产品经理如何用数据驱动产品迭代？

样本量计算器

灰度开放的用户中选取用户作实验组，老版本用户中选取用户作对照组。

具体的选取方法要灵活，就像我们上学时候的一种物理实验方法-控制变量法，不同的实验目的，要控制不同的变量，根据控制的变量选择合适方法。

eg：

我要验证两组用户在详情页的行为，所以我随机选取灰度开放中访问详情页的n个用户，定为实验组，再随机选取n个老版本中访问详情页的用户，定为对照组，观察分析这两组流程转化率。

2. 分析验证指标

项目指标：方向指标和约束指标

从实际表现来看，方向指标虽然未达预期，但也起到了较好的效果，大幅提升了详情页 → 下单页的转化率，但是！但是！但是不要着急，这并不代表这一定就是正向的解决方案，我们还要跳出项目本身，看一下整个产品的指标变化，不能因小失大呀。

产品指标：北极星指标

北极星指标可能回报期比较长，比如利润还要等合作商家的回款才能提升，所以北极星指标可能会存在延迟变化，我们有时候也要提前考虑到这个特性，避免我们错误认为一顿操作猛如虎，一看战绩0-5。

项目指标表现很好，但是产品指标不一定会表现好，需要我们全局来看。

比如我优化的是儿童电话手表品类的详情页（不同品类的详情页会不一样），家长都给孩子去买儿童电话手表了，导致儿童手机品类卖不动了，由于儿童手机客单价远高于儿童电话手表，导致产品整体利润下降了，产品指标倒退，也不是没有可能啊。

所以，一个项目上线之后，不仅要分析项目本身的ABtest结果，还要考虑产品大盘影响，项目指标和产品指标都要兼顾到。

项目指标和产品指标是我们在设计方案时就想到的，但现实就是这么有意思，经常会给你surprise~冒出来你意料不到的数据波动，还是拿例子说话~

比如实验组的用户流失率要明显高于对照组，这是之前我们没有想到的，这时候就有可能用上我们之前说的行为指标，来辅助我们分析原因。

首先要知道：数据会告诉我们怎么了，不会告诉我们为什么。

我们观察用户行为后发现：大部分流失用户最后一次操作都是查看退货进度，那我们就可以提出假设：用户是因为退货率增高导致流失率的提升，因为用户退货这件事是比较挫败的（甚至是对平台不满意），导致对产品的满意度和好感直线下降，然后流失。假设是否正确，就需要通过用户调研等手段再去验证了。

所以，除了可预期到的指标外，还要注意从天而降的其他指标波动，及时找出波动原因。

关于上线策略，有两个注意事项：

1.灰度时间不宜过长，尽快得出实验结论，避免新版本负面效果影响用户；

2.如果条件允许，保留一小部分老版本用户，即不完全全网开放，因为灰度上线时间较短，新版本用户可能会因新鲜感而表现出了正向的数据结果，但从长期行为来看不一定优于老版本，所以留一小部分老版本用户作为对照。

因为互联网产品具有大数据量和快速迭代的特点，所以产品经理在懂用户和业务之外，利用数据做好ABtest非常重要，快速试错和调整，做到小步快跑。

六、最后总结一下，数据驱动产品迭代的步骤

1. 发现问题
2. 提出假设
3. 确定评估指标
4. 增加埋点
5. 分析数据结果

本文素材来自互联网

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!