大廠產(chǎn)品經(jīng)理面試當中最重要的產(chǎn)品底層能力，其實是數(shù)據(jù)驅動的能力。尤其是對于C端產(chǎn)品策略、產(chǎn)品增長產(chǎn)品和數(shù)據(jù)產(chǎn)品，其實尤為的重要。那什么是數(shù)據(jù)驅動產(chǎn)品設計？認為一共體現(xiàn)在三點。
一、通過數(shù)據(jù)發(fā)現(xiàn)問題。有兩個最核心的辦法，漏洞模型分析法和對比分析法。在一個產(chǎn)品上線之后，通過拆分用戶的下單轉化路徑鏈條去建立漏斗模型，找到轉化流失的關鍵節(jié)點，并且通過產(chǎn)品化的手段去解決它。比如如果做一個電商產(chǎn)品，可以簡單的將用戶的下單轉化路徑拆分為瀏覽商品加購提單和支付。如果用戶明顯在加購，這個環(huán)節(jié)流失率是較高的，那么就可以假設這個產(chǎn)品是否在加購的交互流程上，或者是商品的推薦策略上是存在問題的。對比分析法通過對比產(chǎn)品不同、時期不同、用戶不同，業(yè)務線功能之間的數(shù)據(jù)差異，去找到產(chǎn)品的迭代點。比如同一電商平臺，男性用戶的下單轉化率要明顯的低于女性用戶，就可以建立問題。假設是否男性用戶的商品推薦策略是有提升的空間的。
二、通過數(shù)據(jù)去進行產(chǎn)品的決策。這里面只有*的一個非常關鍵的方法AB測試。當建立了問題假設之后，會找到多個產(chǎn)品的問題解決方案去解決這個問題，但這個方案是否真的可以，或者如何去確定多套方案之間，哪一套是最優(yōu)的選擇，將完全依賴于測試的結果。比如為什么小紅書一直采用這種雙列內(nèi)容卡片展示的這種交互樣式，而不像抖音一樣采用這種沉浸式的視頻feed流。曾經(jīng)小紅書團隊也做過相關的小流量實驗，對測驗組進行數(shù)據(jù)的觀測結果，用戶的停留時長有明顯的下降，所以它保持原有方案不變。關于AB測試建立假設確定顯著性水平臨界，計算最小樣本量測驗實施得出結論。
三、通過數(shù)據(jù)去回歸產(chǎn)品效果。在產(chǎn)品方案上線之前，就需要預先對這個方案的數(shù)據(jù)指標監(jiān)控體系進行完善的搭建，一切產(chǎn)品上線后的好壞評估，將完全取自于數(shù)據(jù)的表現(xiàn)，那怎么去搭建一個完善科學的數(shù)據(jù)指標體系，可以從以下三點進行詳細的考慮，該項目自身的影響度：
1、做的這個方案到底影響了多少人群體系？到底影響了多少業(yè)務范圍？比如優(yōu)化了男性用戶的個性化推薦系統(tǒng)，那就要先去考慮男性用戶在平臺當中的占比是多少，男性用戶對個性化推薦這個模塊的UV以及PV各自是多少。
2、這個業(yè)務的結果指標也是北極星指標。去做了這個項目最終想去提升哪一方面的數(shù)據(jù)，對于這個推薦系統(tǒng)的優(yōu)化，最終提高的數(shù)據(jù)應該是男性用戶的GMV
3、過程性指標。也就是完成這個結果指標之前的數(shù)學因子拆解，在這里面就主要包括商品的點擊率、加購率以及客單價。
轉載：http://szsxbj.com/zixun_detail/118311.html
