【DTalk思考】顾青:互联网团队的数据驱动能力从哪里来?

回顾从2016年到现在,我已经辅导了上百个互联网项目团队,从大型互联网企业、传统转型互联网企业到初创团队,感触很多。

对于我所遇到的大量互联网项目团队来说,实际情况是由于受到资本和市场竞争的助推,中国互联网行业发展过于迅速而导致每个项目的团队由于方法论和实施能力的不足,更多的时候是业务驱动、想法驱动,而数据驱动严重不足。

比如我在著名的菜园子产品经理社群里就遇到过这些想法:

1)我们是互联网金融公司,业务驱动产品,目前我们的业务量主要来自线下,所以第三方数据分析平台只是辅助线上业务,是否可有可无?

2) 我们公司也是互联网金融公司,线上线下都有,目前采取自建分析系统的方式,外部数据系统也有接入,用途只是做营销分析,优化营销计划。

3) 只是统计了业务数据,我们认为数据驱动意义在于使运营更加精准,可以做到多维度分析数据并拆分KPI,但我们目前感觉数据样本比较小,分析结果不具备普遍性,似乎无解。

4)虽然部门每周会review全球销售数据,内部也有数据先行意识,数据分析平台是自己建设的,但是最大困难是公司的整体产品规划

5)我们公司用了第三方统计系统,自己也开发了数据统计模块,但总体没有数据驱动意识。 原因可能是:1)产品处于验证阶段,业务模式不稳定;2)团队负责人主观意识强,喜欢拍脑袋 3)公司创始人出身传统行业,只感兴趣销售额,其他指标都是浮云。所以一家公司或一个产品能不能数据驱动主要依赖:1)公司负责人是否有数据驱动的思维,即便不懂也要对数据驱动有信仰;2)初期产品由于业务不稳定,用户量小,要以定性分析为主定量分析为辅,等用户量上来了再全力投入数据驱动;3)团队是否有数据驱动的工作氛围及态度。

6)我这边之前做过几次运营活动页面,设计、开发、测试、耗时15天,人工成本巨大,而实际订单量可能只有1-2个,我认为这就是没有通过数据去分析用户的真实需求!

7)最近在改版移动站首页,深刻体会到数据驱动真的很难。 以我现在在改版的移动网站为例子,只有来自百度统计的数据,基础的pvuv等数据是有的,对于特定页面/事件的转化率,上下有数据,地域和用户年龄性别比例这种分析属性的数据也是有的。 关键是如何分析数据,并懂得用哪些数据来做出改版的决定,比如:为什么要改版首页呢?要往哪个方向改,希望达到什么业务目标?为什么要删除某些功能?为什么要优化某个流程?这时候就考验处理数据的经验了。

以上的一些看法均来自文章 –> 据说我国互联网领先全球了? 别闹了,这个领域的差距触目惊心!

数据驱动需要做好哪些事?

如果我们把数据驱动这件事如果比较理性地去分解,就意味着产品和运营团队需要做好这些事情:

1)通过数据挖掘和特征值分析,发现用户增长点和探索业务场景;

2)如何设计合理的核心指标和衍生指标,并通过有效手段增长;

3)如何根据数据分析评估产品设计方案,并通过用户研究和实验来优化设计;

4)如何设计产品优化排列规则和AB测试实验;

5)如何有效推动数据埋点,数据报表系统完善;

6)如何建立内部的用户画像系统,用于设计有效的产品和运营方案

特别是对于创业阶段的企业,数据分析的目的是为了在钱用完之前,找到正确的产品方向和市场。难点在于创业公司的关键指标由于商业模式会有变化,所以需要产品和运营团队通过不停的数据分析和产品市场迭代交替,来逐步调整方向,所以关键指标的的设计就是一件同时具备科学和艺术的事情了。

一个不断在迭代中成长的产品运营团队会经历这些周期,并始终通过发现用户在核心指标有良性增长上的相关行为,来推动业务的发展。一个往复循环的工作流程可以是:

1)MVP及阶段性产品目标

2)定义产品和运营指标(Metrics)

3)规划可以用于指导工作的指标体系

4)确定并上报数据埋点需求

5)数据平台采集数据(前后端)并做相应的存储和数据处理

6)获取数据(通常是通过写SQL)

7)分析数据及发现产品的机会和问题

8)继续制定下一阶段的产品改进和运营策略

要在企业内部彻底用工程化的方式来管理好这个流程,需要形成内部的数据运营和决策机制、文化和职能,并跟随业务的变化而持续修订。

其实也就是说企业需要从管理层开始,就全面贯彻数据驱动的企业文化,才能做到下图描绘的状态:

【DTalk思考】顾青:互联网团队的数据驱动能力从哪里来?

做的好和做的不好的企业在一开始可能是一样起步,但是随着项目的推进,对数据意识非常敏感的团队就可以通过有效收集数据,正确分析数据,快速修正策略(甚至改变产品方向)这套机制经过内部积累和传承,去影响每个员工每天的工作,形成从下而上的数据驱动文化和工作习惯,这样的团队会在竞争中脱颖而出,产品和业务水平也会远超竞争对手。

这个规律在PC互联网时代就已经很明显了,比如搜索引擎时代的谷歌和Bing就是明显的例子。

谷歌把自己的产品当成一个海量的数据挖掘和分析系统来设计,并始终把收集更多有价值的数据(包括通过对企业提供免费Google Analytics,)做为一个核心工作来不断推进,以达到搜索相关性的不断提高。而Bing就逊色太多。国内的英语流利说则是一个非常好的例子。

数据驱动的第一步:基础数据采集和监测的准确性

这几年我在培训不同行业的企业团队时,发现了一个明显的规律:“许多企业完全没有准确采集和监测到需要的用户行为数据,或者监测到了但几乎没有参考并应用到业务优化流程里。”

这到底是产品、技术还是企业负责人应该重视的问题呢?

【DTalk思考】顾青:互联网团队的数据驱动能力从哪里来?

举一个比较具有代表性的例子:

  • 某在线旅游企业的主要业务是目的地度假、机票及门票线上销售业务
  • 该集团有大量线下营业的门店,店内也有销售终端负责线下订单管理。
  • 该企业有“XYZ游”这个产品,主要以“XY游”APP+H5站提供服务,分“安卓”及“IOS”两个版本,可从应用市场下载,使用友盟分析工具
  • 该企业后台收集了部分注册信息和订单数据,与友盟数据有差异。用户为中、高端的自由行的客人,提供目的地度假服务,包含行前、行中、行后服务。
  • 该集团管理层希望对对潜在用户(关注未注册)、实际用户(已注册)、休眠用户做360度的全貌了解、分析;对每次在APP中或搜索引擎广告、微博、微信等新媒体中做的活动,做实时的了解及评估,制定有效的业务增长方案。
  • 更进一步,由于人工智能很火,该集团希望通过引入大数据和人工智能降低人工运营成本,并实现的数据驱动的自动化运营效果。

我相信这个集团是希望能够像我们在集训营中教授那样可以通过对数据的利用,从人工规则过渡到通过输入有效数据,来训练系统建立决策模型,达到部分甚至全部自动化的阶段。

所以好像下面这样的解决方案可以满足他们理想中的“数据和AI驱动运营”了吧?

【DTalk思考】顾青:互联网团队的数据驱动能力从哪里来?

这看上去似乎是一幅很美妙的前景,不是吗?

如果你深入分析上面这家企业,其实整个团队连数据收集和整合处理的基础工作都没有做好,我列举一下可能的情况:

1)该企业没有一套完整的数据仓库,把外部和内部的数据保存完整(Raw Data,非采样数据)

2)该企业的用户行为数据没有设计规划过数据采集策略,比如对“新增”,“活跃”,“崩溃”,“会话”,“事件”等数据基础指标的定义不准确,数据上报的频率,场景,类型没有规划。

3)各业务平台:各个网站(官网&移动网站),不同版本的APP用了完全不同的技术供应商,数据完全缺乏可信度。

4)各个外部渠道的数据追踪不准确,包含:广告渠道(比如:SEM搜索广告、百度品专、付费应用市场)、免费渠道(比如:organic搜索、免费应用市场)、直接流量、合作渠道等

5)后台的订单和注册数据缺乏与行为数据关联整合的手段

6)所有的运营及营销效果数据靠人工跑数据,并经常出现字段意义混淆,或者干脆没有相关数据

下图是一个大型电商企业的数据埋点混乱的示例(如果对这份资料的其他部分有兴趣,加我微信号richarddq,标明“数据整合”):

【DTalk思考】顾青:互联网团队的数据驱动能力从哪里来?
【DTalk思考】顾青:互联网团队的数据驱动能力从哪里来?

试问,在这种情况下,不要说在各个网站和APP对每个用户做到精准营销和千人千面了,哪怕是最基本的数据分析和挖掘都可能无法实现,还谈什么数据驱动业务运营呢?

caoz的梦呓曾发文讨论大数据和人工智能时,他认为:

没有算法,数据再多也挖不出价值

没有数据,算法再好也找不到价值

无视已有的、被证明过有价值的数字资源,是一种极大的浪费

这正好印证了我的一贯看法,偏离基础的数据工作,追求人工智能就是本末倒置。

数据分析的能力不在于你是否会用最时髦的工具,或者嘴上会讲什么数据驱动、用户洞察,而是是否在一线处理过大量的数据项目。

最近2-3年,由于中国互联网行业发展的速度,已经引来大量的数据分析产品角逐市场,这些产品很多都在数据存储和处理方面用到了最新的大数据技术。

不过,很多企业对数据分析能力的认识还是在“盲人摸象”的阶段,这主要还是团队结构中,缺乏有技术背景并熟悉业务的产品及数据分析专家。

另外数据分析从业者也需要大量学习如何与管理层及技术团队沟通的技巧。

这些都是数据分析“求道”过程中的必经之路。

从个人能力来看,真正有价值的数据分析能力可能来自于对数据来源的全面理解、对HTML/CSS/cookie/数据库知识的积累、对数据采集到分析报告产出的实践经验、具备动手写代码的能力以及与技术团队打交道的能力。

但最重要的是要有独立思考的能力和求道的精神。

记得数据运营集训营的黄捷老师曾经写过一篇文章,题目叫“数据分析、独立思考、岩中花树”,他用王阳明的心学来解释为什么数据分析这件事其实应该是“当局者清”,也就是只有每天工作在一线,日复一日以数据分析为乐的从业者才真的懂得其中的道理。

我非常赞同。

独立思考的能力不但在数据分析工作上,即便在软件行业,优秀的研发工程师的主要时间都是在思考和设计,并把大量的时间用于未雨绸缪和技术规模化的前期规划,这样做出来的产品可维护性很强,而不是天天被Bug倒逼加班修补。

这好比修习佛法,一个潜心修道的出家人,必定先从打坐、吃斋、打扫院落、打水这些基础的小事做起,在埋头苦干的过程中独立思考,逐步体会修行的道理,乃至悟道成佛,然后去普渡众生。

数据驱动产品和运营优化的核心工作:

让我们再来回顾一下一个组织结构逐步完备的互联网项目团队(今后可能会扩展为一个全功能的互联网企业)需要完成任务:

1)发掘目标市场的用户需求 (需要市场分析数据)

2)设计开发产品 (需要样本数据和用户研究数据)

3)产品上线,数据验证并改进 (需要看到关键指标的趋势)

4)找推广渠道,推广,分析渠道、优化产品 (需要营销和转化漏斗指标)

5)对新老用户分群,并制定不同的运营策略,分析运营效果并优化 (需要各种效果指标)

6)在用户量达到一定规模时,引入AB测试解决人力和后验分析无法解决的问题,并快速迭代 (需要创意,更需要遵循试验和数据对比的方法)

【DTalk思考】顾青:互联网团队的数据驱动能力从哪里来?

7)阶段性调整核心指标和衍生指标,并持续发掘数据背后的核心业务发力点 (内部和外部数据整合、AB测试和数据挖掘)

8)形成内部的数据运营和决策机制、文化和职能,并跟随业务的变化而持续修订。


关于DTALK.org

DTALK.org主要谈论互联网数据分析、数据运营、试验迭代、用户生命周期、机器学习的营销运营决策和AI应用,宗旨是从实践来,回到实践中去,并且指导企业的成本效率、业务/用户体验和营收增长,并会定期发布一线经验总结干货,公众号:DTalks(ID:dtalks)。

相关新闻