編輯導(dǎo)語(yǔ)：toB產(chǎn)品經(jīng)理不僅需要與設(shè)計(jì)師打交道，還需要和數(shù)據(jù)分析打交道。當(dāng)你在業(yè)務(wù)方面遭受到了瓶頸，這時(shí)候就需要用分析自己的產(chǎn)品的數(shù)據(jù)變化，因此toB產(chǎn)品經(jīng)理該如何做好數(shù)據(jù)分析呢?

對(duì)于我來(lái)講，我本身是學(xué)的軟件工程，后來(lái)從事產(chǎn)品經(jīng)理，作為toB端的產(chǎn)品經(jīng)理，可能最爽的點(diǎn)在于設(shè)計(jì)軟件的過(guò)程中，能把業(yè)務(wù)吃透，面對(duì)龐大的業(yè)務(wù)體系和復(fù)雜的邏輯，很難讓自己在專(zhuān)業(yè)方面沒(méi)有提升。

但是在經(jīng)歷面向的大多數(shù)是大客戶和領(lǐng)導(dǎo)層面的人之后，難免會(huì)產(chǎn)生枯燥的感覺(jué)和到達(dá)瓶頸的挫敗感，因?yàn)榇蠖鄶?shù)情況下，toB產(chǎn)品不需要?jiǎng)?chuàng)新，不需要美感，更不需要突然爆發(fā)的靈感，需要的是對(duì)客戶業(yè)務(wù)場(chǎng)景的深入調(diào)研和理解，強(qiáng)調(diào)的是客戶的價(jià)值。

在toC端數(shù)據(jù)分析一片紅海的情況下，toB在此領(lǐng)域倒是顯得有些呆萌，說(shuō)到底，toB的產(chǎn)品對(duì)于數(shù)據(jù)分析這項(xiàng)技能用的很少甚至不會(huì)用到。

但是，在經(jīng)歷了上述心路歷程之后，也會(huì)有新的發(fā)現(xiàn)，那就是在toB端工作久了，越來(lái)越發(fā)現(xiàn)對(duì)于政策的把控和對(duì)于民生發(fā)展的趨勢(shì)的把握顯得十分重要，然而在公司的背景下，對(duì)于有些東西是現(xiàn)成的，直接拿來(lái)上手去做就可以，這就導(dǎo)致了對(duì)自身思維的禁錮。

但是哪怕假設(shè)假如以后會(huì)創(chuàng)業(yè)（每一個(gè)產(chǎn)品都有一顆創(chuàng)業(yè)的心），對(duì)于數(shù)據(jù)分析來(lái)講也是寫(xiě)好計(jì)劃書(shū)的一小部分不可忽視的技能，所以當(dāng)toB遇到數(shù)據(jù)分析未嘗不能擦出一些火花。

后續(xù)會(huì)更新更加詳細(xì)的步驟包括用到的工具。

以下內(nèi)容均來(lái)自一個(gè)初步認(rèn)知數(shù)據(jù)分析的toB產(chǎn)品的總結(jié)：

數(shù)據(jù)分析大致可以分為以下幾個(gè)步驟：

1. 問(wèn)題工程：得到什么結(jié)果
2. 信源工程：數(shù)據(jù)從哪來(lái)
3. 數(shù)據(jù)工程：也可以叫數(shù)據(jù)處理(為了格式一致就叫那個(gè)名字吧)，目的是得到“好”數(shù)據(jù)
4. 特征工程：從哪些維度入手
5. 模型工程：標(biāo)簽應(yīng)該怎么分析
6. 展示工程：結(jié)果怎么呈現(xiàn)

最后，講好一個(gè)故事，一個(gè)可以將上述步驟都包含進(jìn)去的故事。

一、問(wèn)題工程

問(wèn)題工程簡(jiǎn)單來(lái)講就是想要得到什么結(jié)果。什么樣的曲調(diào)決定了歌詞情感動(dòng)向，如果在一開(kāi)始就沒(méi)有想清楚到底研究的是什么問(wèn)題，或者沒(méi)有一個(gè)明確地主旨的話，那么后面所做的東西都用不上（簡(jiǎn)稱(chēng)：垃圾）。所以第一步雖然是最簡(jiǎn)單的，卻也是最重要的。

二、信源工程

1. 信源劃分

可以將信源劃分為信息發(fā)布者、行業(yè)類(lèi)型、所屬地域和網(wǎng)站類(lèi)型這幾個(gè)維度。

（1）信源類(lèi)型

①信息發(fā)布者

可以分為UGC（個(gè)人）、PGC（專(zhuān)業(yè)生產(chǎn)內(nèi)容）、OGC（職業(yè)生產(chǎn)內(nèi)容）。

信息發(fā)布者類(lèi)型：

行業(yè)類(lèi)型：

• 保險(xiǎn)業(yè)
• 能源
• 餐飲
• 電訊業(yè)
• 房地產(chǎn)
• 服務(wù)業(yè)
• 服裝業(yè)
• 公益組織
• 廣告業(yè)
• 航空航天
• 化學(xué)
• 健康
• 保健
• 建筑業(yè)
• 教育
• 培訓(xùn)
• 計(jì)算機(jī)
• 農(nóng)業(yè)
• 旅游業(yè)
• 律師
• 體育運(yùn)動(dòng)
• 演藝
• 醫(yī)療服務(wù)
• 設(shè)計(jì)
• 金融
• 交通運(yùn)輸業(yè)
• 咨詢(xún)等等行業(yè)

所屬地域：

可以按省市劃分，按國(guó)家劃分等。

網(wǎng)站類(lèi)型：

例如咨詢(xún)、社交、百科、視頻、百度經(jīng)驗(yàn)、企業(yè)類(lèi)。

再細(xì)化一點(diǎn)比如電商的分類(lèi)：

• 綜合類(lèi)：淘寶、天貓、京東、蘇寧
• 飲食類(lèi)：美團(tuán)、餓了么
• 鍛煉類(lèi)：keep、薄荷健康
• 旅游類(lèi)：大眾點(diǎn)評(píng)、攜程、去哪兒

2. 數(shù)據(jù)類(lèi)型的劃分

還是舉個(gè)例子，對(duì)于電商來(lái)講，包括但不限于：產(chǎn)品名稱(chēng)、任務(wù)數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)（評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)）、轉(zhuǎn)發(fā)數(shù)據(jù)、收藏量。

3. 定位有價(jià)值的信源基本步驟

第一步：讀題，解析命題

第二步：拓開(kāi)思路，列出信源可能的來(lái)源

第三步：按照第二步的列表去篩選需采集的信源和數(shù)據(jù)

第四步：在已采集的數(shù)據(jù)中再次精加工，得到有價(jià)值的基礎(chǔ)數(shù)據(jù)

*商品類(lèi)的分析一定會(huì)需要商品售賣(mài)的數(shù)據(jù)、商品的描述、商品的口碑、品牌的口碑等等，所以電商數(shù)據(jù)、評(píng)論數(shù)據(jù)、口碑?dāng)?shù)據(jù)、微博數(shù)據(jù)這些不可或缺。

*事件類(lèi)的分析一定會(huì)有官媒數(shù)據(jù)、民眾討論的數(shù)據(jù)等等，所以，資訊數(shù)據(jù)、微博、貼吧、論壇這些數(shù)據(jù)不可或缺。

*行業(yè)類(lèi)的分析一定會(huì)有行業(yè)專(zhuān)業(yè)網(wǎng)站、國(guó)家政策、行業(yè)論壇等等，所以，需要找的就是專(zhuān)業(yè)性論壇、專(zhuān)業(yè)網(wǎng)站、官方站點(diǎn)、可能還需要toB站點(diǎn)的相關(guān)數(shù)據(jù)。

4. 從信源得到數(shù)據(jù)

收集信源我一般會(huì)用火狐，因?yàn)闀?huì)有好用的插件。 注：在用Python爬蟲(chóng)時(shí)可以根據(jù)可以根據(jù)網(wǎng)址的規(guī)律提取連接。

火狐的插件

信源可以根據(jù)列表頁(yè)和正文頁(yè)獲取，信源的獲取過(guò)程中有以下情形：

• 正常的信源頁(yè)，我們從源碼中就可以看到可以采集的正文頁(yè)鏈接，非常好提取。
• 有嵌套的信源頁(yè)，這種直接看源碼是看不到正文頁(yè)的，需要我們找到正確的列表頁(yè)，比如下圖的某政府網(wǎng)站，需要點(diǎn)開(kāi)真正的列表。

• 信源頁(yè)中的正文頁(yè)鏈接是需要拼接的
• 信源頁(yè)中有多條信息，需要從中直接提取每條數(shù)據(jù)的字段的（例如:搜索引擎頁(yè)面)
• 需要登錄的
• 其他一些做特殊配置的

其實(shí)可以思考一下，按照網(wǎng)站類(lèi)型可以將以下情景的信源劃分為哪些維度，并給出合適的數(shù)據(jù)（網(wǎng)站）來(lái)源。

1. 分析天津市針對(duì)人工智能專(zhuān)業(yè)博士的需求情況
2. 分析互聯(lián)網(wǎng)上針對(duì)綜藝節(jié)目《乘風(fēng)破浪的姐姐》節(jié)目評(píng)價(jià)及該節(jié)目的受眾人群

以下只是簡(jiǎn)單提供一種思路：

第一個(gè)場(chǎng)景按照網(wǎng)站類(lèi)型可以將信源劃分為判決文書(shū)、電商類(lèi)、資訊類(lèi)、行政處罰、企業(yè)工商注冊(cè)數(shù)據(jù)、百度經(jīng)驗(yàn)、企業(yè)類(lèi)、法院類(lèi)、百科等這些維度。

第一個(gè)情景分析天津市針對(duì)人工智能專(zhuān)業(yè)博士的需求情況：

首先組合幾個(gè)維度分析，所屬地域限定在北京，行業(yè)類(lèi)型限定為人工智能，信息發(fā)布者為PGC內(nèi)容，網(wǎng)站類(lèi)型為行業(yè)專(zhuān)業(yè)網(wǎng)站、國(guó)家政策和行業(yè)論壇，進(jìn)一步定位有價(jià)值的信源，就要從專(zhuān)業(yè)性論壇、專(zhuān)業(yè)網(wǎng)站、官方站點(diǎn)、toB站點(diǎn)獲取相關(guān)數(shù)據(jù)

第二個(gè)情景分析互聯(lián)網(wǎng)上針對(duì)綜藝節(jié)目《乘風(fēng)破浪的姐姐》節(jié)目評(píng)價(jià)及該節(jié)目的受眾人群：

首先組合幾個(gè)維度分析，行業(yè)類(lèi)型定位在娛樂(lè)和影視，信息發(fā)布者UGC和PGC都要分析，因?yàn)閷儆谑录?lèi)的分析，主要分析節(jié)目評(píng)價(jià)及該節(jié)目的受眾人群。

所以就要有官媒數(shù)據(jù)、民眾討論的數(shù)據(jù)、民眾自身年齡的數(shù)據(jù)等，所以網(wǎng)站類(lèi)型要從資訊和社交兩個(gè)方面分析，例如從《乘風(fēng)破浪的姐姐》官方微博、貼吧、論壇找出這些數(shù)據(jù)。

三、數(shù)據(jù)工程（數(shù)據(jù)處理）

1. 數(shù)據(jù)結(jié)構(gòu)化

將數(shù)據(jù)整理成能看的結(jié)構(gòu)：

數(shù)據(jù)結(jié)構(gòu)化：

• 傳播力分析：標(biāo)題、出處、發(fā)布時(shí)間
• 人物畫(huà)像：微博人物字段
• 消費(fèi)者人物畫(huà)像：評(píng)論字段
• 汽車(chē)指標(biāo)：汽車(chē)網(wǎng)站字段
• 電商人物畫(huà)像：消費(fèi)習(xí)慣

2. 數(shù)據(jù)處理

其實(shí)上學(xué)的時(shí)候也學(xué)過(guò)很多數(shù)據(jù)處理的知識(shí)，有各種插值法，回歸，聚類(lèi)等方式處理數(shù)據(jù)，但凡有一點(diǎn)在腦子里，我也不至于重新學(xué)。不過(guò)基本的我還是印象深刻的：

（1）數(shù)據(jù)清洗

主要是刪除原始數(shù)據(jù)集中的無(wú)關(guān)數(shù)據(jù)、重復(fù)數(shù)據(jù)，平滑噪聲數(shù)據(jù)，處理缺失值、異常值等，讓數(shù)據(jù)變得“干凈”。

（2）缺失值處理

處理缺失值的方法可分為三類(lèi)：刪除記錄、數(shù)據(jù)插補(bǔ)和不處理。其中常用的數(shù)據(jù)插補(bǔ)方法見(jiàn)下表：

其中，插值有兩個(gè)比較重要的是拉格朗日插值和牛頓插值。

（3）異常值處理

（4）數(shù)據(jù)變換

主要是對(duì)數(shù)據(jù)進(jìn)行規(guī)范化的操作，將數(shù)據(jù)轉(zhuǎn)換成“適當(dāng)?shù)摹备袷?，以適用于挖掘任務(wù)及算法的需要。會(huì)涉及到歸一化處理、屬性構(gòu)造、小波變換等方式，從而達(dá)到數(shù)據(jù)使用的標(biāo)準(zhǔn)。

(5）數(shù)據(jù)規(guī)約

數(shù)據(jù)規(guī)約是將海量數(shù)據(jù)進(jìn)行規(guī)約，規(guī)約之后的數(shù)據(jù)仍接近于保持原數(shù)據(jù)的完整性，但數(shù)據(jù)量小得多。通過(guò)數(shù)據(jù)規(guī)約，可以達(dá)到：

• 降低無(wú)效、錯(cuò)誤數(shù)據(jù)對(duì)建模的影響，提高建模的準(zhǔn)確性
• 少量且具代表性的數(shù)據(jù)將大幅縮減數(shù)據(jù)挖掘所需的時(shí)間
• 降低儲(chǔ)存數(shù)據(jù)的成本

數(shù)據(jù)規(guī)約會(huì)對(duì)屬性和數(shù)值兩個(gè)方面進(jìn)行（具體的我也忘得差不多了），但是講真，簡(jiǎn)單的數(shù)據(jù)分析（給自己看的數(shù)據(jù)分析）不會(huì)進(jìn)行到這一步的。

3. 數(shù)據(jù)建模

這塊到后面會(huì)詳細(xì)說(shuō)一下，因?yàn)橐坏┱归_(kāi)就真的太多了。大概會(huì)有聚類(lèi)、分類(lèi)、關(guān)聯(lián)、回歸、時(shí)序模式、離群點(diǎn)檢測(cè)等。

四、特征工程/數(shù)據(jù)分析

分析可以從以下幾個(gè)方面入手：

1. 關(guān)注點(diǎn)：分析用戶使用情境中的核心訴求，用戶在產(chǎn)品購(gòu)買(mǎi)使用中最關(guān)注什么?影響用戶選擇的關(guān)鍵要素
2. 用戶場(chǎng)景：產(chǎn)品問(wèn)題是在什么情況下發(fā)生的
3. 產(chǎn)品抱怨：用戶集中反饋的產(chǎn)品缺陷，用戶對(duì)產(chǎn)品的主要抱怨是什么?
4. 競(jìng)品分析：與競(jìng)品對(duì)比的主要差距，產(chǎn)品哪些地方不如競(jìng)品?

選擇對(duì)用戶體驗(yàn)和銷(xiāo)售最有價(jià)值的產(chǎn)品改進(jìn)方向，實(shí)現(xiàn)產(chǎn)品有效優(yōu)化。

1. 關(guān)注點(diǎn)

聚焦資源，主動(dòng)讓顧客選擇，不讓顧客思考。

• 關(guān)注點(diǎn)提及分析
• 判斷用戶關(guān)注點(diǎn)（四象限圖）

用戶產(chǎn)品需求分析：分析用戶對(duì)本品類(lèi)產(chǎn)品使用的最主要功能性能要求。

用戶購(gòu)買(mǎi)因素分析：監(jiān)測(cè)本品類(lèi)產(chǎn)品用戶認(rèn)知度對(duì)比關(guān)系。

2. 用戶抱怨

（1）類(lèi)型

非投訴型抱怨：不會(huì)直接抱怨但是會(huì)向其他人傳遞不好

投訴型抱怨：產(chǎn)品的不好會(huì)直接反饋回來(lái)

（2）用戶抱怨分析

• 用戶對(duì)產(chǎn)品的主要抱怨是什么?
• 用戶集中反饋的產(chǎn)品缺陷有哪些?
• 這些言論在哪些媒體出現(xiàn)?

①不同維度的PSR和NSR

• PSR=正面/（正+負(fù)）
• NSR=負(fù)面/（正+負(fù)）

②用戶抱怨實(shí)時(shí)監(jiān)測(cè)分析（四象限圖）

3. 應(yīng)用場(chǎng)景

什么人在什么時(shí)間、地點(diǎn)，帶著什么樣的情緒、動(dòng)機(jī)，通過(guò)什么行為來(lái)滿足什么要求。

這里有四個(gè)因素：用戶（用戶所屬的群體、所帶有的角色標(biāo)簽）、需求（核心）、行為（用戶采取什么行為滿足需求）、情景。

要時(shí)刻思考應(yīng)用的意義，其實(shí)慢慢的又回歸到了產(chǎn)品經(jīng)理的思路上來(lái)了，所以數(shù)據(jù)分析有時(shí)離不開(kāi)產(chǎn)品思維，比如要思考：

• 誰(shuí)是產(chǎn)品的目標(biāo)用戶?他們的核心需求是什么?
• 在特定場(chǎng)景下，是什么讓他們決定使用或者放棄使用一款產(chǎn)品?

toB只在乎用著順不順手：

toC在乎多方面：

每個(gè)環(huán)節(jié)都要有場(chǎng)景：

用戶場(chǎng)景梳理方法：

4. 競(jìng)品分析

（1）找到競(jìng)品top3-5，核心1-2個(gè)

（2）排除非競(jìng)品：關(guān)聯(lián)詞相似度，話題討論

（3）判斷競(jìng)爭(zhēng)強(qiáng)度 各維度提及次數(shù)

（4）案頭研究：價(jià)格

（5）輿情指數(shù)分析：消費(fèi)者情感偏好和討論聲量判斷優(yōu)劣勢(shì)構(gòu)建四象限圖 橫坐標(biāo)討論聲量，縱坐標(biāo)PSR，四個(gè)維度分別是基本產(chǎn)品、優(yōu)勢(shì)產(chǎn)品、小眾產(chǎn)品、劣勢(shì)產(chǎn)品。

（6）各維度進(jìn)行抱怨度NSR分析

五、模型工程

根據(jù)RFM模型和NSR、PSR模型進(jìn)行分析，這一點(diǎn)我也會(huì)單獨(dú)拎出來(lái)做出一個(gè)文章詳細(xì)寫(xiě)一下。

六、展示工程/數(shù)據(jù)可視化

工具可以用PowerBI，也可以用Python，Python還是很萬(wàn)能的，而且python有很多現(xiàn)成的包，直接導(dǎo)入直接用，各種好看的分析圖都有，我將單獨(dú)寫(xiě)一章介紹python的可視化分析。

1. 數(shù)據(jù)標(biāo)簽可視化

2. 例子（PowerBI）

（1）進(jìn)行數(shù)據(jù)的拆分（年月日、性別等等）

（2）數(shù)據(jù)分組

（3）數(shù)據(jù)的篩選

例如：性別統(tǒng)計(jì)。

3. 地域統(tǒng)計(jì)、自我認(rèn)知詞云

4. 頁(yè)面大小的調(diào)整

5. 標(biāo)簽數(shù)據(jù)的可視化

四級(jí)標(biāo)簽的可視化，設(shè)置二級(jí)標(biāo)簽的篩選器，詞云圖可以設(shè)置不顯示某些詞。

七、最重要的就是講故事

具體怎么講，我打算放在后面的文章去說(shuō)明，因?yàn)檫@篇文章就是一個(gè)小概括而已，也是大概梳理了一下近期學(xué)習(xí)的思路。

作為toB端的產(chǎn)品經(jīng)理有些人覺(jué)得著實(shí)是沒(méi)必要研究這些，我一開(kāi)始也是這樣覺(jué)得，但是我越學(xué)習(xí)就會(huì)越發(fā)現(xiàn)數(shù)據(jù)分析的思路其實(shí)是離不開(kāi)產(chǎn)品的思維，產(chǎn)品的思維也能從數(shù)據(jù)分析的思路中得到靈感加以開(kāi)闊，因?yàn)槲覀兊哪繕?biāo)不是一直做產(chǎn)品經(jīng)理，而是去到更大的平臺(tái)更高的地方去看這個(gè)世界。

沒(méi)有人一拿起來(lái)這件東西馬上就能上手去做的，除非天賦異稟，但是大多數(shù)人都是在一步步泥濘中摸爬滾打過(guò)來(lái)的，我是想說(shuō)，接受自己平凡，并不斷向前，就已經(jīng)贏過(guò)絕大多數(shù)的人了，因?yàn)榭偸菚?huì)有人自命不凡。

本文由 @別動(dòng)我的可樂(lè) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 Unsplash，基于CC0協(xié)議