产品经理如何快速定位「数据异常」问题?

快速定位数据问题的方法论

作为产品经理,关注数据是一项基本工作。工作里常常会出现关注的指标或数据出现波动,或者在分析某个功能时发现难以理解的数据的情况,这时候我们需要去分析数据波动的原因,我往往会根据以下的思路去找问题:
产品经理如何快速定位「数据异常」问题?

1.确认数据源准确性

很多时候数据的问题仅仅是数据的问题。如果遇到一个数据波动或异常我们无法简单地分析出原因时,可能就要想想是不是数据源出了问题。数据源可能是我们的业务数据库,如商品价格、销售额这些数据;也可能来自用户行为,如用户的点击、浏览等事件,这些数据源都极有可能出现问题,例如业务数据库同步出现问题,用户行为的采集、上报不准确等等。有时候我们一股脑地从产品角度去分析,最后确实数据本身的问题,会做很多无用功。所以遇到一时间分析不出原因的问题,首先要考虑是不是数据源出现问题。这时候就得联系公司的数据产品经理、前后端行为上报方、大数据的研发确认。

一般有以下几个常见的因素会导致数据源准确性问题:

  • 前端上报的事件与产品的定义不符:例如有的页面可能会预加载,从产品的角度看,预加载是技术的处理方式,不能算是用户的行为。但是前端往往会将预加载的事件不做区分地上报,导致数据与预期不符。
  • 服务器重构/技术优化:服务器的工程师们不时会进行技术优化,这部分优化产品常常是难以感知的,同时又容易造成数据波动。例如有一次我司的Push发送量突然大增,定位问题发现是技术大大们对发送Push的服务器进行了优化,优化后目标用户量不变,单位时间发送量(QPS)提高,导致原本在规定时段内(如20:00~22:00)没有发完的push现在可以全量发完了。
  • 大数据统计逻辑:产品使用的数据往往不是底层数据,而是大数据组研发们在底层数据基础上进行的聚合,在这个过程中,就有可能出现定义不一致的情况。这类问题建议先与数据产品经理沟通,根据我的经验,除非产品经理对数据侧比较了解,否则直接与数据组的研发沟通,沟通效率会比较低。

2.维度下钻分析

要探索一个指标异常的原因,一个十分重要的工具就是维度下钻。通过从不同维度和不同力度的下钻,我们能够一步一步接近问题的本质。例如一个页面的UV占比不断的下跌,我们就可以从新/老用户、页面各个入口流量、页面各板块点击等维度下钻进行分析,定位问题。比如说我们通过新/老用户区分分析发现新用户进入该页面UV出现了显著下降,而老用户较为稳定,则可以猜测是新用户的引导方面出现了问题。

3.抓住重要节点

第三点其实也属于第二点的一种情况,是从时间的维度去分析问题。数据通常都是会在一个时间点开始发生变动,这时候我们就得去研究这个时间点发生了什么事,是上线了新版本,还是调整了数值,或者有什么活动开始了。

4.持续性缓慢变化

最难的一种数据问题是缓慢变化的数据,即数据没变化没有明显的时间节点。这种问题是最难定位的。出现这种情况时,我会考虑一些随着时间改变会逐渐优化/恶化的因素。例如我们公司有一次出现了一个指标长达3个月的缓慢小幅下降,大概每一周下降0.5个点,大家抓破脑袋研究很久以后,终于找到原因:我们使用了数美的一款异常用户拦截产品,这款产品自身会根据大数据不断优化,提高拦截准确性,拦截率会随时间缓慢提升,从而导致我们相关指标的不断下降。所以这种异常会跟一些会随时间缓慢变化的因素相关,例如推荐算法的不断学习,用户习惯的缓慢改变等等。

5. 不要想当然,不放过任何细节

有时候原因就在眼前,只是我们想当然地觉得不可能是它,于是视而不见。

有一次我们的产品新增留存突然下降4%左右,这算是一个非常严重的问题了。老板紧急召集各负责人分析人,在经过八仙过海各显神通的集思广益后,排除了各种原因,发现数据变化的时间点与新版本发布有关。最终找到问题所在是新包内容比旧包增加了30mb左右,用户更新内容时会在更新页面多等待数十秒,因为增加的这几十秒导致敏感的新用户流失了4%左右。

在一开始,所有人都想当然地觉得这30M的体积不会造成如此大的影响,产品团队在排除掉几乎所有可能的因素,才在最后定位到这个问题。

新用户是最敏感的用户群体,任何等待、崩溃、体验不佳都可能导致用户留存下降。

针对这个问题,我们升级了更新策略,使用静默更新,即玩家进入app后如果有l更新资源,则原生就开始静默下载新内容。同时丰富更新页面的内容,使玩家在更新页面不那么枯燥,降低退出率。

————————————————

人已赞赏
网站策划

微信视频号认证指南

2020-4-27 17:43:32

网站策划

产品经理如何培养商业思维?

2020-4-28 21:38:41

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索