商业思维是中高级产品经理的分割线，那么如果才能具备商业思维呢？有一个重要的方法，那就是数据分析。本文总结了B端产品数据分析方法论，希望对你有所帮助。

商业思维是中级、高级产品经理的分割线。

产品经理有商业思维，意味着不仅懂业务，还能站在CEO的视角看待业务。

比如，业务的商业目标是什么？

业务发展有哪些机会？

如何抓住机会？等等。

那么，如何才能具备商业思维呢？

阅读书籍、调研客户、研究标杆企业都是很好的途径，但是还有一个很重要的方法，那就是数据分析。

通过分析数据，产品经理能够洞察企业的经营方式、经营状态；

通过分析数据，产品经理能够找到业务发展的机会，推动业务实现经营目标。

因此，数据分析能力是B端产品经理必备的核心能力。

你可能会说：商业思维、数据分析是管理层的工作，B端产品经理老老实实满足业务需求不就行了吗？

但现实是：高管往往没有时间去分析一个具体的功能数据。

业务部门则可能受制于职责和眼界，看不到，或者无法获取到有价值的数据。

反之，产品经理不但方便获取数据，还可以把数据分析融入到产品设计，让业务产生数据，再通过数据驱动业务。

这将是B端产品经理巨大的机会。

01 数据分析的三个阶段

B端产品的数据分析，一共包含三个阶段。

分别是数据衡量业务、数据洞察业务，以及数据指导业务。

1、数据衡量业务

通过管理报表，我们可以快速衡量业务发展的状态。

也就是所谓的管理信息化——数据分析最基础的功能。

不过，在很多企业，这一项基本功能也存在很大问题。

比如，数据准确性、实时性存在问题，以至于报表辅助决策的能力大大被削弱。

要做到准确、实时的衡量业务，产品经理首先要理解数据的业务逻辑。

比如，对于CRM系统来说：

线索数*转化率*客单价=成交额

对于财务管理系统来说：

收入-直接成本=毛利

在梳理清楚业务逻辑后，产品经理最重要的工作就是确保系统按逻辑运行，并正确产生数据。

这里有很多细节问题。

比如，在计算毛利时，是否要含税？赠品是否计入直接成本？

它们往往是左右数据准确性、实时性的关键。

有时候，要解决这些问题，产品经理还需要协同业务部门，对业务流程和系统功能进行调整。

曾经，我咨询的一家企业，董事长坚持投入了数百万建设CRM系统，然而COO根本就不用系统生成的报表。

原因在于， CRM系统的管理报表与门店的手工报表始终存在差异。

在用三个月集中处理掉这些问题后，COO终于可以放心使用CRM系统报表。

结果，公司经营会议的召开频率大大提高，从“一月一开”提升到“一周一开”。

同时，由于不再需要人工统计数据，各个门店、总部都减少了行政岗位，为公司节省了一大笔开支。

2、用数据洞察业务

通过数据分析，可以找到业务发展的机会。

这里的关键在于，我们不仅要有准确的结果数据，还要有必要的过程数据。

比如，分析CRM数据，最简单的方法就是分析各个渠道的线索转化率和ROI，对于ROI较高的渠道，可以加大投入。

但是，这样的分析还远远不够。

因为，各个渠道的ROI并不是固定不变的。

比如，我们在某广告平台投放了广告帖子，用户如果对帖子名称等信息感兴趣，就会点击查看帖子详情。

如果服务符合客户的要求，他们就会主动联系我们，从而生成CRM系统的线索。

经过分析，我们发现“帖子点击量”与“有效线索数量”的比例是相对固定的关系。

这就意味着，只要我们想办法提高“帖子点击量”，就可以提高“有效线索数量”，从而提升成交数量和金额。

在这个实际案例中，通过优化帖子名称、定期刷新帖子等方式，该广告平台的成交金额提升了整整一倍。

在B端业务中，用数据洞察业务的难点，在于缺乏过程数据。

这时候就需要我们主动创造数据。

比如，在广告平台的案例中，我们是通过什么数据筛选出更有效的“帖子名称”呢？。

答案就是AB测试。

保持其他内容不变，仅仅修改一部分帖子的名称。

1个月后，将修改后的点击量与修改之前的点击量比较，以及与其他未做变更的帖子比较，从而筛查出点击数量明显上升的帖子名称。

在这个过程中，我们实际上通过AB测试创造了新的数据。

再比如，一个传统的线下经营企业，如何通过数据分析提升“转介绍成交金额”呢？

如果我们不创造新的数据，仅仅凭借碎片化、难收集的线下数据，是很难找到突破口的。

这个案例的破局点在于，我们开发了一套基于微信的转介绍小程序，再通过运营手段，让客户通过小程序进行转介绍操作。

这样，我们就可以收集到必要的过程数据。

比如，我们发现，转介绍的潜在客户只要进店体验，成交率就很高。

但是，很多潜在客户在收到老客户的优惠券后，并没有及时进店体验。

在这种情况下，我们就可以通过运营手段，促进转介绍渠道的潜在客户进店体验，并监控转化效果。

3、用数据指导业务

不管是用数据衡量业务，还是用数据洞察业务，其形式仍然是传统的报表工具。

数据分析的效果也主要体现为事后判断，并不能实时指导业务。

在数据分析的第三个阶段，我们要跳出“报表工具”的形式，把数据分析融入到业务流程和系统功能。

同时，通过“前置”数据分析，起到实时（real time）、适时（right time）指导业务的作用。

比如，通过数据分析，我们发现天气对便利店饮料的销量有很大影响。

太阳天的饮料销量，是雨天销量的2倍。

那么，当业务员在拜访便利店时，我们就可以结合天气预报等数据，提醒业务员加大饮料的推销的力度。

再比如，线下门店的案例中，当有潜在客户进店体验，在输入客户的手机号后，APP就可以提醒服务人员：

该客户来自张姐的转介绍，成交概率很大。

而且推荐张姐评价最高的X项目最有可能成交。

对于B端业务来说，这个阶段最难的一点，在于业务流程的在线化不足。

这就导致我们很难拿到全面、准确的过程数据，以达到“指导业务”的效果。

就是我们常说的：B端没有“大数据”，只有“小数据”。

不过，“数据指导业务”是数据分析的必然发展方向，B端业务也不例外。

我相信，B端产品在这个方向有着巨大机会。

02 如何培养数据分析能力

阿里巴巴前数据委员会会长车品觉老师，曾经提出过一个“混、通、晒”的能力框架，我觉得也非常适合B端产品经理提升数据分析能力。

• 所谓“混”，就是和业务混在一起；
• 所谓“通”，就是打通数据孤岛；
• 所谓“晒”，就是展示数据分析成果。

1、混

和业务混在一起，一方面是混“业务知识”，另一方面则是混“人际关系”。

不懂业务玩法，不了解业务痛点，就不可能有的放矢的分析数据；

和业务部门关系不好，就很难充分协作，合力攻克难题。

很多时候，我们为什么缺乏商业敏感、数据敏感，就是和业务混得不够。

曾经，SaaS星球有一位甲方B端产品经理提问：

刚入职新公司，领导安排她去业务部门轮岗1个月，但是她觉得自己身为产品经理，天天做的工作却和产品设计没有关系。

她想知道自己应该怎么做，才能体现出一位产品经理应有的价值。

我提醒她：你做产品设计的机会很多，但是你到业务部门轮岗1个月的机会却不多。

抓住这个机会，切身感受业务的难点和痛点，同时和业务部门同事搞好关系，对今后的工作开展会有很大的好处。

这位员工其实很幸运，遇到一位懂行的领导。

我曾经见到一种情况，某领导安排一位产品经理牵头设计SaaS产品，并且同意他出差拜访客户。

但是，仅仅在拜访过一次客户后，领导就要求产出成果！

很显然，该领导低估了“混”所需要的时间和频次。

我在负责SaaS产品的时候，经常和客户成功部门负责人、销售部门负责人混在一起。

这不但让我了解到更多业务数据，也让我有机会与其他部门一起推动产品的发展。

比如，我曾经和客户成功部门负责人一起分析“活跃度”与“续约率”的关系。

我们发现：

非核心功能的活跃度，与续约率不存在相关关系；

核心功能的活跃度，与续约率存在强相关关系。

同时还发现：

只要在3个月内，新上线客户的核心功能实现了活跃，那么这个客户的存活几率就很大，而且续费率也很高。

反之，如果3个月未实现核心功能活跃，这个客户就很可能流失。

这些数据洞察，对我的产品设计工作，以及客户成功部门的服务工作都有很大的启发。

在负责甲方产品团队的时候，我也要求产品经理每个月必须有2天时间外出，和业务同事一起去拜访客户。

实际上，我并没有指望几次拜访能够产生了不起的突破。

但是，外出拜访可以让产品经理更多的与业务同事、与客户混在一期，这对于他们的工作和成长会有很大帮助。

2、通

在实际工作中，由于业务分工明确，也由于部门墙的存在，商业与数据之间、数据与数据之间存在很多阻断。

比如，市场部门购买了很多线索，认为自己功劳很大。

销售部门却觉得这些线索质量不高，不但很难成交，还无谓占用了自己的时间。

解决的关键是市场和销售的数据要打通，同时两个部门坐到一起来讨论：

哪些线索的转化率低？

为什么转换率低？

是市场部门的线索质量把关不严，还是销售部门的跟进存在问题？

曾经，某门店连锁企业把线下活动作为主要的获客方式。

这种拓客方式最大的问题，就是线索质量不高。

同时，由于活动拓客带来的客户进店很集中，这就大量挤压了服务人员服务老客户的时间。

即便服务人员和部分客户都怨声载道——受限于过去的成功经验——市场负责人一直坚持这种获客方式，以至于忽略了其他可能性。

于是，我让产品部门对所有获客、成交和复购数据拉通进行分析，计算各渠道线索的获客成本、转化率、客单价以及复购率。

结果发现线下活动是最低效的获客方式。

同时，产品部门还发现转介绍的效率是最高的。

但是市场部门却从来没有系统运营过转介绍活动。

最终，经过协商，市场部门同意拿出一个月时间来主打转介绍。

结果，运营活动取得巨大成功。

不久，市场部门开始常态化运营转介绍活动，仅仅第一年，就给公司带来了30%的收入增长。

在这个案例中，产品经理其实就起到了“通”的作用，不但将业务与数据打通，实现通过数据驱动业务，还打通了部门墙，促进了部门之间的协作。

提升“通”的能力，需要产品经理有系统化的思考。

很多B端产品经理工作了十几年，经验积累了很多，但是只能解决一些单点问题，无法站在全局去梳理业务和发现问题。

这就是他们平时只是被动应付工作，很少主动去思考，从而形成系统化的思考框架。

比如，营销相关的产品经理，就应该熟悉客户的全生命周期阶段，包括：

潜客-新客-老客-沉默客-流失客

这些类型的客户如何定义？

有哪些衡量指标？

有哪些运营策略？

有哪些实践案例？

只有拉通理解了整个过程，在工作中去实际应用，才能提升“通”的能力。

3、晒

所谓“晒”，是通过展示数据分析的成果，让用户爱上数据工具，爱上数据分析。

比如，梳理出对业务最重要的核心数据，在APP首页进行展现，就可以显著提高用户使用数据的频率。

曾经，我咨询的一家公司所有数据报表都在PC端。

虽然报表功能强大，但是管理者的使用率并不高，更不要说门店员工了。

后来，我们梳理了报表的核心数据，把那些影响门店业绩、影响个人收入的指标提取出来，放在员工端APP首页，并确保数据的准确性和实时性。

结果，公司CEO告诉我：门店店长每天都要刷十几遍APP数据，晚上睡觉前还必须刷一次，如果业绩不好还会影响睡眠。

除了店长，下至一线员工，上至总部领导也都养成了刷APP的习惯。

“晒”数据的关键，是要把数据分析“产品化”，或者说，像设计产品一样设计数据分析。

这样才能让用户高频使用数据，甚至让用户爱上使用数据。

首先，“晒”数据要从痛点出发。

对用户没有价值的数据，哪怕你做得再精美、使用再方便，都不会用人查看。

第二，要确保数据工具的高可用、可解释

高可用，就是用户可以通过简单的操作进行数据分析；

可解释，则是当用户对某个数据产生疑问，系统能做好数据定义的解释工作，同时提供源头数据，方便用户追溯与核对。

第三，数据分析要嵌入业务流程，融入日常业务

“晒”的最终目标是脱离报表的形式，让数据分析融入到产品功能中，融入到日常业务中。

比如前面提到的“根据天气预报，提醒业务员加大饮料推销力度”的案例，就是通过数据解决了业务问题，但用户并不需要刻意使用数据工具。

产品经理平时要有“晒”的意识，时刻思考数据分析可以应用于哪些场景？如何设计数据分析功能，才能让用户爱上数据分析？

带着这样的思考去工作，就可以提升我们“晒”的能力。

03 数据分析无处不在

很多B端产品经理会抱怨没有数据，无法进行数据分析。

但有时候我们缺的不是数据，而是思路。

比如，给CEO汇报方案，如何预判CEO的态度？

我的经验是：

如果CEO微微点头，那说明方案得到了CEO的认可；

如果CEO开始翻阅iPad，那说明他认为这部分内容不是重点；

如果CEO开始记笔记，那说明他可能就会对这部分内容提问。

只要我们有心，到处都是有价值的数据，人人都是数据分析师。