CategoryResourceRepost/极客时间专栏/邱岳的产品实战/模块二：升级你的产品能力：产品经理的数据能力与商业意识/26 | 当收集数据的前后，我们应该做什么？.md

<audio id="audio" title="26 | 当收集数据的前后，我们应该做什么？" controls="" preload="none"><source id="mp3" src="https://static001.geekbang.org/resource/audio/6e/7f/6e0ed1043e3aa80f7229a9c012f9d77f.mp3"></audio>

极客时间的专栏读者你好，我是邱岳，我们书接上回，继续数据相关的分享。

前面的分享中我们从“产品流量暴跌 20%”这个情景出发，聊到如何认识数据波动，如何分析数据波动，以及如何将数据波动形成结论及对策。

然后我们顺着这个话题，引出了我们假想的第二个讨论的情境，也就是“为了摆脱对搜索引擎的流量依赖，我们应该做什么”，而且提供了两个备选，做社区还是做工具。

这里说一下，工具和社区并不是唯二的选择，比如说我们也可以做媒体（比如搞个微信公众号，或弄个资讯站点），甚至做游戏（游戏是非常优质的长效流量来源），当然也包括基于当前产品的上下游延伸。

我们在这里只说工具和社区，是为了缩小范围，工具和社区是两个经典构建自有流量蓄水池的路径，目标都是通过一个产品，持续黏住某种属性的用户。

这个听起来像是一个审时度势的战略判断，我们想象中好像是老板在办公室里一拍脑袋做的决定，这会跟数据分析有些什么关系呢？我们接下来就围绕着这个情境来看看数据的作用。

## 1. 开始前：用数据论证和预演目标

我们首先要做的是明确决策的目的，以及如何评价这个目的是否达成的标准。明确目的是一切决策的前提，在这里我们决策目的是希望构建自己的流量蓄水池，如果用我们之前分享中提到的概念，也可以说是构建我们的流量品类。

那如何评价我们达成了目的与否呢？这就是通过衡量流量池的最重要指标判断的，就是它能向我们核心产品输送精准流量的能力大小和持续程度。

如何将能力大小和持续程度数据化呢，可能是每天可以带来的用户量（引荐流量数据），以及这部分用户的质量（留存数据），还有它们的波动情况。

卫哲有个很著名的“需求拷问 3+1”（关于这个套路，我之前的同事曾经写过一篇介绍文章 [【8018】卫哲的3+1思考法：测量项目”靠谱程度&quot; | 人人都是产品经理——iamsujie](http://iamsujie.com/8000/8018/)  值得一读），其中的“+1”指的就是：东西做出来之后“在数据上会有什么表现？”

从“构建流量蓄水池”这个议题出发，我们可以确定一些具体的指标，比如我们希望这个新产品每日用户新增不低于 XXX，带来的流量在主要产品线内的次日留存不低于 XX%，每天能够为主力产品线带来引荐流量 XXX，另外获客成本不超过 XXX，等等。

这就是数据在决策中的第一个作用，也就是确认目标。它也是对我们产品发展的一个预演。注意，一个非常重要的细节是，这个问题是在开工之前问的，而不是做完之后现编。这样做既可以帮助我们在开始前做预测，还可以避免我们陷入细节之后，被沉没成本牵绊。

**因为当我们开始埋头做产品的时候，很容易陷入细节，这时如果可以随时回过头来看看这些数据，会是个很好的提醒。**

另外，它也能成为一个更冷静的停止线，在这样的产品高不成低不就的时候，帮我们更加果断地做减法。

## 2. 开始后：纵向和横向的标杆数据

想要确定上文提到的各种衡量目标的指标，有个很现实的问题，就是具体定成多少比较合理，比如获客成本 5 块钱一个怎么样，高了还是低了，次留 10% 行吗等等。

**这里我们需要找两个东西来作参考。第一个是纵向数据，另一个是横向数据。**

纵向数据来自我们产品内部，比如我们在前面关于增长的分享中曾经介绍过的，如果我们可以推算出平均一个用户可以给我们带来多少收入或利润，我们就很容易判断我们能接受的获客成本上限。

另外，我们还需要跟产品的现状做对比，比如我们摆脱对搜索引擎流量的依赖，那我们的获客效率和成本，还有留存情况应当至少不低于搜索引擎当前的指标。

还要考虑我们可能投入的各种资源成本，如果成本很低，这些指标要求可以相应低一点，毕竟我们的任务就是保证公司投入的任何资源都值回票价。

我们在未来的商业产品部分还会进一步去分析这些指标和具体的计算方法，在这里你应当记住的是，我们定的每一个数字，都应当是有逻辑的，能被讲出原因的。

当然，有时这个数字也可能来自于外部的对比，这就是第二种数据参考，也就是横向数据。

横向数据来自类似产品，或来自渠道。我们之前在做产品设计目标的时候经常会去参考同类产品或相关渠道的指标做推算，比如小程序大概的获客成本是一个授权 1.2 - 1.5，次留平均做到 40% 以上就算优秀了，等等。

这些数据从哪里来呢？其实不外乎我们在专栏开篇曾经提到过的各种渠道，比如财报（很多财报里会公布这些关键数据，或可以推算出这些数据），比如行业研究数据报告，还有各种文章（有不少访谈和分享文章里会提到具体的数据，比如之前“产品会客厅”中极客时间产品团队公布的一些数据）。

当然还有个重要渠道，就是同行朋友，对于一些不敏感的数据，有时候可以互相有一些交流，这个渠道一定要谨慎，不要伤害自己团队和朋友的利益，

还有一个非常有效的渠道就是广告代理。他们有大量的渠道数据和行业数据，那都是真刀真枪实际跑出来的数据。而且他们会对数据做一些处理，相对不会太敏感。

当然还有一个就是凭经验，如果你做了很多产品，大概什么样的东西能做出什么样的数据，应该能大概心里有数。

这其实也是资深产品经理和初入行产品经理的一个显著的能力差异，就是心里有没有足够多的数据标尺。新手可能还在努力优化某个指标，但老手一看就知道这个指标到天花板了，那就赶紧做别的。

## 3. 总结

关于数据辅助决策的第一次分享就先到这里，我们还没有涉及实际决策本身，而是在外围做一些定义和对比，包括明确产品目标以及目标衡量方法，以及如何找到数据基准等等。

这里想给你提的问题是，你一般会如何收集同行业的同类数据？有没有什么有效的渠道可以分享？欢迎留言讨论。

谢谢你，我们下次再见。