产品的每一次迭代和升级，都需要评估效果，以便今后改进。如果仅仅是凭借产品经理的肉眼观察和主观感受，下一个“用户反馈很好”、“用户很喜欢这个新功能”类似的结论，是很苍白无力的。更多时候，会因为主观感觉而产生误判。

我们之前遇到过一个客户，有一段时间网站的注册转化率有了上升；虽然并没有查出原因在哪，但是产品经理还是很高兴。过了一段时间，分析师通过用户行为轨迹细查发现，【找回密码】功能出 BUG 了；很多老用户忘记密码无法找回，只好重新注册了一个账号。

这个 BUG 无意中提升了网站的注册转化率，然而却并不是件好事；如果产品经理不做数据分析的话，就会产生错觉，陷入“转化率提升”的坑中！

3、通过数据分析验证产品

如何验证一个新功能好还是不好，这个需要数据来说话。除了产品本身的指标，产品经理还要关注产品或者企业的商业目标，毕竟产品最终还是为这个负责的。上面分享了我们产品在首页改版的案例，虽然满足了部分用户的需求，但是造成了注册转化率的大幅度下降。

下面这个案例来自 Facebook， Facebook 早期员工、峰瑞资本合伙人覃超曾在我们的线下活动分享过，希望能给大家带来启发。

下图左边是2009年的 Facebook 首页界面，当时的产品经理想尝试瀑布流式、扁平化的设计风格，提升用户的操作体验。在设计了好几个版本后，决定采用了右边的设计。工程团队用了好几个月做了出来，内部测试后大家都觉得很好，没有太大问题。于是，新版首页开始面向 2% 的用户灰度发布，看一下效果。

结果出问题了，这2%的平均在线时长指标开始下跌，直接影响到了这部分用户的广告曝光。大家都知道广告是 Facebook 重要的业务收入来源，广告的曝光和点击下降当然是不能接受的。

项目组的同学认为可能是用户对于新版本需要适应的时间，决定再开通10%的用户，观察整体的效果。结果，整体活跃度、在线时长跌了20%左右，一直持续了3个月。最后，Facebook 没有通过这个改版，首页回滚到最初的样子。那么大的一个团队，做了大半年的项目，因为数据验证没有通过直接作废。Facebook 这么大的企业都在贯彻着数据驱动的思路，我们又何尝不应该呢？

三、产品数据分析如何避免踩坑

对于产品经理来说数据分析很重要，但是又该怎么做呢？数据分析如何避免沦为形式，又该如何避免踩坑呢？

1、发声用户 VS 沉默用户

文章一开始的产品案例就是一个很好的说明，发声用户提出需求要我们提供产品视频，但是沉默用户可能直接就流失了。其实分析的时候本质并不在于用户发声还是没发声，本质在于真正目标用户的感受。

发声用户的数据非常容易获取，数据分析也就更加容易；沉默用户很多都流失了，用户选择用脚投票，这部分的数据获取和数据分析就更加困难。产品经理如果在做数据分析的时候只采用发生用户的数据，分析的结论往往有偏差，统计学上有专门研究抽样问题，说的就是这么一回事。

2、先入为主 VS 保持客观

大部分时候，人们总是更喜欢看到自己想看到结果，即先入为主或者预设结果。产品经理在做数据分析的时候，也容易出现这样的预判，数据分析往往变成为为自己的观点找论据。

比如新功能上线，管理层希望用户活跃度可以提升5%；那么此时产品经理在做复盘的时候就会过分关注眼下的 5%，而忽略可能 50% 的增长机会甚至无视其他负面的影响。

3、报告驱动 VS 业务驱动

产品经理数据分析的最终目标还是指导产品和用户增长，帮助企业增加利润。产品新人在做数据分析的时候容易将数据分析的终点归结于数据报告，以为写完一份产品数据分析报告就等于做完了一次数据分析。

数据分析驱动产品和用户增长不是一锤子买卖，而是一个不断迭代的过程。产品经理应该在 “用户数据-数据分析-产品优化” 的循环中不断锻炼自己的数据分析能力，将目光聚焦于产品优化&用户增长。

越来越多的企业在招聘产品经理时，会在岗位描述上写“掌握数据分析方法”、“擅长产品&用户行为数据分析”等字眼，产品经理要会数据分析已经是大势所趋。我们不能因为有的人将数据分析形式化就否定数据分析的意义，只有正视数据分析、避开误区，数据分析才可能发挥它的最大价值。

本文节选自 GrowingIO 2017年第3期电子书《产品经理数据分析手册》