編輯導語：2021年7月31日-8月1日，人人都是產品經理舉辦的【2021年產品經理大會? 北京站現場報道】完美落幕。很多人做了數據分析，卻總是覺得落不了地，其實是沒有進行數據閉環。就此，神策數據創始人&CEO桑文鋒進行了精彩的內容分享，他分享的主題是《重構數據根基，打造數據閉環》。添加大會小助手豆豆（微信號：13265455310），回復暗號【031】，獲取本場嘉賓分享視頻回放，觀看完整演講。

“重構數據根基，打造數據閉環”這句話總結了我對數據的認知，過去的這幾年，我對數據的認知也是有變化的，本次主要探討我對于如何做數據產品的一些認識。

一、數據閉環 SDAF

1. 對數據的認識

在2007-2015年間，在百度數據從0搭建中，我對數據的核心認識主要有兩方面，一方面是數據源很重要，需要我們花時間、花精力去處理。只要我們把源頭問題解決了，就意味著成功了一半。那應該如何解決？就需要我們更全、更細、更加花時間地把這個數據源頭的基礎打好。

另一方面是我對于數據價值的認識，主要有以下兩點：

首先是數據驅動業務決策，數據能夠驅動企業做決策，它能夠幫助企業拍板，無論是在市場營銷、用戶運營還是產品迭代中，都能夠很好地幫助我們進行決策，當然它只能發揮數據20%左右的價值。最大的價值還在于驅動產品智能，數據成為產品的核心部分，這樣的場景越來越多。

2. 閉環思維

在過去的三年里，神策服務的企業類型越來越多，尤其是很多數字化轉型的企業。

在這過程中，我發現了我的認識它有一定的局限性，這種思路適用于互聯網范圍，但當服務數字化轉型公司的時候，這種思路就行不通了。

于是，我的認識發生了很大的一個變化。這里面就牽扯到了一個概念：數據閉環，但真正要做好閉環是不容易的。要掌握以下兩個閉環思維：由簡單到復雜、由單向傳遞到閉環反饋。

（1）由簡單到復雜

由簡單到復雜，就像我們拋橘子一樣，拋一兩個是容易的，但要是三個以上，那可能只有馬戲團的人可以做到。

（2）由單向傳遞到閉環反饋

同樣地，就像我們去學校上課，老師講了，同學聽了，但真正掌握了嗎？這個還需要進行一定的驗證。

這就像我們做產品一樣，也是需要反饋和不斷迭代的。很多時候，我們覺得數據沒有用，究其原因是我們沒有把數據閉環做起來。雖然我做了數據分析，也做了一些洞察和數據報告撰寫，但由于后面沒有對應的動作，而且沒有執行下來，導致最終的結果不理想。

3. 基于數據流的運營框架（SDAF）

后來我做了一個抽象，也就是運用這套基于數據流的運營框架，做好這四個環節的循環：感知→決策→行動→反饋→感知。

（1）感知（Sense）

首先是感知，在未來它可能有一個傳感的意思，很多時候，我們都在建立感知、建立洞察。

這種思想，不是近期才有的，早在毛主席時代就有了，在他的文章中也有很大一部分是在講數據分析。他的這些文章都是在做調查研究、數據分析，然后得出結論，確定下一步怎么做。

他跟我們做產品經理，做需求和調研有什么區別？他不是在寫MRD，就是在寫PRD，只是他的產品跟我們實際的硬件產品、軟件產品是不一樣的。

在毛主席數據思維中，其實也詮釋了這樣的一個思路：調查就像“十月懷胎”，解決問題就像“一朝分娩”，調查其實就是在解決問題，調研弄清楚了，其實答案也就顯而易見了。

回到我們數據分析上，我們在做各種各樣的用戶行為分析、標簽畫像、經營數據分析這些數據的統計，其實都是在建立一個更好的感知。有了良好的感知，我們就可以做更好的決策。

在建立感知的過程中，就會生成一些數據指標，基于這些數據指標，就可以關注我們的業務怎么樣。在這里，就會涉及到第一關鍵指標。需要抓住不同的階段，不同的這種場景，到底哪個指標是最關鍵的。

像海盜指標法，我們可以通過拉新、留存、變現等各個角度看整個業務情況，尤其是針對于大眾用戶的運營和營銷。

建立了良好的感知之后，下一步就是進行決策。那么，我們該如何進行決策？

（2）決策（Decision）

這里有三種決策的方式：拍腦袋、因果驅動、數據驅動。你可以拍腦袋決策，也可以想清楚了再決策，也就是因果驅動這種方式。但是有的時候，當你想清楚了，時機就錯過了，尤其是在互聯網領域，這種特點非常明顯。

如何快速突破這些問題，那就是我們要講的數據驅動，去做數據驗證，迅速地將它推向市場，然后去迭代這種方式。

我曾經有過這樣一個想法：是不是數據有了，就不需要額外的決策干預？其實不是的，數據決策牽扯到很多方面，簡單來說有以下三個方面：信息數據、創造性選項、價值取舍。

在創造性選項上，就好比你跳槽，一家公司打電話讓你過去，工資翻倍，這時候你就需要做決策了，是去還是不去。這個時候，你不如把其他幾家也一起面一下，說不定有更好的選擇。

而在價值取舍上，每個人的價值也是不一樣的，工作中有的人希望成長快，有的人圖個輕松，有的看中長期利益，有的只追求眼前利益。這些綜合起來，才能支持我們做一個更好的決策。

一方面，做數據決策，主要是給人做決策，就像我開頭所說的無論是做用戶運營還是產品的迭代，這種量化的管理都能讓人更好地決策，這也就是我們常說的BI。

另一方面，就是給機器做決策的，讓機器有學習能力。對于機器的使用，在未來使用的場景會越來越多，這個場景會越來越廣。

這里列舉一個數據驅動的案例——百度知道APP，在2012年的時候，百度決定要做一個移動化APP。但這APP要怎么去迭代，那就需要數據支撐。

當時調研了許多數據情況，但其實有10%的情況是跟作業有關的，后來就直接將與作業相關的，單獨加了一個按鈕，讓用戶可以直接去點，這樣一來作業的比例就直接拉升，拉升到了30%。后來，就將作業直接獨立為了一個公司和產品。

進行了決策之后，下一步就是行動。

（3）行動（Action）

有了數據之后，最直接的應用場景就是營銷，那么圍繞用戶的這種營銷可以分成不同的視角。

• 可以去做這種精細化的運營，基于運營活動計劃的精細化用戶觸達。
• 可以去做通過規則推薦，在固定欄位通過規則配置，實現千人多面的精準展示。
• 可以去做智能推薦，進行產品智能改造，實現實時的千人千面的內容推薦。

這些不同的運營方式，都是針對企業的用戶來定制的。那么，我們常規使用的就是精細化運營，其實它主要分為四步：篩選目標、制定策略、觸達用戶、獲取反饋。

第一步就是篩選我們的目標，第二步也就是制定相應的策略，第三步就是相當于選擇一個通道，讓我們可以去觸動到目標，那么第四步，就是要通過我們的數據進行反饋。

數據是一個基礎，那么我們該如何收集數據？

（4）反饋（Feedback）

在這一步上，我們要重視數據源，積累數據資產。其實也就是要遵循一個大的原則：大、全、細、時。

• 大：宏觀的“大”，我們收集的數據量盡量越多越好。
• 全：全域數據源，不管是線上的還是線下的，我們都盡量收集進來。
• 細：多維度，進行全域數據收集，做到細致。
• 時：時效性，我們所收集的數據要盡量跟當下時間比較接近，如果數據滯后了，可能會影響到效果。

我們去搭建一個更好的數據源，做一個基礎，其實就是一個反饋的過程。就像去年武漢疫情，當時是做的四個小時系統就能把數據報上去，這些數據依賴于人進行相對應的操作，如果人沒有去執行這步操作，就會產生數據滯后的情況。

但丁香園、騰訊在那時，也會出一些相應的疫情數據報告，這點其實是做得比較好的，但這些都需要依賴于政府的數據更新。

在我們各行各業中，數據的收集是一個基礎，打好這個基礎是非常有必要的。

那么，該如何去搜集數據，這里有些常用的數據采集方式。

① 全埋點

這種方式集成 SDK，可以一鍵完成數據采集，但只能采集前端數據，采集范圍有限。

② 可視化全埋點

這種方式可以用可視化的方法靈活自定義全埋點，它消除了技術門檻，讓非開發人員可以直接“埋點”。

③ 代碼埋點

這種方式支持 Java／Python／PHP 等各類開源 SDK，可以打通行為數據和業務交易數據，分析更有深度。

④ 導入工具

通過導入工具，可以完成批量的歷史數據、三方數據接入，降低 ETL 工作量，快速接入多種數據源。

這些都是我們的收集數據的手段，最終目的都是為了建立一個更好的數據基礎。

除了把這些數據收集起來，我們還需要打通它。不同的終端、不同的場景如何用ID-Mapping以及不同的方式把它們連接到一起，這樣，我們就有了建立全域數據經營的可能性。

而在背后，就是對數據模型的打造。Event+User+Item 模型是我一路延續過來的一個核心模型。其實只要通過這個模型，我們就可以把跟用戶行為相關的操作都可以很好地聯絡管理起來。

有了這些數據，那我們再去做產品迭代的時候就不一樣了。如果沒有數據，那我們可能就是有了點子去做產品，然后再次不斷的嘗試的過程。但有了數據之后，我們就可以讓整個迭代的過程變成一個假設檢驗的科學實驗過程。

這是《精益創業》那本書里面提到的一個理念，就是我們有了點子，然后我們在做產品的過程中，要制定數據采集的方式以及衡量指標，這樣你就有了一個預估的數據表現，等到產品上線后，你就可以拿到這些數據，并且結合內外部數據進行評估。

綜合來說，最終做成這個決策，我們是靠數據驅動，讓整個產品迭代的過程，變成一個科學實驗的過程，而不是靠靈光一現。

當時在百度知道做問題推薦時，關于推薦的引導語該怎么寫？我們當時是有兩種思路，一個是“等待你來回答”，一個是“我來幫您解答”。

但這個文字你是無法直觀地給出答案，但是通過數據可以表現出來。因此，我們在測試中，發現“等待你來回答”比“我來幫您解答”要高出50%的效果。其實你也說不明白這是為什么，但這就是數據的力量。

前面給大家講解了我對數據閉環的理解，但是在不同的場景中，大家也可以結合自己所在的業務去想：我們能不能通過數據驅動，把數據閉環加進去，圍繞一個業務場景進行分析， 圍繞用戶的運營、產品迭代的過程，把數據閉環建立起來。

我相信你會有不一樣的視角，不一樣的感受。下面舉一個電商的實際例子，看看如何應用到具體場景中。

二、SDAF 實踐案例-電商及零售行業

這個電商平臺主要做二手買賣以及輕奢服飾的渠道引流。一般來說，不同的渠道，它的引流效果是不太一樣的。

對該企業來說， B站渠道用戶活躍，但轉化率低。在這個時候，我們就要去分析，這其實就是一個感知，你發現這種情況：有量卻無效，是什么原因？

主要有以下兩點原因：

• 用戶洞察：B站用戶年齡小，沒有對奢飾品的購買力。
• 數據洞察：但對快時尚表現出濃厚興趣。

這時候，我們就需要進行一個決策，發現B站年輕群體同樣喜歡快時尚品牌。

因此，我們需要做出一定的改變，增加快時尚品牌供應和曝光，提升渠道轉化。結果發現，改變以后轉化率有所提高。

這其實就是一個簡單的循環，通過假設產生了數據洞察，接著通過數據產生相對應的行動，最后再通過數據反饋，形成一個數據閉環。

關于認知，不同人的認知是不同的，而當你具備了基本的感知之后，如果沒有去行動，那么想法也是無法落地的。

因此，打造一個卓越的數據產品其實是不容易的。下面我想跟大家探討一下自己對于打造卓越數據產品的理解。

三、打造卓越數據產品的原則

打造卓越的數據產品，需要遵循三條原則，下面具體展開介紹。

1. 領先的認知

在喬布斯的世界里，對于手機、對于IP等產品的認知跟普通人是不一樣的，正確的認知，可以產生動力。

2. 卓越的原則/標準

我們遵循四大原則：

• 極致：把事情做到極致，做 90 分的產品。
• 堅持產品化：能用產品解決，就不要用服務去解決；能用服務去解決，就不要用咨詢去解決。
• 不賣期貨：只銷售已有產品功能和服務能力。
• 價值交付：面向價值交付的產品迭代。

3. 過硬的能力

做好卓越的數據產品，要求要有做好極致產品的能力，要有打造讓客戶滿意的產品的能力。如果沒有過硬的能力，可以用服務來補充。

我今天分享就到這里，謝謝大家。

相關閱讀

移動互聯網的第二戰場：增長、下沉，把握大的變局——2021產品經理大會·北京站現場報道

年度行業大會開啟巡回

互聯網圈年度盛典，聽一線實戰專家深度分享，與數千位互聯網圈同行深度交流，拆解產品、運營實戰案例，挖掘行業新機會！

掃描下方二維碼添加大會小助手，回復暗號【032】領產品經理&運營人必備工具包，獲取全年大會最新資訊！

本文為【2021年產品經理大會（北京站）】現場分享整理內容，由人人都是產品經理運營 @Ginny 整理發布。未經許可，禁止轉載，謝謝合作。

題圖來自大會現場。