编辑导语:作为一名产品经理，数据分析是日常工作，这对于刚上任的新手小白来说是一件很头疼的事情。然后这篇文章主要回答了“围绕需求在线做数据分析”的问题，非常适合初学者阅读学习。
在产品经理的日常工作中，经常需要进行数据分析，这是很多同学很头疼的事情。其实产品经理经常做的数据分析工作大致可以分为两种:
围绕需求上线做数据分析日常or周期性的数据监控、盘点今天就重点说第一个，说说需求上线后数据分析要做什么。
一、分析结果先说分析结果。合格的分析结果应包括以下三点:
给这次的改动下结论。比如，是正向or负向？是否达到预期？总结改动的主要影响。影响了哪些指标，具体涨跌比例是多少？后续的to do。根据此次的情况做后续规划，是否需要继续迭代，如果需要，应该往什么方向做？具体做些什么？二、分析思路下面说说分析思路。我们可以从以下两个切入点入手，检查每个数据指标的表现。如有异常，应着重研究分析原因，检查两个切入点是否齐全。
1. 切入点1先对上线的需求进行合理的预估，预估哪些数据指标会受到上线需求的直接影响，用上线后的真实数据与预估进行对比确认。其中，与估算不符的需要重点分析研究。
这就需要你能够在需求上线之前就预测出哪些指标会受到影响，这就需要你进行日常的积累，足够了解你的用户，并根据以往的实验结果总结出规律和经验，从而提高预测的准确性。如果你刚接手某一块业务，暂时没有这方面的积累，可以考虑一下。这个需求当初是为了解决什么问题？这个问题会影响哪些指标？检查这些问题的答案也可以帮助你做出合理的估计。
注:要提高这方面的能力，建议阅读《于君的产品方法论》一书。下面是原引文中的一段话:
“如果你总结了方法论，在一定程度上证明了自己的能力，就会提高做出另一个产品的‘确定性’，企业愿意为更高的确定性买单。要形成方法论，很重要的一点就是多做不同的业务，通过对比新旧业务的异同，找出旧经验的适用性和不适用性，思考其中的共性。”
2. 切入点2拉出市场的所有基本指标，并观察在线需求对这些指标的影响，以及是否有意想不到的变化。如果有某个指标，本来估计上线需求对其没有影响，但实际上上线后指标发生了变化，这样的指标也需要重点分析研究。
什么样的指标可以归为市场的基本指标？虽然每个需求的关注点和关注指标都不一样，但是对于业务来说，核心指标一般是稳定的。只有能够衡量经营结果的指标+与结果指标强相关的过程指标，才能算作市场的基本指标。比如对于电商业务，GMV、订单量、转化率是市场的基本指标；对于视频平台来说，DAU和浏览时间是市场的基本指标。
为什么要看市场的所有基本指标？因为不管这个需求的目的是什么，都是为业务增长这个大目标服务的。真正公平地衡量一个需求、一个项目、一个产品经理的价值，最根本的方法就是看对商业价值的提升，也就是市场指数的提升，做出了多大的贡献。
3. 局部指标+大盘指标均非负向运气好的话，直接受需求影响的地方指标和市场基本指标都不是负数。查看市场指标可以帮助您真正衡量需求的贡献和价值。
无论一个需求对当地指标的影响有多大，从商业价值的角度来看都不会很成功。当然这种需求在工作中可能会占比较高的比例。
此时，可以参考以下模板整理数据分析结果:
结论：迭代正向，符合预期。整体大盘有收益时，如果对业务大盘是正向的，就把业务整体的收益展示出来。局部情况描述，指标A上涨x%，指标B下跌x%，描述一下重点受影响的指标变化情况。整体大盘无收益时，如果只对局部正向，对业务整体无影响，补充一下对大盘整体无影响。4. 大盘有指标表现负向如果需求对市场指数产生负面影响，则应根据不同情况进行拆分。
首先要分析清楚原因，具体的分析方法后面会讲到。
这里需要指出的是，一般情况下，PM不应该在设计方案阶段就设定一个明显有利于局部地区，而不利于整体业务的方案。
还是那句话，衡量一个产品经理的价值，最根本的是看他对商业价值的提升贡献了多少。
第二，如果整体和局部指标表现不一致，后续行动是什么？
只要整体业务是负面的，我们都建议降低需求影响。
如果是ABtest实验，建议缩小实验规模或者直接关闭实验。如果需求直接全额上线，一般直接回滚，将业务恢复到需求上线前的状态。
(1)地方指标不为负，市场指标为负。
分析过程是，首先，产品应该简单地试图理解和解释数据发生意外变化的原因。
如果能够理解，并且通过其他方式验证了理解和归因是正确的，则可以认为预期是错误的，实际表现是正常的。
首先降低需求影响(详见上文)，然后根据本次数据分析获得的经验调整方案，重新启动新的迭代，直至达到预期目标。
如果试用产品后仍然不能理解异常表现，认为指标变化不合理，可以和数据同学同步异常，一起核对数据，核对埋点上报、数据检索等环节，保证数据的准确性，而不是数据统计问题导致与预期不符。
之后，在数据方面，也要尝试总结异常指标的变化规律，比如异常指标的变化幅度是与某些指标高度一致还是完全相反。
总结变化规律，研究规律，可以找到影响指标的根本原因。找到市场异常的根本原因，可以帮助PM正确认识线上迭代动作的深层次意义。
很多时候，一方面得与失是同一件事的两面，需要权衡。收益往往很容易看到(也许不容易量化)，但损失更容易被忽略，有些需要多年的积累才能真正理解损失的实际影响。
我们每次分析数据，都要尽力挖掘迭代带来的得与失，从而正确评估这种改变的影响，以及是否有必要做出这样的改变。
下面是这种情况下最基本的数据分析结果模板。
结论：迭代对指标A、B有正向影响，但对大盘负向，计划先关闭实验or需求回滚，再做优化局部情况描述：指标A上涨x%，指标B下跌x%，列出受影响较大的指标大盘情况描述：指标C下跌x%、指标D下跌x%，列出受影响较大的大盘指标后续to do：说明你计划后续如何调整方案，或者尝试往哪个方向做优化(2)地方指标+市场指标全部为负。
老老实实的去找负面的原因，想想以后怎么优化。最好再想想当初为什么要做这样的计划。
把低质量的解决方案放到网上，对各方来说都是资源浪费。长此以往，PM会逐渐失去合作伙伴的信任，推任何项目都容易受到挑战。没人愿意再和你合作这个项目了。
还是附上这种情况下最基本的数据分析结果模板:
结论：迭代负向，计划先关闭实验or需求回滚，再做优化局部情况描述：指标A上涨x%，指标B下跌x%，列出受影响较大的指标大盘情况描述：指标C下跌x%、指标D下跌x%，列出受影响较大的大盘指标后续to do：说明你计划后续如何调整方案，或者尝试往哪个方向做优化(3)非常特殊的情况
补充一个很特殊的情况——符合预期的负方向。
有时候，我们要做一些必然会降低核心业务指标的要求，比如合规性要求，以符合政策要求。这种需求往往在上线前已经经过业务领导的充分讨论，对于产品层面的方案一般不会有调整空。
PM只需要按照既定的计划上线即可。上线后，重点统计业务各方面的损失。如果发现可以通过后续迭代挽回损失，可以添加到分析结论中作为后续要做的事情。
作者:胖虎，微信官方账号:胖虎跑(ID: hupanggrun)
本文最初由@胖虎发表在《蜘蛛智慧链》上。未经允许禁止转载。
图片来自Pexels，基于CC0协议。
