產品經理的工作價值很難衡量。因為，產品經理既不像運營一樣，有大量的活動爆發數據可以看到效果和直接經濟收益。也不像開發，完成了一個龐大的功能，或者優化頁面的多少加載速度。產品的工作總是在設計未來的事，除了原型和一堆文檔，價值看不見，摸不著，難以量化。
這就導致在很多公司，產品的存在感太低，其他人認為你就是個畫圖的，導致工作很被動。老是被業務部門牽著走，老是被動的【接需求】。或者，沒什麼存在感，彙報時除了0-1的項目，其他工作往往找不到標準來判斷或者總是被認為是【應該的】。在這種情況下，通過強調去自己的作用不但過程艱難，也不容易被人信任。
解決這種問題的最好辦法就是證明自己不只是一個畫圖的，而是產品表現的掌控者。而數據就是產品表現、產品領導能力最好的證明。下面，我會從四個方面闡述數據如何證明產品經理的價值。
1.判斷價值
①異常判斷：產品數據波動是日常，很多常見情況都會影響到產品表現。（一款視頻軟件在工作日日比雙休日登錄用戶要減少3倍，這是一種常見的情況。）
通常，我們會將重要的數據如轉化數據、用戶數據、交易數據等進行日常監控。一般來說，這些數據都有固定的波動週期，每個週期內的數據變化應該是趨於穩定的。如果某天數據不再符合預期的穩定變化，也就是我們所說的數據異常。（百度內對用戶搜索關鍵詞的第一條答案點擊率與前一小時下降6%已經是異常問題，這表示用戶對搜索結果和品類的豐富度非常不滿意。）
判斷是否異常一般會從絕對值和比例值來看，若任意一項數據較日常數據上下浮動2~3倍均可算作數據異常。
②嚴重性判斷：同樣是異常情況導致數據波動，不同級別的問題會採取不同的處理方式。一些小異常可能會通過產品迭代的方式彌補，而大的數據異常通常會採用緊急機制，如強行關閉，強行下架，強行結束等方式來阻止損失。（京東6塊錢的美的烤箱被擼了24萬件，虧損高達7000多萬，若是負責人能及時從下單數據中心看出異常，儘早處理，也不會帶來如此大的損失和用戶投訴——不發貨。）
判斷異常嚴重性時，通常會用絕對值數據來對比。通常是客單價，單均，UV等具體指標。當此類指標同比浮動3倍以上，即可認為存在重大異常。(京東小家電被在優惠券上架後下單量暴漲24萬件，但客單價只有100左右，遠遠低於平常的1200元，客單價下降10倍。單量暴漲，客單價極低。)
2.發掘價值
①核心問題：如果數據確實在異常，應該迅速找到導致異常波動的核心問題，定位時間越短，解決成本越低。尋找核心問題的方法就是：猜想——求證。
（一）猜想：猜想可能的情況，通常通過兩個方向去猜想：
1.自己維度：包括自家產品的產品設計、技術、運營、用戶，從自身角度回顧產品動作、表現以及異常數據。
2.市場維度：包括競品和整個市場的大環境。大家同處一個市場，市場的任何變化，競品的任何產品、運營動作都會影響到自家產品的數據。（下面提供一個具體表格，供大家參考）
產品：由產品功能、流程、新產品導致的異常。例如產品新增了連續包月功能，導致會員充值人數增加，或市場上的某家競品忽然開了一道與自己產品定位一樣的產品線，導致用戶流失等。流程可通過分步查看產品流程的漏斗數據，找出問題流程環節。新功能、新產品問題可對比版本查看（有無新功能對應的數據情況）。
技術：由技術實現方式、穩定性、導致的異常。常見情況有接口數據異常，接口穩定性，服務器響應速度，甚至服務器宕機等原因。例如下圖中，某安卓平臺沒有彈出push導致活動頁訪問率低。
接口類問題可通過不同平臺、不同機型的用戶對比數據來驗證猜想。服務器問題可對比同一時間段往日的服務器數據進行對比。
運營：由運營活動進行導致的異常。常見情況有運營活動開始，結束，爆發，導致的數據激增或極降。運營活動可通過活動頁的訪問率轉化率以及開始和結束訪問率進行大致推斷。市場運營活動可觀測競爭對手是否有運營活動，以及運營活動的火爆程度進行預估和猜想。
用戶：由於用戶的自身屬性、市場環境的客觀變化決定。常見情況有：隨著用戶年齡增加，離開平臺的數據量增高，或由於季節原因，出行的用戶變少等。用戶原因可通過淡旺季、客戶類型、客戶區域位置、客戶年齡等不同客戶類型的轉化率梳理進行大致推斷。
（二）求證：對猜測的原因進行驗證，必須找到能支撐猜測成立的數據。若是找不到證據，說明猜測錯誤，重新猜測，直到找到問題和證據為止。（下圖是某一活動落地頁UV低，通過猜想-驗證，最終找到問題的過程）
②發現新機會：針對現有用戶的數據分析，通常會讓開發者發現產品增長模式甚至更改產品核心價值。一些預想的功能上線了，你發現用戶根本不是按照你預想的方式去用，此時可能蘊含著產品發展機遇。
通過梳理平臺資深用戶的行為數據，從而發現產品增長機會或產品核心價值的傳遞方式。tinder在獲取早期用戶時遇到了etsy沒有遇到的挑戰——人們只對附近的約會對象感興趣。tinder團隊做出了一個聰明的決定，既然用戶是區域性的，那麼增長也應該是區域性的（ps：竟然不覺得這是一個問題去解決掉，反而順應這個問題發展）。於是他們決定先鎖定大學的社團，吸引他們成為用戶，這個做法不僅提供了早期用戶，幫助他們把tinder打造成一個高顏值約會對象的聚集地；社團的孩子回去向他們的兄弟姐妹們推薦tinder，忽然之間，tinder像病毒一樣傳播開來。
youtube更不同尋常，期初youtube只是一個視頻約會網站，之後創始人發現，用戶上傳視頻並不是為了找對象，而是為了分享各種各樣的視頻，於是youtube搖身一變，變成了一個大型視頻網站。
3.前瞻能力
①版本預測：領導者都有一個共性，可以預測市場形式。產品經理每次更新，都要在上線前對上線結果，運營指標，核心指標等進行預測。對於產品表現進行迴歸是要分析沒達到原因和是否能改進或直接停止。
通常使用的公式為，改動點 + 改動點描述+沒有此改動前的處理方法+此改動造成的收益（數字化）。例如，本次新增會議室預定功能，可查看會議室狀態+在線預定會議室。沒有此功能前用戶需要去前臺登記，並詢問預訂人員，會造成時間浪費和會議室空閒。此新功能可節省使用者70%的時間。
②異常預測：風險預防永遠比補救風險成本低。產品經理需要對產品的異常情況進行預測，並設置保護/熔斷機制。
通常對產品進行埋點統計，並設置警報值，超過警報值即通知負責人。百度關鍵詞點擊率浮動6%時，會通過短信通知負責人。超過10%即會通過電話通知負責人。3月10號所發生的美股跌停，暫停交易也是為了保護市場不崩潰所設置的熔斷機制。
4.解決問題
①具體問題：數字能更明顯的看出問題解決的效果，也是方案好壞的最好依據。
對比上線前後的核心數據，利用數據去證明策略的正確性，很容易看出方案的效果。例如，上線評價提醒功能，已收貨未評價的用戶點擊返回時，頁面會彈出評價提示。該功能上線後7天，周評價率上升5%，評價書上升11378條。
②清理一類用戶：在任何產品中，都有鑽空子的壞用戶。例如，閒魚平臺的騙子，交友平臺的酒託，社交平臺發廣告。為了維護社區環境，我們必須清除這一類用戶。
通過對現有壞用戶的從數據分析，進行標籤標記，將多個標籤聚集的用戶進行風險控制。
例如：對現在有社交平臺的酒託進行分析，發現其：總是主動加好友，一次加好友數量超過50個，加好友時間間隔不超過一分鐘，加了好友總是主動發消息和定位，個人信息缺失，使用同一網絡號段，同一局域網，定位地點集中在幾個地區等。針對這邊標籤聚合的用戶進行限制、或封號等，可以解決小部分壞用戶，保證大部分用戶的利益。
簡單小結：回到最初的的痛點——產品經理沒有存在感，數據可以幫助我們證明以下價值，增強產品把控力。
評估產品健康程度
產品異常問題的定位以及解決效果
產品危機預警和保護
保護/提升產品環境
本文由作者@王多魚 在PMCAFF社區發佈，轉載請註明作者及出處。
閱讀更多 PMCAFF產品經理社區 的文章
