Pour les gestionnaires de produits utilisateur utilisateur, la surveillance des données de l'utilisateur final Daily est un travail essentiel, une conversion de données, des données utilisateur, des données de transaction, etc doit être incluse dans les indicateurs de données de suivi quotidien. En général, ces données ont un cycle d'oscillation fixe et des modifications de données dans chaque cycle doivent être stables. Si des données dans une semaine donnée, une certaine date n'est plus conforme aux changements stables attendus, ce que nous avons dit l'exception de données. Dans ce cas, nous devons approfondir la cause des anomalies de données. Bien que cette analyse soit un peu lorsque la signification de Zhuge Liang et que le processus d'analyse est généralement de Borus et est extrêmement pris en charge, ce travail est le plus dégoûtant pour ceux qui croient que les producteurs de gestionnaires devraient être difficiles et innovants.

Cependant,
, une analyse de données inhabituelle est toujours nécessaire. Premièrement, pour de nombreuses données différentes de produits, il est basique requis cGestionnaire de produits HO; Deuxième données L'analyse inhabituelle explore généralement des opportunités ou des risques inconnus, notamment que ces opportunités et ces risques sont souvent ignorés (sinon, nous ne penserons pas «vraiment normalement»), cela a une excellente signification pour une optimisation continue du produit. (Bien que je comprenne la vérité, toutefois, l'analyse des données honnêtes est toujours mon travail le plus ennuyeux, NO% & GT; _ & LT;%)
SO afin d'analyser des données inhabituelles? Dans (ou changer: Comment compléter notre analyse gênante Que faire?) D'abord, bien sûr, besoin d'identifier et de confirmer l'exception de données, suivie d'un processus d'analyse méticuleux. Si vous souhaitez terminer ce processus, je pense que cela peut résumer avec huit mots: des idées audacieuses, soyez prudent.

Premièrement, identifier et confirmer anormal

car il s'agit d'une analyse inhabituelle des données, nous pHAI a la capacité de détecter ces exceptions, puis de confirmer que les données d'exception sont réellement existées, sinon cela ne tirera plus sur la mauvaise ligne. Il est difficile de détecter le plus de détecter les données les plus faciles et les plus difficiles. Le processus de perception repose souvent sur une riche expérience et une compréhension des produits et des entreprises, nous appelons les données de gestion de produits. La chose la plus facile est que nous avons cette sensibilité, tant que le rapport de données de base, nous pouvons souffler l'herbe sans un peu. Les données sensibles ne sont pas une compétence "dure", très difficile de dire qu'il existe une étape de fonctionnement spécifique pour améliorer la sensibilité des données, cette partie sensible est en fait basée sur le talent, certaines personnes ont pu puissant et on peut trouver à travers le parent relation des données elles-mêmes. L'existence, telle que Dau et le taux de conversion a été améliorée et que le volume de négociation a tendance à diminuer (cet inhabituel est relativement clair, pardonnez-moi d'être prudent, je n'ai pas besoin de travaillerLogique plus stricte). En outre, cela nécessite une compréhension complète des produits et des entreprises. Il s'agit de l'amélioration habituelle des différentes données de produits, telles que le développement de rapports de données de produit, tels que des rapports de produit déclarant des produits. Ensuite, analyser des données impossibles à comprendre, après un cours de formation à long terme, il peut améliorer la sensibilité des données, qui est Pourquoi les dirigeants (gestionnaires de produits expérimentés) sont plus susceptibles de trouver la raison en raison d'inhabituelles.

Si vous avez déjà une capacité claire ou potentiellement consciente ou inhabituelle, vous pouvez avoir l'excitation du trésor, j'ai hâte de le trouver. Mais je recommande de confirmer avant l'action, cette exception existe vraiment, confirmez simplement qu'il n'y a aucun problème dans les données. Ce type est très courant: nous rencontrons souvent des services de données, des rapports de données, des statistiques de données, puis des données dans le rapport de données.Il est difficile de comprendre. Par conséquent, le produit technique et les collègues recherchent les rapports de données sont confirmés qu'il est vraiment inhabituel.

Deuxièmement, une analyse inhabituelle des données

Si l'exception de données est confirmée, vous devez trouver une raison. Ce processus de recherche est "Idées audacieuses, sois attentive", fortement supposé faire des prédictions raisonnables pour des raisons inhabituelles, car la raison est inhabituelle, car nous sommes partis, donc dans le processus de devinette, vous devez ouvrir une grotte cérébrale, contactez tous Les possibilités que vous pouvez penser, revoir toutes les informations relatives aux produits, puis deviner une des raisons oui peut provoquer des exceptions de données. La prudence est après devinement, nous devons être responsables de votre prédiction, la recherche de données peut supporter (ou négatif) de cette spéculation. 1. Idée audacieuse

Comment pouvons-nous faire des idées courageuses? Pour les gestionnaires de produits novices (bonne, analyse des données inhabituellesNg comme principalement fait par de nouvelles personnes), vous pouvez penser que les deux yeux ne savent pas commencer.

Pour la plupart des données inhabituelles, elle peut être classée en deux dimensions (expérience personnelle, peut avoir des méthodes de classification différentes, mais j'insiste sur l'introduction de cette classification pour déterminer la méthode d'analyse de direction):
d'abord est une taille de gamme, y compris des produits privés, des aspects concurrentiels et un environnement commercial important, cette classification est que chaque produit concurrent est important parmi les environnements commerciaux du produit, tous les changements entraîneront des changements de données de leurs propres produits;
La seconde est la taille du contenu, y compris les produits, la technologie, les utilisateurs et les opérations, ces tailles incluent essentiellement des produits Internet importants, généralement des règles de données étrangères, mais ces aspects. Inversement, si nous découvrons l'exception de données et donnons une exception LiRaisonnable, contactez un certain point dans le sélecteur réel.
Je rencontrerai des situations et une situation similaire que la situation peut se réunir plus tard dans cette forme, expliquant cette méthode d'analyse à travers ces exemples.

Deux cas de niveaux de produit, A1 et B1 feront référence à leurs propres produits ou produits concurrentiels en raison de modifications des données causées par des changements fonctionnels, tels que leurs propres produits en raison de l'augmentation de la fonction de classification des prix élevée. Haute et la concurrence réduit le volume de négociation de ce type de marchandises sur sa propre demande avant certains types. C1 fait référence aux modifications d'un environnement important, ce qui entraîne la modification de ses propres données de produits, telles que nous pouvons deviner lorsque Weibo gère les produits de Renren. Com verra que Dau continue de diminuer.

Comme la plupart des gestionnaires de produits ne sont pas techniquement, des problèmes techniques sont souvent négligés par des produits lors de l'analyse des données. Exemple: un2, lorsque notre liste montre que l'interface n'est pas suffisamment stable, cela entraînera une liste de réductions de clic et une quantité de transaction, V.V. Par exemple: B2, date à laquelle 2015.5.28, Ctrip n'est pas accessible en raison d'erreurs système, d'autres sites Web OTA peuvent être vus avant cela. C2 est relativement petit, tel que 2014.1.21, tous les serveurs racines de tous les champs les plus seniors de la Chine ont inhabituel et des données sur la plupart des sites Web pendant la journée si inhabituelle souvent.
Niveau utilisateur, lorsque les caractéristiques générales de l'utilisateur changent, les données du produit changeront progressivement. Pour les situations A3 et B3, nous pensons qu'il existe une sorte de produit, et un groupe d'utilisateurs cultivé à l'origine en tant qu'étudiant limité, la capacité de consommation est limitée. Si ce produit est suffisamment adhésif, lorsque cet étudiant discrit progressivement dans la société, vous pourrez continuer à croître. Situation C3, chaque année à novembre, le volume de négociation de chaque site Web OTA diminuera, tandis que les transactions de Sanya sontAugmentez la tendance, causée par l'environnement principal.

Pour les produits devant être payés, toutes les activités peuvent affecter la taille du marché et distribuer la part de marché, telles que le goutte à goutte et rapidement dans le stade du marché de l'agriculture, toute promotion de la grande partie améliorera Votre partage de marché et empiéter sur la part de marché concurrentielle (A4 et B4) et lorsque le goutte à goutte d'égidement est fusionné, la réduction du nombre d'applications sera réduite (C4).
2. Prenez soin de l'attention sur

Fortement imaginée, si seulement ce niveau, cette analyse n'est pas convaincante, il y a un niveau sous les étapes qu'il est important de faire attention . Soyez prudent de savoir que vous trouvez des preuves directement ou indirectement pour prouver vos prédictions. Pour des données inhabituelles pour les grandes tailles environnementales, certaines données peuvent être prises pour refléter les données pour refléter le grand marché afin de prouver que, telle que le site Web de l'OTA DAU a une forte baisse en un mois,Nous devinons parce que la tournée commence, à ce stade, vous pouvez aller à l'index d'index. Regardez l'hôtel ou «réservation d'hôtel» pour modifier les données de consommation de chaleur au cours des années précédentes, vous pouvez vérifier que notre prédiction est correcte.

Pour ses propres produits et sa taille de produit concurrentiel, et non deux trésors magiques sont décomposés et certaines tailles de zone courantes et leur cas sont des tissus décrits ci-dessous.

Séparation: En supposant que la conversion d'un produit réduit et ce commutateur est la conversion finale d'une conversion de trémie à plusieurs étapes, nous pouvons diviser chaque étape à l'étape commutateur, vérifier s'il doit y avoir parce que certains les marches sont accordées. Par exemple: l'erreur du serveur de paiement WECHAT entraînera la conversion de paiement pour les paiements afin de réduire le commutateur réduit et la vitesse de charge répertorie augmentera la liste en effets de conversion détaillés. Conversion globale, V.V.

SubTail / Version: Supposons la page de la liste de produits pour convertir la page Détails, nous devinons que la mise en page de la liste est optimisée par la nouvelle version de iOS, nous devons diviser iOS et Android et la nouvelle version La nouvelle version de iOS compare ces données de conversion à prouver nos prédictions.

Sous-Zone / Ville: En supposant que le volume de trading de Auda a été considérablement augmenté le 31 août et nous estimons que c'est parce que les étudiants ont accru la demande de étudiants de l'hôtel. À ce stade, nous pouvons choisir de nombreux collèges et universités. La ville est comme des données à Beijing, Wuhan, Xi'an et d'autres villes de comparer nos prédictions aux côtés d'autres villes.


Parties: Supposons une journée de conversion de jour des produits de conversion de données, nous devinions par erreur de serveur de paiement 10: 00-11: 00, puis nous avons juste un temps et un cycle de la fluctuation précédente dans le même journéeUn contraste de données, si le taux de conversion de temps réel est vraiment important, nous pouvons prouver notre conjecture.

Division: Supposons la nouvelle version de la nouvelle version de la nouvelle version du nouveau nouvel utilisateur après la nouvelle version de la nouvelle version du La nouvelle version du nouvel utilisateur est inférieure au nouveau taux de conversion utilisateur. À ce stade, nous n'avons besoin que de considérer la différence entre les nouveaux et les anciens clients pouvant savoir si nous avons Mund.

Paysage (ce / hors du site): Supposons qu'une application est tombée en vacances et est connue que le taux de conversion de différents emplacements est inférieur à la modification des utilisateurs locaux. C'est plus que des œuvres. À ce stade, nous pouvons vérifier qu'il est spéculé lorsque nous devons voir le changement de cet utilisateur d'apparence.

Élément de division: Supposons qu'une conversion OTA soit considérablement améliorée sur une période de tempsCertes et cette période est exactement la fois pour concourir moins d'avantages, nous devinons la fin de la compétition. La conversion des produits a entraîné un impact positif. Si nous voyons des données confirmant que le taux de conversion est en concurrence pour annuler la promotion est significatif, notre prédiction est correcte.

Sur la manière d'analyser les segments, il n'ya aucun moyen de pauvreté, vous pouvez diviser la taille pour être trop, mais nous devons nous rappeler cette analyse. Lorsque la spéculation est une donnée inhabituelle inhabituelle, tant que les raisons sont indiquées par cette raison sont contrastées, vous pouvez prouver ou montrer nos prédictions. Bien sûr, dans le processus d'analyse, nous devons comprendre certaines connaissances statistiques de base, qui introduiront des détails la semaine prochaine, alors gardez la trace de.
Mardi, résumée

Lors de la détection de données de données ou lorsqu'il est reçu dans des tâches d'analyse de données inhabituelles, nous pouvons contacter rugueuxInformations relatives aux produits, à la portée de la taille (propre, à la concurrence, à un environnement important) et à la taille du contenu (produits, technologie, utilisateurs, activités) Faites des prédictions raisonnables, puis notre vérification de prédiction en regardant de vastes changements environnementaux ou de petites données de produits. Conformément à ce processus, vous pouvez souvent trouver des raisons profondes des données inhabituelles. Bien sûr, cela prend beaucoup de temps et de patience complète, mais cela peut nous faire comprendre des informations sur le produit que vous êtes responsable et que l'avenir décide du produit fourni des instructions. Pour nous, cela peut également améliorer la sensibilité des données, permettant de trouver plus d'opportunités et de problèmes, formant un cycle bénin, devenant un gestionnaire de produits pouvant lire des données.