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
榮耀標識數據驅動的產品優化：產品經理要知道的數據收集流程
在產品工作中，一個完整的數據收集流程是怎樣的呢？本文作者將一步一步為你解答，enjoy~
通常我們在需要對某塊業務做數據分析之前，首先都要解決數據收集的問題。在沒有大數據團隊的支持或者完善的數據分析系統支持的情況下，產品經理需要根據實際需要，自行解決數據收集和數據分析的問題。有些小伙伴會覺得無從下手，也有的產品本身計劃著要去做數據系統，但當前產品完善階段的數據分析訴求又比較迫切，害怕單點的數據收集會打亂整體的數據系統建設。
其實數據分析永遠都是以目標為導向的，分析的目的是什么，進而確定需要用哪些數據來分析，數據怎么來，最后就知道去哪里收集了。完善的數據抓取系統只不過是抓取的數據量比較大、比較多而已，真正要讓數據發揮價值，都不是數據本身驅動的，而是分析目標驅動的。那么一個完整的數據收集流程是怎樣的呢？
確定數據分析的目標
沒有目標的數據分析才真的是無從下手。有了明確的目標導向后，數據收集的范圍和著手點就比較明確了?，F實工作當中，一般都是遇到了問題，需要去解決問題的時候，想出來的解決方案就可以成為數據分析的目標。
比如當下訂單的下單量雖然多，但是支付轉化率比較低，大部分訂單都被用戶取消掉了，這里就有一個問題：訂單取消的占比太高。通常我們會有兩種做法：
- 一是聯系那些取消訂單的用戶訪談一下取消的原因；
- 二是通過產品本身記錄的用戶取消訂單時選擇的原因來分析。
這里的第二種做法就是數據分析的目標了，通過用戶取消訂單時選擇的原因來分析取消訂單的問題，從中找出問題的關鍵點，再針對性的出優化方案。
這里也會有一個前提，就是對業務流程的把控和梳理要比較清楚。假如對訂單流程比較陌生的，可能就會從優化支付成功率的角度去分析，而不是從減少訂單取消的角度去反向分析。產品經理要對自身所負責的業務比較敏感，才能發現問題。
分析需要收集哪些數據
明確了數據分析的目標之后，就需要確定采集哪些數據來分析。目標可以告訴我們范圍，比如取消訂單的操作場景下會涉及到哪些頁面；進一步的要確認這些頁面上有哪些表單數據、操作按鈕、頁面跳轉是需要記錄操作事件的。
一類是原先沒有的操作事件，需要先行添加后才能記錄數據的。比如訂單取消的原因選擇，如果原先產品設計的時候都是直接取消，那就需要先把取消訂單時選擇原因這個功能加上，并且篩選出一些可能會到導致用戶取消的原因供用戶選擇，也提供自定義輸入的選項。
一類是已有的操作事件，需要確認在什么條件下記錄數據。比如訂單取消的原因，在用戶單次操作提交之前，選擇各個原因之間的切換日志是不需要記錄的，因為用戶尚未提交，未決定是哪個原因；但如果是用戶二次操作（修改/編輯、流轉回來再次提交等）時變更了原因，這個切換日志是需要記錄的，因為兩次操作之間可能有某種外力導致用戶改變了選擇的初衷。
這個分析的過程一定要仔細，產品經理要從用戶操作場景的角度去考慮，中間涉及到表單信息變更、按鈕操作、頁面停留和頁面跳轉、業務流轉等等，都需要仔細去分析。分析的原則就是有用的數據才收集，盡量減少無用數據的收集，數據系統的建設也不是大而全就一定好。
考慮每個數據收集點的成本
數據埋點是有成本的，最直觀的就是在性能上會帶來比較大的影響，現在也有一些無埋點的采集技術，本人沒有做過相應研究，這里只以需要埋點采集的來說明。一般我們從以下幾個方面來考慮成本：
- 處理能力。增加埋點之后對原有頁面、按鈕的處理效率會有多大的影響，如果數據抓取的效率不夠高，對業務造成影響的，是要綜合評估的，特別是那些對反饋要求比較及時的地方。
- 響應時間。操作事件發生后到收集到數據的時間，主要考驗埋點代碼的執行效率，一般都會要求同步抓取，異步清理，數據下來以后再想辦法去做額外的計算和處理。
- 資源投入。埋點對開發資源和測試資源的消耗，埋點比較復雜的，自然投入的資源就會比較多，要綜合評估各種埋點方案，選擇最優的。
- 數據質量。明確埋點收集數據的格式、含義、有效性約束等等，盡量確保收集下來的數據都是有利用價值的。
以上四個方面要綜合考量，埋點的方案現在也比較多，選擇一種最合適的。產品經理如果不太清楚的，可以讓技術人員代為評估。
別忘記添加注釋
增加了數據埋點之后，千萬別忘記添加注釋，最怕的就是后面接手代碼的人把他認為多余的代碼給去掉了，會導致數據收集不完整，因為數據收集需要持續比較長的一段時間才會有分析的價值。同樣的代碼一般都不會只有一個人在維護的。
另外就是方便后續的優化，當發現收集下來的數據與預期不符，需要優化埋點或者調整埋點位置的時候，有注釋就輕松多了。
這一點主要是要提醒技術人員注意，產品經理要關注收集的過程，最好在測試的過程中就能發現埋點的問題，然后在上線前優化掉
考慮是否允許獲取對應的數據
這一點主要是考慮到用戶隱私權的問題，有些數據比較敏感，需要在產品的隱私權政策里面去約束和強調。為什么這點放在最后考慮呢，也是因為有些數據沒抓取下來不知道，看過數據分析之后才知道是否會涉及到隱私權。產品經理一定要有這方面的意識，現在對于用戶隱私權的管控越來越嚴了。
總結一下，區別于大數據系統的體系化搭建，這樣的數據收集流程是相對小范圍的，以優化或者解決問題為目的，產品經理在日常產品優化的工作過程中都可以應用。
特別要注意的一點是，WEB端和移動端的差異，在考慮方案的時候，移動端對性能、抓取的數據質量等各方面要求會更高一些，也是因為移動端的操作場景會更復雜，上拉、下滑、左滑、右滑等等，很多操作場景WEB端是沒有的，需要區別對待。
#專欄作家#
華仔，微信公眾號：zeropm，人人都是產品經理專欄作家。歷任阿里巴巴、1號店、盛大網絡資深產品經理，現任美平米電商產品產品總監，合著有《運營前線》、《產品前線》、《互聯網產品之美》，譯著有《人人點贊：讓APP瞬間瘋轉的絕妙文案》。11年產品經理工作經驗，專注于在線教育和電商產品方向。
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 Pexels，基于 CC0 協議
- 目前還沒評論，等你發揮！
