通過自己這段時間接觸數據比較多，簡單分享一下自己對於數據驅動產品形成閉環的瞭解，本文僅作為分享沉澱。
每一次優化、迭代都是為了更好的讓產品形成閉環。更好的留住用戶、打造一個完整的產品。
什麼是數據？
數據就是數值，也就是我們通過觀察、實驗或計算得出的結果。數據有很多種，最簡單的就是數字。數據也可以是文字、圖像、聲音等。數據可以用於科學研究、設計、查證等。
那什麼是互聯網產品數據呢？
- 產品的流量（UV、PV等）；
- 產品的價值提現（功能價值、商業價值等）；
- 產品的生命力；
- RIO、KPI的根據；
- 起因、經過、結果。
而互聯網產品數據在不同產品類型有著不同的定義和指標，但是所有的互聯網產品數據都將朝著一個共同的方向——驅動產品加速形成閉環。
互聯網產品閉環
我個人最簡單粗暴的理解是：用戶——轉化——反饋——用戶。
但是對不同的產品形態有不同的閉環，如最常見的用戶增長閉環、支付閉環、商業閉環、頁面跳轉閉環等等，這些都是比較小範圍，而較大的閉環可以說是生態鏈了。
數據驅動產品形成閉環的7大循環
數據分析
互聯網產品數據分析的4個步驟
- 有多少訪客訪問？訪客的用戶畫像是怎樣的？
- 訪客的渠道來源，每個渠道帶來什麼效果？
- 訪客的參與深度是如何？
- 訪客最終有沒有轉化，轉化漏斗是否順暢？
比如：某個產品通過觀察上週的數據發現週四當天數據增長特別驚人。這個時候我們不能只是高興一下就好了，而是需要對這個驚人的數據進行分析。
因為我們需要知道為什麼出現這種情況，是否可以藉助這次增長下一次再次複用？
主要通過以下五個維度進行分析：
- 產品：是否有新功能上線、出現bug；
- 運營：是否統計錯誤；
- 市場：是否有做宣傳；
- 技術：是否埋點、數據傳輸問題；
- 其他：是否特殊日子、新增來源渠道。
發現問題、需求
比如：某個APP在各大渠道上線後，我們發現A、B渠道的下載用戶特別多，註冊用戶也正常，但是到了進入應用的流程轉化率驟降。通過排查、重現找到原因是因為部分設備不兼容，而剛好A、B渠道該部分設備最多。
再比如：某產品在1.0版本的時候是以工具產品作為定位的。但是上線了社交功能後，發現用戶體量不斷上升的這個問題。
從上線新功能後的數據來看用戶增長的主要原因：社交功能的出現，從而發現了產品的潛在需求——社交功能。
至於如何體現社交功能就在後期的步驟中。
確定指標
什麼是確定指標？
對於發現問題，我們可以確定的是將問題數據拉高/低，還是回到正常的趨勢。當然還會從偏高異常數據中發現一些額外的潛在需求，這個時候我們需要分析需求找到解決需求的方案。
TIP：指標並不是傳統意義上的數值指標，很可能是一個試錯的假想。快速試錯是現在互聯網快速更新迭代的一種自我校正的方法，試錯往往是無法用數值來均衡的，只有通過實際產生的數據進行對比才能夠驗證自己的假想。
在第一個問題中，AB渠道的用戶安裝量很高，但是進入應用就出現了bug。這個時候我們就要確定一個指標，假設將原來的50%轉化率提升到80%（當然這個80%是相對於其他正常渠道進行對比後定下的），而這個80%就是我們確定下的指標。
第二個問題提到的某工具產品上線輕社交功能後發現，輕社交功能帶來的流量明顯是優於純工具的。這個時候我們需要確定兩個指標，一個側重社交功能，另一個則是側重純工具功能。也就是進行產品的A/Btest。
TIP：為什麼還要進行A/Btest，我們不排除上線輕社交的功能是因為偶然的因素帶來的流量，有可能輕社交僅僅是輔助工具，是否能夠成為核心還需要在進行迴歸數據驗證。那麼這個時候的指標便是加速試錯驗證我們的假想。
產品設計
回到第一個問題中，我們需要提升80%的轉化率。我們已經找到了問題的所在是兼容問題，那麼我們接下來便是從機型設備進行處理，並且得出相關的解決方案。
這裡的方案比較偏向於技術方面，對於產品側可能更多的是偏向於方案的決策和取捨。
而第二個問題產品進行不同功能的A/Btest是比較常見的，我們只需要在A/B分別設計不一樣的功能，將其分別投向2個不同的渠道或者嵌入不同的鏈接等等方法，只要能夠在後期區分兩者的數據即可。
又比如：對於活動類型，根據活動的指標KPI進行任務的拆解來設計活動的方案。
開發測試
在產品（功能）設計後，接下來的步驟便是到開發測試環節。這裡需要注意的是將設計的細節儘可能的提現在需求中，避免因為細節問題導致不斷翻工，投入的成本又超出預期了。
最理想的狀態如下圖所示：
產品上線
- 觀察數據：上線後我們通常都是通過看數據的變化來發現問題；
- 提取數據：提取某段時間內的數據，比如次日數據，如果數據呈現正常則可將提取的時間再長一點。如果還是一樣則可能需要對數據進行分析；
- 分析數據：對提取後的數據進行分析，通過對近期數據進行對比分析數據是否正常增長還是異常；
- 調整數據：如果發現數據不對勁則可以採取特定的計劃進行調整，當然這種調整可能涉及到功能性或者設計樣式上，對於小的調整可以儘快重新部署上線再觀看數據的趨勢。
當然太大的調整就需要回歸到產品設計的步驟，這是相當浪費時間，有時候也是無法避免的。
TIP：在這裡分析數據後我們還需要進行適當的策略調整，以保證滿足我們之前確定的指標。這裡的調整數據並不是迴歸驗證，因為我們不可能讓數據增長到幾個月甚至1年時間再來分析，這樣不利於我們後面的迴歸數據驗證。我們應該挑某段時間最合適的數據進行抽樣分析，當然我們不是專業的數據分析師，但是我們能夠結合產品自身以及客觀數據的增長來判斷即可。
迴歸驗證
- 決策是對的，我們接下來要做的就是深入並且不斷完善和優化，驅動產品形成閉環；
- 決策是錯的，我們接下來要做的就是回到第一步數據分析，換一個方向進行試錯；
- 決策不明顯，我們接下來要做的是持續觀察的同時做好B計劃，通過運營、市場、功能上來驗證我們的決策，再判斷決策是否正確，並且適時做好放棄的準備。
再次迴歸到我們第一個下載問題中，如果決策是對的，這次數據將會發現轉化率>50%。從閉環角度來講我們是解決了體驗→反饋的問題，將不斷引流，從而行成一個用戶增長的閉環。
而第二個問題中，同樣如果我們決策是對的，我們會發現做了社交功能後，用戶增長也是不斷提升，同樣讓產品形成一個用戶增長的閉環。
產品閉環會有很多種，這裡只是舉例最常見的用戶增長閉環，比如：還有支付閉環、功能閉環、商業閉環等等，都是可以通過數據驅動產品形成閉環的。
最後雖然我們說的是利用數據驅動產品形成閉環，我們需要注意的是數據驅動不變的是產品發展的大方向，一切產品的誕生離不開市場調研，不能脫離一開始的市場調研轉戰另一個領域。
比如：你今天做了個工具、通過數據驗證將工具馬上改為社交，發現又不行再改為UGC等等。這樣都是違背了當初的定位，定位只能通過昇華，而不能改變。
文章純屬個人總結的拙見，如有不妥請指正。
題圖來自 pexels，基於CC0協議
閱讀更多 人人都是產品經理 的文章
