产品决策需要多少数据支持?对专家来说,不多
一个大而空的话题:产品决策需要多少数据支持?
我记得大概是十多年前,有一篇广为流传的张小龙分享,有人问他 “你关注数据吗?”
张小龙说,我不关注数据。
这句话有人觉得封神,有人觉得装逼,产品经理怎么能不关注数据呢?
我当时只是个三十多岁的中阶,似懂非懂。又过了好几年,我才理解这句话背后的意思。
因为专家做出决策,并不需要许多数据,也不需要时时刻刻关注数据。
我在 40 岁以后,大概也来到了专家段位。
举个例子。
我做顾问接触新公司,新项目的时候,先理解结构,再按我自己的逻辑线提出非常多的数据需求,密密麻麻的一份清单。
一线产品经理按我的要求,把清单上的数据整理好给到我,我会 1V1,面对面地和他一起看这份清单。一边看,一边对不理解的部分提问,一边对感知强烈的部分大发感慨。
有意思的是,并不需要看完所有的数据,通常看到清单里 1/3 的数据之后,我已经得出结论了。事后验证,结论大概率正确。
剩下的数据,我依然会看完,很不耐烦,走马观花,避免有什么漏掉的东西影响之前的推导。看完可能会有一些局部的细节补充,仅此而已。
后来自我总结了一下,1/3 的数据已经足够推导出结论,但我还是需要完整的数据进行校验。
有意思的是,对于陌生的项目,我并不能提前知道哪 1/3 的数据可以推导出观点,但在分析数据的过程中,自然而然走向这个结果。
这是我初次接触新公司,新项目的情况。
如果换成我主持的项目上线,我还是会提前整理一份密密麻麻的数据需求清单,因为是我主持的项目,我熟啊,这次只用大约 10-20% 的数据就能推导出结论,剩下 80-90% 依然用于校验可靠性。
关键 KPI 影响关键 KPI 的过程数据 影响流程转化的交互数据 影响用户体验的交互数据
在日常维护阶段,日常关注 1 和 2 的曲线变化,如果变化不剧烈,就不用过度敏感,更关注新鲜的用户行为,鲜活的用户反馈。除非出现异常波动——我从日常的曲线起伏中解读不出来什么新东西,但用户的行为与表达往往能给我灵感。
或者说,重复看相似的数据,并不能获得高明的产品洞察。
在有知有行这样的小型产品里,这两年月会上的数据分析,主要是看新功能上线后是否符合预期,每月通报几分钟就够了。
每月还有一场用户反馈会,运营整理收集几十条有价值的用户反馈,一条条读给产品经理听——这个会是我的最爱,两眼放光,有时候用户的一句话翻来覆去读,理解背后的场景与心态。
回到正题:产品决策需要多少数据支持?
对专家来说,不多。
之前犬校同学引用了专业文献的研究结果,结果相似,专家往往只需要很少的数据就能推导出正确的结论。我以己推人,认为原因是在每一项数据背后,专家映射过往经验,把数据蕴含的背景信息在脑子里展开。也就是很少的数据在专家脑子里解码以后,类似于三维展开成二维,很大一个面积。以及某几项数据的关联解读往往能激发洞察力。
内容来自“用思考交换思考”的 PM 思辨社区「犬校」。©2017-2025