這篇文章一共會(huì)分為四個(gè)部分進(jìn)行講解。
認(rèn)識(shí)數(shù)據(jù)通過這部分我們可以知道什么是數(shù)據(jù)，數(shù)據(jù)與產(chǎn)品之間的關(guān)系等。
獲取數(shù)據(jù)這里我們可以了解到一些數(shù)據(jù)指標(biāo)的含義，獲取數(shù)據(jù)的常用工具以及常見網(wǎng)站的核心數(shù)據(jù)指標(biāo)的確立。
分析數(shù)據(jù)這部分我們可以了解到一些基本數(shù)據(jù)分析的方法，以及使用數(shù)據(jù)時(shí)需要注意的事項(xiàng)。
利用數(shù)據(jù)這里我們可以知道在做產(chǎn)品的時(shí)候，使用數(shù)據(jù)的一些場(chǎng)景和利用數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品的思維方式。
一、認(rèn)識(shí)數(shù)據(jù)
1.1 什么是數(shù)據(jù)？簡(jiǎn)單來說數(shù)據(jù)是一種量化事物的手段，就像身高、體重、三圍一樣，它們都是一個(gè)數(shù)字指標(biāo)，代表了事物現(xiàn)實(shí)存在的客觀情況。數(shù)據(jù)最大的特征就是客觀性，無論我們是否觸碰它，它就在那里。在面對(duì)海量數(shù)據(jù)的時(shí)候，身為產(chǎn)品經(jīng)理的我們要更像一個(gè)「求知者」，如果我們希望在數(shù)據(jù)中找到答案，我們更應(yīng)該帶著一個(gè)「求證」的態(tài)度去讀取，去分析，去解讀。
1.2 數(shù)據(jù)與產(chǎn)品的關(guān)系數(shù)據(jù)可以用來幫助我們驗(yàn)證產(chǎn)品假設(shè)是否正確，也可以幫助我們發(fā)現(xiàn)產(chǎn)品的問題。
通常情況下，一個(gè)完整的數(shù)據(jù)需求包括：
這里舉個(gè)例子說明下，網(wǎng)站注冊(cè)流程功能的數(shù)據(jù)統(tǒng)計(jì)需求：
二、獲取數(shù)據(jù)
2.1 網(wǎng)站的數(shù)據(jù)指標(biāo)與分析工具2.1.1 數(shù)據(jù)獲取工具免費(fèi)的網(wǎng)站排名工具：Alexa、中國(guó)網(wǎng)站排名、網(wǎng)絡(luò)媒體排名免費(fèi)的網(wǎng)站檢測(cè)工具：Google Analytics、百度統(tǒng)計(jì)、CNZZ網(wǎng)站分析
2.1.2 關(guān)鍵指標(biāo)訪問量訪問量就是 一段時(shí)間的訪問量就是這段時(shí)間的內(nèi)的會(huì)話次數(shù)。什么是會(huì)話，如下圖：
訪客數(shù)也稱獨(dú)立訪客數(shù)（UV），就是訪問網(wǎng)站的人數(shù)。
如何識(shí)別一個(gè)用戶？
在網(wǎng)站分析系統(tǒng)中，會(huì)依據(jù)用戶的瀏覽器，設(shè)備型號(hào)等信息為用戶分配一個(gè)編號(hào)，這個(gè)編號(hào)稱為Cookie。訪客數(shù)就是訪問網(wǎng)站的Cookie數(shù)。如果同一個(gè)人換了瀏覽器或者設(shè)備訪問網(wǎng)站，那么它的Cookie也發(fā)生了變化。
瀏覽量常被稱為PV（PageViews），就是瀏覽頁(yè)面的數(shù)量。
頁(yè)面停留時(shí)長(zhǎng)訪客一次訪問在某個(gè)頁(yè)面的停留時(shí)間。計(jì)算方法：
網(wǎng)站停留時(shí)長(zhǎng)訪客一次會(huì)話的時(shí)間長(zhǎng)度計(jì)算方法：
跳出率網(wǎng)站的所有會(huì)話中，來到網(wǎng)站之后沒有任何動(dòng)作就離開的比例。計(jì)算方法：
退出率無論從哪個(gè)頁(yè)面進(jìn)入網(wǎng)站，最終從這個(gè)頁(yè)面退出的比例。計(jì)算方法：
轉(zhuǎn)化率計(jì)算方法：
網(wǎng)站的數(shù)據(jù)有很多，我們可以通過先對(duì)網(wǎng)站進(jìn)行宏觀的分析對(duì)網(wǎng)站有個(gè)大體的把握，避免一上來就陷入數(shù)據(jù)的細(xì)節(jié)中，通常我們可以通過回答以下幾個(gè)問題來大體的了解網(wǎng)站：
有多少訪客訪問網(wǎng)站，訪問深度怎么樣？查看「受眾群體」概覽頁(yè)來了解網(wǎng)站的訪客數(shù)和訪問深度。
這些訪客從哪里來，以及效果怎么樣？查看「流量獲取」的概覽頁(yè)來了解網(wǎng)站的流量從哪里來。一般有：引薦網(wǎng)站、直接進(jìn)入、自然搜索、付費(fèi)搜索、付費(fèi)流量廣告
訪客在網(wǎng)站上做了什么？查看流量最大的著陸頁(yè)的相關(guān)數(shù)據(jù)，著重優(yōu)化，降低跳出率；查看流量最大的頁(yè)面的相關(guān)數(shù)據(jù)，并與預(yù)期相比，發(fā)現(xiàn)差異；查看頁(yè)面點(diǎn)擊熱圖；查看主要流程的轉(zhuǎn)化漏斗。
注：在利用指標(biāo)去評(píng)估版本迭代的效果時(shí)，盡量使用新用戶的數(shù)據(jù)，因?yàn)槔嫌脩魰?huì)存在忠誠(chéng)度等因素影響數(shù)據(jù)。
我們?cè)谠u(píng)估新版本的迭代的效果時(shí)，可以看以下幾個(gè)數(shù)據(jù)指標(biāo)
新用戶的留存率新版本發(fā)布后，新版本發(fā)布前14天內(nèi)的新用戶次日留存率。留存數(shù)據(jù)整體提高，表明移動(dòng)端版本迭代的效果較好。
核心功能的使用率同比：舊版本發(fā)布后14天環(huán)比：新版本發(fā)布前14天通過同比和環(huán)比14天的數(shù)據(jù)觀察核心功能的使用率是否有提升。
新功能的使用率，繼續(xù)使用率和新功能的核心貢獻(xiàn)在新的版本中，增加了功能A
通過觀察以上指標(biāo)基本上就可以大概的判斷這個(gè)版本改版的效果了。
2.3 電商類數(shù)據(jù)指標(biāo)2.3.1 關(guān)鍵指標(biāo)名詞解釋銷售額這里是指電商網(wǎng)站的收入，這是電商網(wǎng)站最重要的指標(biāo)。由于移動(dòng)互聯(lián)網(wǎng)的崛起，這里還需要統(tǒng)計(jì)下移動(dòng)端占比。
購(gòu)買客戶數(shù)（按照賬號(hào)去重計(jì)算）
客單價(jià)每個(gè)客戶購(gòu)買的金額，等于銷售額/購(gòu)買客戶數(shù)
購(gòu)買轉(zhuǎn)化率訪客中購(gòu)買了商品的比例，等于購(gòu)買客戶數(shù)/訪客數(shù)
UV訪客數(shù)，來到網(wǎng)店的人數(shù)
詳情頁(yè)UV訪問商品詳情頁(yè)的人數(shù)
訂單數(shù)訂單數(shù)關(guān)系到支付壓力和倉(cāng)庫(kù)發(fā)貨的任務(wù)量
妥投及時(shí)率妥投到客戶的訂單中，按照約定時(shí)間妥投的比例，它是個(gè)非常重要的用戶體驗(yàn)指標(biāo)。現(xiàn)在京東的一個(gè)很好的優(yōu)勢(shì)就在于它的物流。
重點(diǎn)商品缺貨率爆款缺貨的比例。有時(shí)候用戶想購(gòu)買的物品缺貨，容易導(dǎo)致客戶的流失。
我們前面說到，銷售額是電商網(wǎng)站中最關(guān)鍵的指標(biāo)，沒有之一。銷售額 = UV 轉(zhuǎn)化率 客單價(jià)那我們接下來一個(gè)一個(gè)的分析這三個(gè)因素
1. 流量變化的因素
分析流量的變化就需要從流量的來源上來入手。
分析思路大致是，先按照終端細(xì)分，先看下PC端、App端、Wap端分別變化了多少，然后在細(xì)分對(duì)應(yīng)的終端流量是從哪里來的。PC端和Wap端可以細(xì)分到媒體，App端又分Android端和iOS端，Android端可以從渠道包中來區(qū)分來源，iOS端可以用一些跟蹤工具或者IDFA來跟蹤。具體可以看下圖：
2. 客單價(jià)變化的原因下面我們來看下客單價(jià)的公式
客單價(jià) = 人均購(gòu)買件數(shù) * 件單價(jià)
客單價(jià)的變化經(jīng)常會(huì)與促銷活動(dòng)有關(guān)系。如下圖：
3.轉(zhuǎn)換率增長(zhǎng)因素 - 轉(zhuǎn)化漏斗 正所謂一圖勝千言，看下面這張圖大家應(yīng)該就可以明白了。
首先解釋下什么是UGC，UGC就是以用戶創(chuàng)造內(nèi)容為主的應(yīng)用，比如博客，微博，朋友圈等UGC產(chǎn)品的關(guān)鍵指標(biāo)就是「用戶參與度」用戶參與度指標(biāo)
舉個(gè)例子：輕博客的參與度指標(biāo)
活躍用戶規(guī)模
留存以及訪問深度
核心功能使用情況
另外UGC產(chǎn)品還特別依賴于優(yōu)質(zhì)內(nèi)容的產(chǎn)出，那如何去篩選優(yōu)質(zhì)內(nèi)容了？
首先我們要對(duì)優(yōu)質(zhì)內(nèi)容建一個(gè)評(píng)分模型，比如微博的優(yōu)質(zhì)內(nèi)容模型為：
熱度 = 轉(zhuǎn)發(fā) + 評(píng)論 + 點(diǎn)贊
然后可以對(duì)各個(gè)指標(biāo)定義下所占比例，這樣就可以憑借熱度這個(gè)指標(biāo)去篩選優(yōu)質(zhì)內(nèi)容了。
三、分析數(shù)據(jù)
3.1 基本分析方法3.1.1 橫向?qū)Ρ?p>橫向?qū)Ρ染褪呛妥约簩?duì)比。舉個(gè)例子，改版的App發(fā)布后，想看下改版后的效果，這個(gè)時(shí)候就需要用到橫向?qū)Ρ攘耍蜕弦粋€(gè)版本進(jìn)行對(duì)比。
舉個(gè)例子，微信支付和支付寶在除夕這天的一些數(shù)據(jù)對(duì)比（數(shù)據(jù)純屬虛構(gòu)）：
象限法指根據(jù)數(shù)據(jù)中的（質(zhì)量、數(shù)量等）的兩個(gè)重要屬性作為分析的依據(jù)，進(jìn)行分類分析。
比如對(duì)App的渠道分析，我們可以用「質(zhì)量」和「數(shù)量」兩個(gè)維度來進(jìn)行，如下圖：
交叉分析的主要作用就是從多個(gè)維度細(xì)分?jǐn)?shù)據(jù)，它的作用主要是從中發(fā)現(xiàn)最為相關(guān)的維度來探索數(shù)據(jù)變化的原因。
舉個(gè)例子，統(tǒng)計(jì)一款A(yù)pp的新增用戶數(shù)，我們采取交叉分析法，把終端、時(shí)間和渠道三個(gè)維度結(jié)合到一起，如下圖：
AARRR是Acquisition、Activation、Retention、Revenue、Refer，這個(gè)五個(gè)單詞的縮寫，分別對(duì)應(yīng)這一款移動(dòng)應(yīng)用生命周期中的5個(gè)重要環(huán)節(jié)，具體模型如下圖：
那產(chǎn)品經(jīng)理應(yīng)該可以利用AARRR模型來做什么了？
它提供很好的精細(xì)化數(shù)據(jù)分析思路，能夠?qū)⒄麄€(gè)是數(shù)據(jù)鏈打通，而不會(huì)僅限于某個(gè)具體的指標(biāo)。
下面我們舉個(gè)具體的例子來說明：
某App通過渠道A引入了100000個(gè)用戶，單個(gè)用戶成本為3元。通過渠道B引入了50000個(gè)用戶，單個(gè)用戶成本為10元。
如果我們不通過AARRR模型來分析，這樣就很簡(jiǎn)單的判斷是渠道A效果會(huì)更好，但是我們?nèi)绻ㄟ^AARRR模型來看。
渠道A的AARRR模型：
渠道B的AARRR模型
通過上面兩張圖我們可以看出其實(shí)是渠道B的效果會(huì)更好一些的。
3.3 邏輯拆解分層框架什么是邏輯拆解分層框架？
對(duì)于一個(gè)產(chǎn)品來說，它的數(shù)據(jù)指標(biāo)非常的多，對(duì)于產(chǎn)品經(jīng)理來說，我們不可能時(shí)時(shí)關(guān)注每個(gè)指標(biāo)，通知我們需要重點(diǎn)關(guān)注最核心的指標(biāo)。
舉個(gè)例子來說：
這里我們舉個(gè)電商的例子，電商的核心指標(biāo)是銷售量，我們對(duì)銷售量這個(gè)指標(biāo)進(jìn)行邏輯分層，得到下面這張圖：
得到這張圖后，我們通過分析銷售量的指標(biāo)的變化，就可以更精確的去定位是什么原因的導(dǎo)致的了。
3.4 漏斗模型分析框架漏斗模型，就是從起點(diǎn)到終點(diǎn)有多個(gè)環(huán)節(jié)，每個(gè)環(huán)節(jié)都會(huì)產(chǎn)生用戶流失，依次遞減，每一步都會(huì)有一個(gè)轉(zhuǎn)化率。
比如很典型的商品購(gòu)買流程：
我們通過這張圖就可以很清楚的知道用戶在哪個(gè)步驟流失的最多，然后我們就可以針對(duì)該步驟進(jìn)行優(yōu)化。
3.5 使用數(shù)據(jù)時(shí)需要注意的事項(xiàng)3.5.1 數(shù)據(jù)圖形的欺騙我們先來看下下面這兩張圖：
這兩張圖其實(shí)表達(dá)的數(shù)據(jù)是一樣的，但是看第一張圖會(huì)感覺活躍用戶增長(zhǎng)趨勢(shì)比第二張圖好很多。
那怎么避免這種問題了，答案是給這套曲線增加一個(gè)公式，用公式來表現(xiàn)曲線的斜率。
3.5.2 數(shù)據(jù)抽取樣本的問題舉個(gè)現(xiàn)實(shí)生活中的例子：
在2008年奧運(yùn)會(huì)上，姚明的三分投籃命中率為100%，科比的三分投籃命中率為32%。
那么我們是不是說姚明的三分投籃命中率要比科比高了？顯示不能這么說，因?yàn)槟菍脢W運(yùn)會(huì)，姚明只投了一個(gè)三分，科比投了53個(gè)三分。
決定樣本量大小的因素有：
所以在抽取樣本的時(shí)候，盡可能的多覆蓋，盡可能的找差異程度大的用戶。
3.5.3 數(shù)據(jù)被平均這里先舉個(gè)例子說明下：
對(duì)于一個(gè)新推廣的的網(wǎng)站：
網(wǎng)站平均訪問時(shí)長(zhǎng)：55秒；用戶平均訪問頁(yè)面2.16個(gè)。
這個(gè)是不是就可以說明用戶主動(dòng)瀏覽其他頁(yè)面，但是我們這時(shí)候看下頁(yè)面瀏覽和訪問時(shí)長(zhǎng)的分布圖：
這個(gè)時(shí)候你就會(huì)發(fā)現(xiàn)你被平均數(shù)帶到坑里去了。
那么問題來了，什么時(shí)候平均數(shù)可以代表整體的情況了？
答案是當(dāng)數(shù)據(jù)為正態(tài)分布時(shí)，就可以用平均數(shù)代表整體的情況了。當(dāng)數(shù)據(jù)的分布為長(zhǎng)尾分布時(shí)，我們可以選取數(shù)據(jù)比較集中的部分進(jìn)行分析。
當(dāng)人們嘗試探究?jī)煞N變量(比如新生錄取率與性別)是否具有相關(guān)性的時(shí)候，會(huì)分別對(duì)之進(jìn)行分組研究。然而，在分組比較中都占優(yōu)勢(shì)的一方，在總評(píng)中有時(shí)反而是失勢(shì)的一方。
下面舉個(gè)具體的例子來說明下：
當(dāng)產(chǎn)品經(jīng)理看到上面這組數(shù)據(jù)時(shí)，是不是就可以決定要先從電腦版開始開發(fā)了？
我們接下來再看另一組數(shù)據(jù)：
從這組數(shù)據(jù)來看是不是和上面那組數(shù)據(jù)得到的結(jié)論完全相反了。
3.5.5 忽略沉默用戶用戶迫切需要的需求 != 產(chǎn)品的核心需求
有時(shí)候我們所聽到的需求，或許只是少部分用戶迫切需求，而大部分用戶并不在乎。
舉個(gè)微信的例子：
很多用戶都反饋說為什么不給消息加個(gè)消息狀態(tài)，這樣我就可以知道對(duì)方有沒有看我的消息了。說實(shí)話剛開始看到這個(gè)需求的時(shí)候，我就想到了陌陌和WhatsApp，他們都做了消息的狀態(tài)功能。然后就想當(dāng)然的覺得微信其實(shí)也應(yīng)該加一個(gè)。
后來我看到這樣Allenzhang的回答：
如果我們針對(duì)需求一個(gè)人去滿足，你可能獲取了這部分用戶，但是得罪了另外一部分用戶。有人就挺不喜歡把我的已讀狀態(tài)暴露給別人，你想這樣的話，如果你的上級(jí)找你，你看了然后你又不回，就很麻煩。我們要給人撒謊的機(jī)會(huì)，我們說人性是什么？給他撒謊的機(jī)會(huì)，說我沒有看到。你看短信不太準(zhǔn)確，我們經(jīng)常會(huì)說，你那個(gè)短信丟了，我們沒有看到。如果我們把人都像機(jī)器一樣約束起來不一定是好事。
我們?yōu)槭裁床蛔鲆阉瓦_(dá)的狀態(tài)？因?yàn)槲覀冇X得未來的系統(tǒng)是絕對(duì)可靠的，我們有這個(gè)信心，肯定會(huì)送達(dá)，除非他關(guān)機(jī)了，我們不會(huì)再專門做一個(gè)是不是已送達(dá)，只有不自信的系統(tǒng)才會(huì)做這樣一個(gè)狀態(tài)。而且你每發(fā)一個(gè)消息還有個(gè)已送達(dá)或者發(fā)送中，那很丑陋的，多了一個(gè)東西在那里。所以這也是一種態(tài)度。對(duì)于這種用戶要什么就給什么，其實(shí)這是考驗(yàn)產(chǎn)品經(jīng)理水準(zhǔn)的東西，因?yàn)槲覞M足需求很容易，但是你怎么找到理由拒絕他，或者說找到什么方式實(shí)現(xiàn)它這個(gè)非常難。
微信對(duì)人性的把握太精準(zhǔn)了。
所以說很多時(shí)候我們要站在更高的角度去考慮問題，不能聽到用戶的聲音的時(shí)候就立馬做出決策，而忽略了產(chǎn)品大部分目標(biāo)用戶的核心需求。
3.5.6 過分依賴數(shù)據(jù)我們觀察我們生活中的很多的偉大的產(chǎn)品都不是通過分析數(shù)據(jù)得出了。比如，當(dāng)年汽車誕生的時(shí)候，我們通過分析馬車的相關(guān)數(shù)據(jù)，只能得出用戶需要一匹更快的馬車。
所以說，產(chǎn)品經(jīng)理還需要把自己的理性思維和感性思維更好的結(jié)合在一起。
3.5.7 錯(cuò)判因果關(guān)系什么是因果關(guān)系？
就是A的發(fā)生，導(dǎo)致了B的發(fā)生。比如醉酒駕駛導(dǎo)致交通事故，那么醉酒就是交通事故的原因之一。
什么是相關(guān)關(guān)系？
就是A和B兩件事情的出現(xiàn)，都是出自同一個(gè)原因，數(shù)據(jù)上顯示火鍋消費(fèi)高峰期和冰淇淋消費(fèi)低谷期總是同一個(gè)階段出現(xiàn)，而這兩件事情都有同樣一個(gè)原因，即天氣變冷，氣溫下降。
有時(shí)候我們?cè)诜治鰯?shù)據(jù)時(shí)常常把相關(guān)關(guān)系錯(cuò)判為因果關(guān)系。
這里我們舉幾個(gè)現(xiàn)實(shí)生活中的例子：
所以說，我們?cè)诿鎸?duì)數(shù)據(jù)的時(shí)候要時(shí)刻保持獨(dú)立思考的狀態(tài)，要多問幾個(gè)為什么，要多好奇心 。
四、利用數(shù)據(jù)
4.1 數(shù)據(jù)應(yīng)用的場(chǎng)景4.1.1 需求層面需求一般有兩個(gè)來源，一個(gè)是用戶層面，一個(gè)是公司層面，數(shù)據(jù)在面對(duì)這兩個(gè)方面的需求所起到的作用是不一樣的，下面我們分別看下這兩個(gè)層的需求來源。
用戶層面。一般來說用戶層面的需求一般來自普通用戶或者產(chǎn)品經(jīng)理自身。這個(gè)時(shí)候數(shù)據(jù)主要是用來「去偽存真」。
有時(shí)候用戶會(huì)基于自身層面提出很多需求，但是這些需求都非常的主觀，我們這時(shí)候就可能需要利用數(shù)據(jù)來驗(yàn)證這些需求了。
比如說，有時(shí)候一個(gè)用戶說，你們這個(gè)網(wǎng)頁(yè)打不開??！產(chǎn)品經(jīng)理就是個(gè)垃圾。
這個(gè)時(shí)候我們可以自己使用下，看下問題是否能復(fù)現(xiàn)，如果不能的話。再看下這個(gè)頁(yè)面的退出率是否存在異常，如果沒有，這個(gè)問題也可能是網(wǎng)絡(luò)、設(shè)備等原因引起的。
公司層面面對(duì)高層需求，從數(shù)據(jù)入手，驗(yàn)證觀點(diǎn)，并提供合理化建議。
高層的需求通常是基于公司戰(zhàn)略目標(biāo)提出來的，這個(gè)目標(biāo)可能會(huì)與用戶體驗(yàn)有一些沖突，這個(gè)時(shí)候產(chǎn)品經(jīng)理就可以利用數(shù)據(jù)來驗(yàn)證并提供合理化建立。
設(shè)計(jì)前通過數(shù)據(jù)分析發(fā)現(xiàn)問題，確定行之有效的量化標(biāo)準(zhǔn)。
比如：網(wǎng)站首頁(yè)的改版，可以看到各個(gè)模塊的點(diǎn)擊率，轉(zhuǎn)化率等?？聪率欠裥枰{(diào)整模塊的位置。
設(shè)計(jì)中輔助決策，判斷思路
比如：我們?cè)谫?gòu)物網(wǎng)站中，優(yōu)惠券的有效時(shí)間設(shè)置多長(zhǎng)比較合適了？1小時(shí)？12小時(shí)？1天？3天？
這個(gè)時(shí)候其實(shí)就可以利用數(shù)據(jù)來分析下用戶之前使用優(yōu)惠券的時(shí)間分布圖，最后確定時(shí)間的長(zhǎng)度。另外還可以使用A/B Test來測(cè)試。
設(shè)計(jì)后這個(gè)階段主要是數(shù)據(jù)來驗(yàn)證方案是否符合預(yù)期。
數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品最重要的保持?jǐn)?shù)據(jù)驅(qū)動(dòng)產(chǎn)品的思維方式（具體見下圖），可以看出，利用數(shù)據(jù)，產(chǎn)品可以不斷的進(jìn)行優(yōu)化。
首先我們有一個(gè)好奇的心，保持自己的求知欲望。這些是引領(lǐng)我們前進(jìn)的內(nèi)在動(dòng)力。我們?cè)谏钪芯涂梢园l(fā)現(xiàn)很多數(shù)據(jù)，如果我們有足夠好奇心的話，其實(shí)可以發(fā)現(xiàn)很多有趣的問題的。
比如，分析在春節(jié)時(shí)候的自己朋友圈轉(zhuǎn)發(fā)文章的閱讀數(shù)、點(diǎn)贊數(shù)等一些數(shù)據(jù)。你會(huì)發(fā)現(xiàn)哪些文章的轉(zhuǎn)發(fā)率高，自己朋友圈的一些特征等。
其次我們要有正確的數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品的思維方式。
然后我們要非常熟悉我們所在產(chǎn)品的業(yè)務(wù)，我們要重視數(shù)據(jù)，保存對(duì)數(shù)據(jù)的敏感程度。
聯(lián)系客服
