起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識B端產品數據分析方法論
商業思維是中高級產品經理的分割線，那么如果才能具備商業思維呢？有一個重要的方法，那就是數據分析。本文總結了B端產品數據分析方法論，希望對你有所幫助。
商業思維是中級、高級產品經理的分割線。
產品經理有商業思維，意味著不僅懂業務，還能站在CEO的視角看待業務。
比如，業務的商業目標是什么？
業務發展有哪些機會？
如何抓住機會？等等。
那么，如何才能具備商業思維呢？
閱讀書籍、調研客戶、研究標桿企業都是很好的途徑，但是還有一個很重要的方法，那就是數據分析。
通過分析數據，產品經理能夠洞察企業的經營方式、經營狀態；
通過分析數據，產品經理能夠找到業務發展的機會，推動業務實現經營目標。
因此，數據分析能力是B端產品經理必備的核心能力。
你可能會說：商業思維、數據分析是管理層的工作，B端產品經理老老實實滿足業務需求不就行了嗎？
但現實是：高管往往沒有時間去分析一個具體的功能數據。
業務部門則可能受制于職責和眼界，看不到，或者無法獲取到有價值的數據。
反之，產品經理不但方便獲取數據，還可以把數據分析融入到產品設計，讓業務產生數據，再通過數據驅動業務。
這將是B端產品經理巨大的機會。
01 數據分析的三個階段
B端產品的數據分析，一共包含三個階段。
分別是數據衡量業務、數據洞察業務，以及數據指導業務。
1、數據衡量業務
通過管理報表，我們可以快速衡量業務發展的狀態。
也就是所謂的管理信息化——數據分析最基礎的功能。
不過，在很多企業，這一項基本功能也存在很大問題。
比如，數據準確性、實時性存在問題，以至于報表輔助決策的能力大大被削弱。
要做到準確、實時的衡量業務，產品經理首先要理解數據的業務邏輯。
比如，對于CRM系統來說：
線索數*轉化率*客單價=成交額
對于財務管理系統來說：
收入-直接成本=毛利
在梳理清楚業務邏輯后，產品經理最重要的工作就是確保系統按邏輯運行，并正確產生數據。
這里有很多細節問題。
比如，在計算毛利時，是否要含稅？贈品是否計入直接成本？
它們往往是左右數據準確性、實時性的關鍵。
有時候，要解決這些問題，產品經理還需要協同業務部門，對業務流程和系統功能進行調整。
曾經，我咨詢的一家企業，董事長堅持投入了數百萬建設CRM系統，然而COO根本就不用系統生成的報表。
原因在于， CRM系統的管理報表與門店的手工報表始終存在差異。
在用三個月集中處理掉這些問題后，COO終于可以放心使用CRM系統報表。
結果，公司經營會議的召開頻率大大提高，從“一月一開”提升到“一周一開”。
同時，由于不再需要人工統計數據，各個門店、總部都減少了行政崗位，為公司節省了一大筆開支。
2、用數據洞察業務
通過數據分析，可以找到業務發展的機會。
這里的關鍵在于，我們不僅要有準確的結果數據，還要有必要的過程數據。
比如，分析CRM數據，最簡單的方法就是分析各個渠道的線索轉化率和ROI，對于ROI較高的渠道，可以加大投入。
但是，這樣的分析還遠遠不夠。
因為，各個渠道的ROI并不是固定不變的。
比如，我們在某廣告平臺投放了廣告帖子，用戶如果對帖子名稱等信息感興趣，就會點擊查看帖子詳情。
如果服務符合客戶的要求，他們就會主動聯系我們，從而生成CRM系統的線索。
經過分析，我們發現“帖子點擊量”與“有效線索數量”的比例是相對固定的關系。
這就意味著，只要我們想辦法提高“帖子點擊量”，就可以提高“有效線索數量”，從而提升成交數量和金額。
在這個實際案例中，通過優化帖子名稱、定期刷新帖子等方式，該廣告平臺的成交金額提升了整整一倍。
在B端業務中，用數據洞察業務的難點，在于缺乏過程數據。
這時候就需要我們主動創造數據。
比如，在廣告平臺的案例中，我們是通過什么數據篩選出更有效的“帖子名稱”呢？。
答案就是AB測試。
保持其他內容不變，僅僅修改一部分帖子的名稱。
1個月后，將修改后的點擊量與修改之前的點擊量比較，以及與其他未做變更的帖子比較，從而篩查出點擊數量明顯上升的帖子名稱。
在這個過程中，我們實際上通過AB測試創造了新的數據。
再比如，一個傳統的線下經營企業，如何通過數據分析提升“轉介紹成交金額”呢？
如果我們不創造新的數據，僅僅憑借碎片化、難收集的線下數據，是很難找到突破口的。
這個案例的破局點在于，我們開發了一套基于微信的轉介紹小程序，再通過運營手段，讓客戶通過小程序進行轉介紹操作。
這樣，我們就可以收集到必要的過程數據。
比如，我們發現，轉介紹的潛在客戶只要進店體驗，成交率就很高。
但是，很多潛在客戶在收到老客戶的優惠券后，并沒有及時進店體驗。
在這種情況下，我們就可以通過運營手段，促進轉介紹渠道的潛在客戶進店體驗，并監控轉化效果。
3、用數據指導業務
不管是用數據衡量業務，還是用數據洞察業務，其形式仍然是傳統的報表工具。
數據分析的效果也主要體現為事后判斷，并不能實時指導業務。
在數據分析的第三個階段，我們要跳出“報表工具”的形式，把數據分析融入到業務流程和系統功能。
同時，通過“前置”數據分析，起到實時（real time）、適時（right time）指導業務的作用。
比如，通過數據分析，我們發現天氣對便利店飲料的銷量有很大影響。
太陽天的飲料銷量，是雨天銷量的2倍。
那么，當業務員在拜訪便利店時，我們就可以結合天氣預報等數據，提醒業務員加大飲料的推銷的力度。
再比如，線下門店的案例中，當有潛在客戶進店體驗，在輸入客戶的手機號后，APP就可以提醒服務人員：
該客戶來自張姐的轉介紹，成交概率很大。
而且推薦張姐評價最高的X項目最有可能成交。
對于B端業務來說，這個階段最難的一點，在于業務流程的在線化不足。
這就導致我們很難拿到全面、準確的過程數據，以達到“指導業務”的效果。
就是我們常說的：B端沒有“大數據”，只有“小數據”。
不過，“數據指導業務”是數據分析的必然發展方向，B端業務也不例外。
我相信，B端產品在這個方向有著巨大機會。
02 如何培養數據分析能力
阿里巴巴前數據委員會會長車品覺老師，曾經提出過一個“混、通、曬”的能力框架，我覺得也非常適合B端產品經理提升數據分析能力。
- 所謂“混”，就是和業務混在一起；
- 所謂“通”，就是打通數據孤島；
- 所謂“曬”，就是展示數據分析成果。
1、混
和業務混在一起，一方面是混“業務知識”，另一方面則是混“人際關系”。
不懂業務玩法，不了解業務痛點，就不可能有的放矢的分析數據；
和業務部門關系不好，就很難充分協作，合力攻克難題。
很多時候，我們為什么缺乏商業敏感、數據敏感，就是和業務混得不夠。
曾經，SaaS星球有一位甲方B端產品經理提問：
剛入職新公司，領導安排她去業務部門輪崗1個月，但是她覺得自己身為產品經理，天天做的工作卻和產品設計沒有關系。
她想知道自己應該怎么做，才能體現出一位產品經理應有的價值。
我提醒她：你做產品設計的機會很多，但是你到業務部門輪崗1個月的機會卻不多。
抓住這個機會，切身感受業務的難點和痛點，同時和業務部門同事搞好關系，對今后的工作開展會有很大的好處。
這位員工其實很幸運，遇到一位懂行的領導。
我曾經見到一種情況，某領導安排一位產品經理牽頭設計SaaS產品，并且同意他出差拜訪客戶。
但是，僅僅在拜訪過一次客戶后，領導就要求產出成果！
很顯然，該領導低估了“混”所需要的時間和頻次。
我在負責SaaS產品的時候，經常和客戶成功部門負責人、銷售部門負責人混在一起。
這不但讓我了解到更多業務數據，也讓我有機會與其他部門一起推動產品的發展。
比如，我曾經和客戶成功部門負責人一起分析“活躍度”與“續約率”的關系。
我們發現：
非核心功能的活躍度，與續約率不存在相關關系；
核心功能的活躍度，與續約率存在強相關關系。
同時還發現：
只要在3個月內，新上線客戶的核心功能實現了活躍，那么這個客戶的存活幾率就很大，而且續費率也很高。
反之，如果3個月未實現核心功能活躍，這個客戶就很可能流失。
這些數據洞察，對我的產品設計工作，以及客戶成功部門的服務工作都有很大的啟發。
在負責甲方產品團隊的時候，我也要求產品經理每個月必須有2天時間外出，和業務同事一起去拜訪客戶。
實際上，我并沒有指望幾次拜訪能夠產生了不起的突破。
但是，外出拜訪可以讓產品經理更多的與業務同事、與客戶混在一期，這對于他們的工作和成長會有很大幫助。
2、通
在實際工作中，由于業務分工明確，也由于部門墻的存在，商業與數據之間、數據與數據之間存在很多阻斷。
比如，市場部門購買了很多線索，認為自己功勞很大。
銷售部門卻覺得這些線索質量不高，不但很難成交，還無謂占用了自己的時間。
解決的關鍵是市場和銷售的數據要打通，同時兩個部門坐到一起來討論：
哪些線索的轉化率低？
為什么轉換率低？
是市場部門的線索質量把關不嚴，還是銷售部門的跟進存在問題？
曾經，某門店連鎖企業把線下活動作為主要的獲客方式。
這種拓客方式最大的問題，就是線索質量不高。
同時，由于活動拓客帶來的客戶進店很集中，這就大量擠壓了服務人員服務老客戶的時間。
即便服務人員和部分客戶都怨聲載道——受限于過去的成功經驗——市場負責人一直堅持這種獲客方式，以至于忽略了其他可能性。
于是，我讓產品部門對所有獲客、成交和復購數據拉通進行分析，計算各渠道線索的獲客成本、轉化率、客單價以及復購率。
結果發現線下活動是最低效的獲客方式。
同時，產品部門還發現轉介紹的效率是最高的。
但是市場部門卻從來沒有系統運營過轉介紹活動。
最終，經過協商，市場部門同意拿出一個月時間來主打轉介紹。
結果，運營活動取得巨大成功。
不久，市場部門開始常態化運營轉介紹活動，僅僅第一年，就給公司帶來了30%的收入增長。
在這個案例中，產品經理其實就起到了“通”的作用，不但將業務與數據打通，實現通過數據驅動業務，還打通了部門墻，促進了部門之間的協作。
提升“通”的能力，需要產品經理有系統化的思考。
很多B端產品經理工作了十幾年，經驗積累了很多，但是只能解決一些單點問題，無法站在全局去梳理業務和發現問題。
這就是他們平時只是被動應付工作，很少主動去思考，從而形成系統化的思考框架。
比如，營銷相關的產品經理，就應該熟悉客戶的全生命周期階段，包括：
潛客-新客-老客-沉默客-流失客
這些類型的客戶如何定義？
有哪些衡量指標？
有哪些運營策略？
有哪些實踐案例？
只有拉通理解了整個過程，在工作中去實際應用，才能提升“通”的能力。
3、曬
所謂“曬”，是通過展示數據分析的成果，讓用戶愛上數據工具，愛上數據分析。
比如，梳理出對業務最重要的核心數據，在APP首頁進行展現，就可以顯著提高用戶使用數據的頻率。
曾經，我咨詢的一家公司所有數據報表都在PC端。
雖然報表功能強大，但是管理者的使用率并不高，更不要說門店員工了。
后來，我們梳理了報表的核心數據，把那些影響門店業績、影響個人收入的指標提取出來，放在員工端APP首頁，并確保數據的準確性和實時性。
結果，公司CEO告訴我：門店店長每天都要刷十幾遍APP數據，晚上睡覺前還必須刷一次，如果業績不好還會影響睡眠。
除了店長，下至一線員工，上至總部領導也都養成了刷APP的習慣。
“曬”數據的關鍵，是要把數據分析“產品化”，或者說，像設計產品一樣設計數據分析。
這樣才能讓用戶高頻使用數據，甚至讓用戶愛上使用數據。
首先，“曬”數據要從痛點出發。
對用戶沒有價值的數據，哪怕你做得再精美、使用再方便，都不會用人查看。
第二，要確保數據工具的高可用、可解釋
高可用，就是用戶可以通過簡單的操作進行數據分析；
可解釋，則是當用戶對某個數據產生疑問，系統能做好數據定義的解釋工作，同時提供源頭數據，方便用戶追溯與核對。
第三，數據分析要嵌入業務流程，融入日常業務
“曬”的最終目標是脫離報表的形式，讓數據分析融入到產品功能中，融入到日常業務中。
比如前面提到的“根據天氣預報，提醒業務員加大飲料推銷力度”的案例，就是通過數據解決了業務問題，但用戶并不需要刻意使用數據工具。
產品經理平時要有“曬”的意識，時刻思考數據分析可以應用于哪些場景？如何設計數據分析功能，才能讓用戶愛上數據分析？
帶著這樣的思考去工作，就可以提升我們“曬”的能力。
03 數據分析無處不在
很多B端產品經理會抱怨沒有數據，無法進行數據分析。
但有時候我們缺的不是數據，而是思路。
比如，給CEO匯報方案，如何預判CEO的態度？
我的經驗是：
如果CEO微微點頭，那說明方案得到了CEO的認可；
如果CEO開始翻閱iPad，那說明他認為這部分內容不是重點；
如果CEO開始記筆記，那說明他可能就會對這部分內容提問。
只要我們有心，到處都是有價值的數據，人人都是數據分析師。
專欄作家
王戴明，微信公眾號：To B老人家，人人都是產品經理專欄作家，多年互聯網產品與信息化管理經驗。
本文原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基于 CC0 協議。
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論，等你發揮！
