[課程筆記] 產品數據分析與關鍵指標設計：從了解數據營運、設計指標、解讀分析並到轉化成行動

文/  Yin，原文出自《產品數據分析與關鍵指標設計》筆記分享，感謝授權轉載。

最近工作上想導入數據已有一段時日，一方面很期待數據的導入能解決掉現有的許多問題，另一方面又害怕會不會反而扼殺了直覺？或忽略了難以量化其價值的工作？

為了避免未來導入數據的雷區，聽了悠識的「產品數據分析與關鍵指標設計」課程與其他網路資料，消化成自己能實際應用的知識寫下這篇文章。

註：這篇文章包含我主觀詮釋課程內容 + 整合其他相關資料 + 個人想法，內容已大不相同，不代表課程實際內容！

數據如何幫助企業營運

▍老闆要 Data Driven：哪種 Data？怎麼 Driven？

Data 原意包含量化資料和質化資料（維基百科），中文翻譯「數據」僅包含前者，許多公司也誤以為所謂的 Data Driven 只看量化資料，忽視的質化資料就變成了決策盲區。Netflix 消費者洞察副總裁 Adrien Lanusse 也曾表示數據只能透露用戶做了什麼，但不能告訴我們為什麼。

那有了量化和質化資料，就能倚賴 Data 下決策了嗎？僅看數據依舊會有許多問題：

• Data 經過人就可能會有錯。
• Data 只能告訴你全貌的一部分，收集永遠不足。
• 沒辦法收集 Data：成本太高或時間不夠。
• 往往事前不知道該收集什麼 Data。

🔺只靠一部分資訊做決策，會落入區域最佳解的陷阱，大數據亦然（重製講師範例圖，來源 https://www.helpscout.com/blog/local-maximum/）

如果公司一天要做這麼多決策：誰是目標族群、產品設計、市場行銷、用戶營運、功能改版……，這些 Data 要從哪來？又能相信只看 Data 的結果嗎？因此衍伸出了 Data Informed 營運風格。

▍Data Informed, Not Data Driven.

Adam Mosseri（前 Facebook 產品副總裁、現 Instagram 負責人）2010 年在這場演說定義 Data Driven 是僅憑數據下決策，而 Data Informed 除了收集量化與質化資料，也會綜合如競品動態、策略與目標、直覺與經驗等資訊做決策參考。

一期 UX Coffee 的 Podcast 節目中訪問 Apple 設計師也提到對數據的顧慮與不信任，Apple 會在開發前期做高 level 的用戶需求研究，但開發後期傾向相信設計師的直覺，而非做易用性測試等來讓用戶告訴他們產品好不好。

釐清自己或組織如何使用數據，能夠不那麼容易迷失在數據汪洋中，甚至間接了解公司在企業文化、團隊招聘、組織架構、行事風格的部分面貌。

當數據在手，下一步就是該判斷看哪些數據，也就是為你的產品定義成功的關鍵指標為何，接下來會討論：

• 🌟了解數據指標：產品的北極星
• 📊 認識數據框架：認識常用數據指標

數據指標

▍指標的來源

來源依據獲取的困難度從簡單到困難依序為：

• 數據收集或分析工具，如 Google Analytics、Mixpanel 和 Amplitude。
• 數據框架，如電商常見的 AARRR。
• 與公司目標或績效最相關的活動，如 Facebook 之前定義的月活用戶除了 30 天內有開啟 Facebook 或 Messenger App 外，還包含分享第三方內容給 Facebook 好友，可見 Facebook 認為此行為與當時公司成長相關。
• 量化研究方法，如市場調查。
• 質化研究方法，如田野調查與用戶訪談。

▍指標的類型

☞ 虛榮指標(Vanity Metric)：帶有虛榮成分的數據，盲目追求會陷入自我膨脹。

☞ 行動指標：能夠指導最佳行動方案，指導商業行動。

例如：廣告投放 A 渠道評估 CTA（點擊率）高達 0.5%，B 廣告渠道只有 0.1%，但 B 的 CVR（廣告帶來的下單轉換率）高達 2%，A 只有 0.4%；這裡的 CTA 相較下是虛榮指標，只看這個指標就決定投放 A 渠道很危險，而 CVR 就是較具意義的行動指標。

☞ 領先指標：領先於事情發生之前即會顯露的數據。

☞ 落後指標：落後於事情發生後才會反應的數據。

例如：客速率（領先指標）通常會直接影響流失率（落後指標），如果能預先發現領先指標的變化，就可以提早地做出對策因應落後指標的發生。

當看到一個數據時，先思考它是虛榮或行動指標？領先或落後指標？檢查這個數據提升的同時是不是其實導致了其他指標的減少？指標往往要兩個一起看才有意義。

▍找出北極星指標

僅僅使用一種工具就能提供非常多種數據指標，但關注的指標過多就容易使戰力分散，讓公司變成多頭馬車。

🔺（一小部分的）常見產品數據指標（重製講師範例圖）

Google 聯合創始人 Avinash Kaushik 提過不論產品或 KPI 應尋找唯一重要指標，用途包括：

• 反映現階段最重要的問題
• 幫助釐清最重要的目標
• 反應公司的健康
• 讓所有人聚焦在提升同一指標

Acorns 市場總監稱這個唯一重要指標為「北極星指標 North Star Metric 」（或稱 OTOM），好的北極星指標有 6 個衡量標準：

• 這個指標能讓用戶直接體驗產品的核心價值。
• 這個指標能直接反應用戶的活躍程度。
• 這個指標若提升，能說明公司正在往好的方向發展。
  例如 Uber 若將「註冊司機數」當作北極星指標，顯然忽略了乘客，「總乘車數」則能反應到司機與乘客的供需平衡。
• 這個指標容易被團隊理解與交流。
• 這個指標是領先指標。
• 你能操作這個指標的好壞。

🔺北極星指標範例（參考 GrowingIO）

找出北極星指標後，能從廣度、深度、頻度、效度 4 大維度去訂定每個產品團隊的數據指標，也是把大指標拆解到可行動的過程，讓每個人都知道自己的 KPI 是什麼，也能衡量自己為北極星指標貢獻了多少力量。

🔺 Amplitude 「雜貨訂貨送貨店 App」北極星指標樹圖範例

📊 認識數據框架（Framework）

對初學者而言，從框架尋找數據指標是一個很好的學習方向，可以先熟悉各種常用模型：

營運類

• Lean Startup: Engine of Growth
• AARRR
• Lean Analytics Stages
• 用戶營運分析框架：以用戶為中心的用戶營運分析框架，能清楚知道什麼階段適合做什麼分析，重點在每個階段都要獨立做用戶分群。

🔺 用戶營運分析框架（重製講師範例圖）

行銷類

• AIDMA
• AISAS
• Google ZMOT

用戶體驗類

• Google HEART
• Elements of Value

🧠 解讀數據之前要有的觀念

• 數據不用苛求精準，但一定不能有錯，因為數據要指導行動。
• 你只能收集到一部分的數據，不能代表全貌。
• 好好紀錄會影響數據的事件（如行銷活動）及分析數據的步驟（設了什麼篩選標準）。
• 了解數據背後的脈絡，先問數據從哪兒來。
• 盡量將數據細分比較，不同群體的數據解讀往往大不相同。例如：年齡、角色、行為、心態、同比（與去年同期比較）、環比（與上月比較）、渠道、地區等。
• 了解統計基礎知識（推薦《聰明學統計的 13 又 1/2 堂課》）。
• 最後也是最重要的：抱持懷疑，數據是中性的，經過人或工具的解讀就會有差錯。

以精實創業（Lean startup）的開發流程為例，主要是從數據中學習，進一步產生想法來優化現有產品，並盡量將取得數據與開發的週期縮短。

🔺 精實創業開發流程

其中三大關鍵動作 Learn、Build 及 Measure 都牽涉到數據的應用，當拿到數據時必須要重新檢視其中數據是怎麼被採樣、收集、清洗與加工，以及解讀的脈絡、量測的標準等等，才能避免使用錯誤的數據。

🔺 需要了解「人」或「工具」是怎麼處理數據的

👩🏻‍💻 瞭解商業與用戶角度

數據解讀的關鍵在於從商業及用戶的角度出發，而不是從自己的角度做解讀，從「我什麼都不懂」的師徒心態好好了解產品的商業背景與用戶面貌。

▍商業面的解讀：

• TA 是誰
• 公司的使命願景
• 公司如何盈利
• 公司的經營策略與目標
• 公司的組織架構
• 產品的價值主張
• 老闆的觀點、想看什麼指標

以上在 Google 就可以找出大部分的資料，再者可以：

• 利害關係人訪談（重要）
• 相似案例 / 競品分析
• 產品分析
• 營運分析

▍用戶面的解讀

用戶研究方法可以參考已十分完整的講者的部落格。

▍有了解讀之後，再去從利害關係人的角度去判斷哪個解讀才是重點。

「如果要說有什麼成功的秘密，那就是擁有瞭解他人觀點的能力」 — — 亨利福特

網路上可以搜尋到更多應用情境，平常嘗試在寫產品規格時就可以用這個框架思考如何衡量功能成效，或搭配 OKR 的 Key results 制定更詳細的衡量方式。

⚠️ 數據洞察不等於優化建議

如果當時亨利福特去做調查，人們會告訴他需要更快的馬，那該去養馬還是去開發車子？

最後也是最容易被忽略的一點，數據分析只能告訴你過去發生的事，能幫助明白現有問題或體驗，但未來的優化建議需要靠想像力與設計能力，將洞察轉化為優化建議請尋求專業的人。

🔺 需要這個專業的角色通常就是設計師 Photo by Headway on Unsplash

如果對題目有興趣，或想學會實際應用的讀者，請直接參考課程或詢問講師 Hans Shih 本人！此篇文章比較像是個人補充資料，實體課程有非常多的實際案例與更完整的脈絡，架構也不一樣，適合作為互聯網工作的 UX 設計師或產品經理導入數據的入門磚。