式。

我曾经有过这样一个想法:是不是数据有了,就不需要额外的决策干预?其实不是的,数据决策牵扯到很多方面,简单来说有以下三个方面:信息数据、创造性选项、价值取舍。

在创造性选项上,就好比你跳槽,一家公司打电话让你过去,工资翻倍,这时候你就需要做决策了,是去还是不去。这个时候,你不如把其他几家也一起面一下,说不定有更好的选择。

而在价值取舍上,每个人的价值也是不一样的,工作中有的人希望成长快,有的人图个轻松,有的看中长期利益,有的只追求眼前利益。这些综合起来,才能支持我们做一个更好的决策。

一方面,做数据决策,主要是给人做决策,就像我开头所说的无论是做用户运营还是产品的迭代,这种量化的管理都能让人更好地决策,这也就是我们常说的BI。

另一方面,就是给机器做决策的,让机器有学习能力。对于机器的使用,在未来使用的场景会越来越多,这个场景会越来越广。

这里列举一个数据驱动的案例——百度知道APP,在2012年的时候,百度决定要做一个移动化APP。但这APP要怎么去迭代,那就需要数据支撑。

当时调研了许多数据情况,但其实有10%的情况是跟作业有关的,后来就直接将与作业相关的,单独加了一个按钮,让用户可以直接去点,这样一来作业的比例就直接拉升,拉升到了30%。后来,就将作业直接独立为了一个公司和产品。

进行了决策之后,下一步就是行动。

(3)行动(Action)

有了数据之后,最直接的应用场景就是营销,那么围绕用户的这种营销可以分成不同的视角。

  • 可以去做这种精细化的运营,基于运营活动计划的精细化用户触达。
  • 可以去做通过规则推荐,在固定栏位通过规则配置,实现千人多面的精准展示。
  • 可以去做智能推荐,进行产品智能改造,实现实时的千人千面的内容推荐。

这些不同的运营方式,都是针对企业的用户来定制的。那么,我们常规使用的就是精细化运营,其实它主要分为四步:筛选目标、制定策略、触达用户、获取反馈。

第一步就是筛选我们的目标,第二步也就是制定相应的策略,第三步就是相当于选择一个通道,让我们可以去触动到目标,那么第四步,就是要通过我们的数据进行反馈。

数据是一个基础,那么我们该如何收集数据?

(4)反馈(Feedback)

在这一步上,我们要重视数据源,积累数据资产。其实也就是要遵循一个大的原则:大、全、细、时。

  • 大:宏观的“大”,我们收集的数据量尽量越多越好。
  • 全:全域数据源,不管是线上的还是线下的,我们都尽量收集进来。
  • 细:多维度,进行全域数据收集,做到细致。
  • 时:时效性,我们所收集的数据要尽量跟当下时间比较接近,如果数据滞后了,可能会影响到效果。

我们去搭建一个更好的数据源,做一个基础,其实就是一个反馈的过程。就像去年武汉疫情,当时是做的四个小时系统就能把数据报上去,这些数据依赖于人进行相对应的操作,如果人没有去执行这步操作,就会产生数据滞后的情况。

但丁香园、腾讯在那时,也会出一些相应的疫情数据报告,这点其实是做得比较好的,但这些都需要依赖于政府的数据更新。

在我们各行各业中,数据的收集是一个基础,打好这个基础是非常有必要的。

那么,该如何去搜集数据,这里有些常用的数据采集方式。

① 全埋点

这种方式集成 SDK,可以一键完成数据采集,但只能采集前端数据,采集范围有限。

② 可视化全埋点

这种方式可以用可视化的方法灵活自定义全埋点,它消除了技术门槛,让非开发人员可以直接“埋点”。

③ 代码埋点

这种方式支持 Java/Python/PHP 等各类开源 SDK,可以打通行为数据和业务交易数据,分析更有深度。

④ 导入工具

通过导入工具,可以完成批量的历史数据、三方数据接入,降低 ETL 工作量,快速接入多种数据源。

这些都是我们的收集数据的手段,最终目的都是为了建立一个更好的数据基础。

除了把这些数据收集起来,我们还需要打通它。不同的终端、不同的场景如何用ID-Mapping以及不同的方式把它们连接到一起,这样,我们就有了建立全域数据经营的可能性。

而在背后,就是对数据模型的打造。Event+User+Item 模型是我一路延续过来的一个核心模型。其实只要通过这个模型,我们就可以把跟用户行为相关的操作都可以很好地联络管理起来。

有了这些数据,那我们再去做产品迭代的时候就不一样了。如果没有数据,那我们可能就是有了点子去做产品,然后再次不断的尝试的过程。但有了数据之后,我们就可以让整个迭代的过程变成一个假设检验的科学实验过程。

这是《精益创业》那本书里面提到的一个理念,就是我们有了点子,然后我们在做产品的过程中,要制定数据采集的方式以及衡量指标,这样你就有了一个预估的数据表现,等到产品上线后,你就可以拿到这些数据,并且结合内外部数据进行评估。

综合来说,最终做成这个决策,我们是靠数据驱动,让整个产品迭代的过程,变成一个科学实验的过程,而不是靠灵光一现。

当时在百度知道做问题推荐时,关于推荐的引导语该怎么写?我们当时是有两种思路,一个是“等待你来回答”,一个是“我来帮您解答”。

但这个文字你是无法直观地给出答案,但是通过数据可以表现出来。因此,我们在测试中,发现“等待你来回答”比“我来帮您解答”要高出50%的效果。其实你也说不明白这是为什么,但这就是数据的力量。

前面给大家讲解了我对数据闭环的理解,但是在不同的场景中,大家也可以结合自己所在的业务去想:我们能不能通过数据驱动,把数据闭环加进去,围绕一个业务场景进行分析, 围绕用户的运营、产品迭代的过程,把数据闭环建立起来。

我相信你会有不一样的视角,不一样的感受。下面举一个电商的实际例子,看看如何应用到具体场景中。

二、SDAF 实践案例-电商及零售行业

这个电商平台主要做二手买卖以及轻奢服饰的渠道引流。一般来说,不同的渠道,它的引流效果是不太一样的。

对该企业来说, B站渠道用户活跃,但转化率低。在这个时候,我们就要去分析,这其实就是一个感知,你发现这种情况:有量却无效,是什么原因?

主要有以下两点原因:

  • 用户洞察:B站用户年龄小,没有对奢饰品的购买力。
  • 数据洞察:但对快时尚表现出浓厚兴趣。

这时候,我们就需要进行一个决策,发现B站年轻群体同样喜欢快时尚品牌。

因此,我们需要做出一定的改变,增加快时尚品牌供应和曝光,提升渠道转化。结果发现,改变以后转化率有所提高。

这其实就是一个简单的循环,通过假设产生了数据洞察,接着通过数据产生相对应的行动,最后再通过数据反馈,形成一个数据闭环。

关于认知,不同人的认知是不同的,而当你具备了基本的感知之后,如果没有去行动,那么想法也是无法落地的。

因此,打造一个卓越的数据产品其实是不容易的。下面我想跟大家探讨一下自己对于打造卓越数据产品的理解。

三、打造卓越数据产品的原则

打造卓越的数据产品,需要遵循三条原则,下面具体展开介绍。

1. 领先的认知

在乔布斯的世界里,对于手机、对于IP等产品的认知跟普通人是不一样的,正确的认知,可以产生动力。

2. 卓越的原则/标准

我们遵循四大原则:

  • 极致:把事情做到极致,做 90 分的产品。
  • 坚持产品化:能用产品解决,就不要用服务去解决;能用服务去解决,就不要用咨询去解决。
  • 不卖期货:只销售已有产品功能和服务能力。
  • 价值交付:面向价值交付的产品迭代。

3. 过硬的能力

做好卓越的数据产品,要求要有做好极致产品的能力,要有打造让客户满意的产品的能力。如果没有过硬的能力,可以用服务来补充。

我今天分享就到这里,谢谢大家。

相关阅读

移动互联网的第二战场:增长、下沉,把握大的变局——2021产品经理大会·北京站现场报道

2021全年大会排期预告

2021产品经理大会北、上、广、深、杭 5 城巡回进行中!!!与腾讯、阿里等大厂实战专家一起,分享实践案例,探索行业趋势,提升个人能力,解码产品经理未来!

扫描下图二维码进全年大会专属咨询群了解详情!今年最后3场产品经理大会,广州、杭州、深圳站即将开幕!抢票速来!

本文为【2021年产品经理大会(北京站)】现场分享整理内容,由人人都是产品经理运营 @Ginny 整理发布。未经许可,禁止转载,谢谢合作。

题图来自大会现场。

随意打赏

提交建议
微信扫一扫,分享给好友吧。