Data Driven Product Manager 101

Update Log 1.0 原始文章

Update Log 1.1 按照 @Ming Wen 的修改意見做了不少改動

簡短的前言

這篇文章是對 此 的回應。在一定意義上，這是數據驅動的產品分析報告。

作為一個習慣「自頂向下」做分析的傢伙，任何報告都一定得從一個直接的目的出發，否則就不知道該怎麼寫了。這個目標如果是提升市場佔有率的話，並沒有第一手的數據；如果是提升營收的話，要麼更改產品的業務邏輯，要麼發布新品，這都是非常「重」的目標了。

「分析平台應當監測的關鍵分析指標」，這樣一份全面的分析報告是諮詢公司一個業務小組至少一個月的工作量，並沒有辦法在這樣有限的時間內寫完。最終決定抽取一個支點「通過數據做用戶的畫像」。

通用的模板 ( Dashboard Demo )

參見 BDP Demo

因為可以利用現有的數據可視化工具，所以這應該是整篇文章里最不重要的一部分，僅僅是表達對通用的 App 數據分析方法的了解。（ Demo 不是我自己寫的，是 BDP 內置的模板）。

扇貝的野心

扇貝的對手是誰？託詞 toWords（官網已經打不開了）？不背單詞 ？

只是當下。

扇貝的野心是下一個「新東方」。以單詞為支點，通過人工智慧的輔助，重構英文的學習模式。

產品的布局

先按照「百度指數」簡略的分析一下扇貝的產品線：

顯見得，「扇貝」的支點是「扇貝單詞」，延伸出「聽」「說」「讀」「寫」四個方向。「新聞」不在主產品線里，先暫時忽略。「扇貝聽力」似乎是個太新的產品，「百度指數」還沒有收錄，也暫時忽略，有下面的 Fig 0 。

「核心用戶」沒什麼歧義。

「目標轉化用戶」即是可以（試圖）去「徵稅」的用戶。

數據的粒度 ( Granularity of Data )

此節「數據的粒度」和下節「用戶的畫像」是最為核心的部分，真正開始回答問題「扇貝的分析平台應當監測的關鍵分析指標」「根據上面列出的關鍵分析指標，製作一個 Dashboard 」

「粒度」 在數據科學中是個十分重要的概念，尤其在回答這個問題時。理論上用戶的每一個行為及其背後的 Meta-infomation（時間，地點，設備狀態，甚至用戶所查詢的每一個單詞，閱讀的每一篇文章）都是可以監測的。More Fine-grained Data 當然意味著更好的精度，同時也意味著更高的系統開銷；More Coarse-grained Data 則與此相反。

我相信「數據產品經理」入職後大量的工作是選取和監測這些更為細化的指標，因為時間所限，且沒有真實的數據支撐，在這裡我就選概略一些，就兩個維度，「時間」和「效率」。

據此，則有 Fig 1：

橫軸是「時間」，包括 每次的使用時長；登錄的頻次，據此刻畫用戶的行為。

縱軸是「效率」，衡量的標準取決於具體的學習內容，在這裡我們就以單詞為例，定義了一個稱之為「辭彙難度係數」的新變數。依照一個簡單粗暴的的演算法，其分布如 Fig 3：

有了時間和效率，那麼根據 就可以衡量用戶最終的學習效果。

我們將用戶登錄的具體時間做傅里葉變換後得到該用戶登錄的頻次，這樣就的到了 Fig 2，分析起來會更為方便一些。頻率和難度係數的乘積即是該用戶的學習效果。

在 Fig 2 中，學習效果 W = 25 = 1 * 3 + 2 * 1 + 4 * 5

這裡的「辭彙難度係數 K 」即是 Fig 1 和 Fig 2 中的「辭彙難度單位 P 」，因為不好在原圖上修改，特在此說明。

用戶的畫像 ( User Profile )

按照諮詢和數據分析常用 MECE 原則（ Mutually Exclusive, Collectively Exhaustive ），首先能想到的即是按照用戶的學習階段分：學前 | 小學 | 初中 | 高中 | 本科 | 研究生 | 職場人士。

不過，這個對每一個階段的用戶畫像牽扯到太多的 Domain Knowledge，得用具體的數據才能刻畫。現在仍然只是做一些更為概略的分析。

定義兩組概念：

「 全時 | 兼時 」指在用戶學習英語的過程中「扇貝」所佔的百分比

「 學霸 | 學渣 」指用戶的學習效率

製表如下：

製圖如下：

對 Fig 4 ，我們可以做 Cluster Analysis。現在沒有具體的數據，沒法給出最終的結論。不過基於簡單的邏輯分析，「兼時學渣」很有可能就是下載下來，把玩一陣，也不怎麼使用的傢伙，基本上可以確定其不是目標用戶。

用戶在座標軸上的位置如 Fig 5 所示。

教育的未來

作為 MOOC 的深度參與者，不僅在「果殼」的 MOOC 學院實習，至少還在 Cousera | edX 拿過下面三個方向的證書：

Liunx | 古生物學 | 中國歷史

最為自豪的是其實是當年對 MOOC 三巨頭的預言基本上是正確的：

• edX -> Advanced Placement （ AP 課程 ）2.0

• Udacity -> 藍翔 2.0

• Cousera -> 百家講壇 2.0

然而 MOOC 的思路仍然有本質上的缺陷，它並沒有解決最為根本的學習動機的問題，在 MOOC 上學習的同學仍然基本上是以傳統意義上的好學生為主。

我相信教育的未來一定是遊戲化，Adventure of A File 算是個仍然在進行中的嘗試。而下面兩個域名的註冊或許則表明了野心。

http://www.Gamearning.com

http://www.WanGaoKao.com

瑣碎的建議

• GRE 保險 !
• 「簡訊」更名，知乎的私信，簡書的簡信，豆瓣的豆郵都是不錯的名字，「簡訊」在當前漢語的語境下基本等同於運營商的 SMS。

• 「徽章」更名為「勳章」，並且將這種單調的 10 | 100 | 1000 更改為一些更為有趣的數值，並且由設計師重新設計圖案。eg. 六天打卡 - 「上帝的工作」勳章；三十天打卡 - 「朔望月」勳章；365 天打卡 - 「格里高利」勳章。

逆向的篩查

簡歷到現在為止投的是僅僅是個位數，篩查的具體標準大約如下：

• 不以課程的形式做在線教育

• 在長三角的主要城市

• 有創業的精神，從問題出發

• 有工程師文化，但並不是技術至上

• 說話夾雜英文不會被認為 Zhuangbility
• 優先條件：主要負責人在「知乎」有答案

「扇貝」當然是目標企業之一，但網站上大大的：

無純產品經理，但是鼓勵工程師未來成為產品經理（並非歧視產品經理，而是我們對找到合適的產品經理已經絕望）

使我只好放棄了這個嘗試。

用一句話來總結這些標註，當然也是我對「扇貝」的評價「有情懷但不賣情懷」。

最後的廢話

• 看到「扇貝」面試的時候要翻譯「經濟學人」感到好親切，我可是閑著沒事 翻譯「紐約時報」的傢伙。

• 創始人把 Oppenheim 著名的綠皮 Singal & System 讀完了，這本 EE 的鎮專業之寶，一直在書架上躺著，但最終讀了大約三章……

• 鳴謝「知乎專欄」「Evernote Scannable」和「Markdown Here」真乃神一般的生產力工具

• 在「扇貝」工作，意味著周末又可以爬山了，久違的童年。

最後，用扇貝自己的話結尾吧：

學好英語，不僅僅是一份高的收入，而是在自由的文化里，收穫文明。

?

推薦閱讀：