编辑导语：做产品的小伙伴都知道，处理需求是做产品工作不可缺少的一项任务。而处理需求，就不得不找寻大量的证据去佐证这个需求的存在，这个过程叫做数据调研。在这个过程中，我们必须收集大量数据去进行数据分析。然而，我们不能简单的把数据分析当成一个工具，要深度理解数据分析，就不得不从它的意义下手，我们一起来看看。

作为产品在工作中会面对大量的需求。

当出现需求反映的问题不够直观时，会导致我们无法做出判断，甚至判断错误，造成不好的影响。

而通过数据分析来对需求进行调研，可以帮助我们作出决策。

例如以下这个需求：

假设A产品是一款B端产品，根据商家规模划分多版本，近日观察到该产品整体付费用户数呈现下滑趋势。

从假设中我们了解到了目前存在的问题，付费用户数下滑，所以希望通过一些产品动作来改变这个趋势。

这是一个合理和有价值的需求，但现在对需求非常模糊，有许多细节问题无可得知。

• 付费用户数下降是新订用户减少了吗？
• 付费用户数下降是续费用户率下降了吗？
• 多版本中是每一个版本都存在了下降现象吗？

当结合这几个问题来看后，我们就能发现，假设中对于“付费用户数下降”这一个现象不够直观。

所以我们依托假设中的现象，不知道具体去做些怎么样的产品动作。

• 是增加新功能来吸引用户呢？
• 还是增加功能来提升续费？
• 不同版本之前是否要区分功能呢？

这时，我们就可以分析近90日该产品不同的版本的付费用户数、新订用户数、续费用户数的趋势。

通过图表展示的趋势，更直观、更具象的了解付费用户的变化情况，定位出呈现该趋势的具体原因，从而针对性的作出产品动作。

由此可见，数据分析在需求调研阶段可以发挥很重要的作用，本文就想和大家讨论数据分析在需求调研中的意义。

一、为什么需要借助数据分析

为什么在需求调研环节需要借助“数据分析”呢？

1个问题对应了1个需求，我们会从需求的真实性、严重性和价值性来评估。

当我们面对的需求比较模糊、需求比较主观、需求展示的信息有限时，就无法判断出这个需求的真实性、严重性和价值含量。

这里通过引入“数据分析”可以很好的帮助我们解决问题，在不同需求的场景下，“数据分析”的方法和价值也大不相同。

接下来想通过具体的场景来进行说明。

1. 需求比较模糊

需求比较模糊，指该需求的表述不清晰。

举个通俗的例子，业主向物业反映天气太热希望电梯可以开空调，这就是一个典型的描述不清晰。

天气太热是一个非常模糊的概念，怎么样算天气热？

如果对天气热增加一个明确的定义，室温超过26度，就是一个清晰的描述。

当需求比较模糊时，仅依据现象无法判断需求的真实性、严重性和价值。

“数据分析”通过将描述模糊的现象数据化、图表化，直观具象地呈现出来了，帮助我们清晰地了解需求所表述的内容，做出合理的决策。

通过文章开头的案例来看下，“近日观察到该产品整体付费用户数呈现下滑趋势，希望通过一些产品动作来改变这个趋势”，这里对A产品付费下滑趋势就很模糊。

• 是1个2个还是几百个？
• 占比整个付费用户数多少？
• 是几天内下滑了还是1个月内下滑了？
• 是否是自然下滑趋势呢？
• 同比时间是否也呈现下滑趋势呢？

仅从下滑趋势的现象很难判断是否需要做相关的产品动作。

因为我们对下滑的数量、速度都非常模糊，就无法准确判断下滑的严重性，就没法决策需要做产品动作了。

调研A产品近30日的付费用户数，从10000下降到了8317，下降1638，占比16.38%，而去年相同时间付费用户呈上升趋势。

结合图表，我们能非常明显的感知到，A产品近30日呈现一个非常明显的持续下滑趋势。

直观地展示了下滑的趋势和严重性，帮助我们做出了判断：需要通过一些产品动作来进行应对。

2. 需求比较主观

需求比较主观，指该需求的表述带有浓厚业务方的主观意识。

这是人的阅历、学识和经历不同所导致的，是基于人本身的经验判断，对于同一个现象，不同经验的人会做出不同的判断

例如关于A产品付费用户呈下降趋势这一现象，某同学之前经历了3个项目，3个项目中都存在付费用户数下降的现象发生，通过做了一些提升续费的动作改变了下降趋势。

所以这一次面对A产品付费用户呈下降趋势现象时，该同学自然而然提出了这里“付费用户呈下降趋势是由续费率下降导致的”，需要做相关提升续费的产品动作。

但事实上，如果我们拆分付费用户数的组成部分，就能发现付费用户数的增长还是下降，是会受到新订用户数量和流失用户数量影响的，存在多种情况的组合。

因此，当需求比较主观时，需求描述所呈现的信息因带有主观色彩而变得并不可靠，会存在误导的可能性。

这里就需要使用到“数据分析”。

因为数字是对现象的客观描述，以数字形式呈现的需求所反映的现象是客观的，帮助我们客观地了解需求，做出合理的分析判断。

反之如果不通过数据分析，仅依靠决策者经验和过往经历，作出的判断很有可能是拍脑袋的

这里我们就通过数据分析，来验证“付费用户数下降是否真的是由续费率下降导致的”，为我们后续的产品动作提供指导意义。

1）对付费用户数进行拆解

付费用户数的变化是由每日净增长带来的，通过下面两个图形可以发现。

当后一日付费用户数大于前一日付费用户数时，呈现上升趋势，即每日净增长为正数。

反之，则为下降趋势，每日净增长为负数。

2）相关公式的运用

• 拆解每日净增长 = 每日新订用户数 – 每日流失用户数；
• 若每日净增长为正数，则每日新订用户数>每日流失用户数；
• 若每日净增长为负数，则每日新订用户数<每日流失用户数。

掌握上述基础数据后，我们调研A产品近30日的新订用户数和流失用户数，发现新订用户数从第1日的1000下降到了第30日的700；而流失用户数从第1日的800下降到了第30日的750。

3）取第1日和第30日的数据所得推论

• 第1日的净增长=1000-800=200；
• 第30日的净增长=700-750=-50；
• 可以得出，每日净增长从增长200个变为了下降50个，因净增长趋势的变化，导致了付费用户数不断下降。

再单独分析新订用户数和流失用户数，可以发现新订数是不断下降的，而流失数是上升的了，那么可以得出付费用户数呈下降趋势，更多的是因为新订用户量减少而导致的，更需要做的产品动作是拉新相关的

因此，案例中的同学提出做“提升续费率”是一个从主观上判断A产品呈现下降趋势的原因是因为流失用户数上升，续费率下降了

3. 需求展示有限

需求展示有限，指该需求比较直观和客观地描述了问题的现象，足够对需求进行判断，但是文字描述展示的信息是有限的。

而通过数据分析，数字能透出更多信息给到我们，帮助我们了解现象背后的组成情况，以挖掘出更多的信息来帮助我们需求决策和做出对应的产品动作。

首先需要来看下文字和数字的定义，在这里文字是指，用语言描述现象。

而数字是指，用数字代表现象。

例如以下A产品付费用户数的现象：

• 用文字描述：A产品付费用户数7月1日到7月31日下降明显
• 用数字描述：A产品付费用户数7月1日到7月31日下降17%

这里可以发现，数字描述的信息比文字更加准确。

在A产品付费用数的描述中，文字描述下降明显，无法传递出下降的程度。

而数字可以通过下降占比准确的表达了下降程度，帮助我们更加精准的了解需求展示的内容，这是数据分析可以帮助我们挖掘出更多的需求内容。

其次，数字还能帮助我们透出现象的组成信息。

例如在A产品付费用户数下降的案例中，对付费用户数下降的现象是这样描述的。

A产品因为近期新订用户数出现大量下降，而流失用户数持平导致的。

从这个描述中已经能判断出，付费用户数下降是由新订用户数大量下降造成的，需要通过拉新的产品动作来进行

但如果借助数据分析下钻后，以“版本”的形式对A产品进行不同版本的新订用户数分析。

调研了A产品两个组成版本：旗舰版和专业版（分别对应大商家和中小商家）近30日新订数的变化趋势，得到以下数据：

• 其中旗舰版从日常50笔下降到了47笔，下降3，下降占比6%
• 专业版从日常950笔下降到了703笔，下降247，下降占比26%

从数据中可以发现新订快速减少的是小用户版本，再结合了解市场信息，发现A产品的竞品近期免费了。

也侧面验证了造成了心智不成熟、黏性不足够的小用户由付费倒向了免费的产品。

这就是通过数据分析挖掘出的附加信息，能帮助我们针对性地对中小用户展开动作，以挽救下滑趋势。

二、总结

作为产品，在日常工作中我们会遇到很多需求，有自己发现的，有用户反馈的，有领导指派的。

大量需求充斥的情况下，受制于需求描述的模糊、主观和有限，导致我们无法做出正确的需求判断。

这个时候通过分析需求现象的数据，来确定需求的真实性、严重性和价值性，帮助我们做出正确合理的判断。

#专栏作家#

晌午，微信公众号：晌午自习室，人人都是产品经理专栏作家。4年产品经验，专注于数据方向，目前是电商客服领域的产品 。

本文原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议