产品经理每周都要进行产品相关的数据进行统计并汇总，以周报形式递交。在写周报过程中，或多或少会遇到很多方面的问题。这篇文章将会从写周报的目标、意义、误区、策略及行动指南等方面，进行阐述，供大家一同学习和参考。

产品周报是产品经理每周所要针对业务或产品的目标，所进行一系列数据统计的报表。

对数据的处理是数据分析师或数据工程师所要做的工作，产品周报其实可以简单的对本周的工作进行总结即可，为何还要写作一份基于数据维度的统计周报呢？

招聘网站上关于产品经理的岗位要求，其中涉及到“数据”这一块的要求则是：“具备较强的数据分析能力”“研究和分析日常产品效果数据、用户反馈、跟进产品的体验完善，不断优化产品”……

可见，数据思维是一个产品人必须要掌握的技能。

产品经理每周在固定时间对上周数据进行汇总和统计，主要的原因包含以下几个方面：

1. 总结上周的产品数据相关情况，了解产品优化、迭代后的效果
2. 通过周报数据的分析，获得了产品功能受欢迎程度、投入产出比等效果的反馈，方便进行复盘、分析
3. 基于对数据的分析和洞察，找到优化点并形成下一步的迭代方案或处理机制
4. 从数据中发现机会
5. 其他的目标（例如：对投入产出比的计算、ab测试的短期验证、埋点数据的统计和分析、汇总数据上传至企业战略层做产品路线的修正优化等）

通过数据化的分析，产品有了数据的量化印证，可以精确的进行迭代和优化，在实践过程中也可提升产品经理对数据的处理能力、洞察能力。写好一份周报，这本身是产品修炼的基本功之一。

01 策略：基本要求

什么是一份好的周报呢？好的周报一定是有标准和原则的。根据笔者参与过写作的周报，通过对实践过程的进一步的提炼和优化，得出以下的几个规则：

1. 周报必须是真实客观的

什么是真实客观？为什么要真实客观？可以说，真实客观是周报原则里最基本的要素。

所谓真实客观，就是数据不弄虚作假、有缺漏、不确定，要反应真实的用户使用产品的情况。

产品周报将应用于产品或业务的决策。如果这点做的不好，我想应该可以面壁思过了。

2. 周报的数据是要量化的

什么是量化的？“道生一，一生二，三生万物”。万物是多少的数量呢？无穷无尽，这里没有一个数字能指代。但产品周报的数据需要量化，量化本身是统计的尺度。在文字描述中我们用的较多的“大约”“可能”等模糊词汇，在周报中便要避免使用。

数据上的模棱两可，看不到实际的最真实的效果，让产品的决策变得复杂，甚至是难以说服自己和领导层相信，这个数据为什么能够支撑起企业百万、千万或更大成本或用户量的决策依据？

3. 周报的数据统计是基于目标、详略得当的

不同的企业由于所在阶段、使用习惯等，有些企业习惯使用BI作为数据统计的方式，而有些企业则通过技术或第三方平台进行数据统计，但总体而言，产品的历史需求是不断累积的，时间越久，历史所累积的数据会越多。

数据是金矿，因此要全方位的对所做过的产品需求的数据进行统计。在周报这里并不成立。”乱花渐欲迷人眼“，数据统计越多，会造成决策的分析成本会越大。

什么是“详略得当”的统计呢？详略得当的含义，就是不需要进行全部的统计。只需要针对产品核心的业务目标进行的数据统计，有相关的产品业务线交叉，这部分的数据也应统计。临时类数据（例如埋点，ab测试，某个运营活动）、效果类数据（转化率、引流效果、用户量、购买率）等方面的数据，也需要进行统计。

一般而言，如果企业把较大范围、多个业务线的数据进行统计，一般是由多个产品经理进行负责并同时输出和汇总。期间，有一套相对契约的统计规则帮助产品人对数据处理。笔者曾经负责过的进行周报数据统计的业务线，则是同时进行统计和汇总。

4. 周报的数据应该全面的

这里指的是关键产品目标数据。例如：需要对电商平台的订单进行统计，其中的一项关键指标就是用户的页面转化率（从产品详情页进入到订单结算页）。拿到了转化率，可了解详情页带给用户的实际购买转换情况，这是作为决策的依据之一。

更复杂点，还要从用户进入订单页到结算完成的用户事件之间转化率进行统计。这样，如果要提升购买的转化率，则分别从商品详情页进入订单页、订单页到购买完成的转化率入手，通过数据指标进行分析，产品根据分析的结论，后续对产品进行了下一步优化。

以上4点原则是写周报的一些基本要求。从实践角度而言，由于涉及到数据的精准量化统计，极易出现各类的统计问题。在阐述如何写好一份数据周报前，我们应该认识一些常见的错误。知道什么是错误的，可以更好的让我们避免写周报过程中的一些雷区。

02 误区：容易发生的错误原因

我把写周报过程中容易发生的错误原因，划分为了三个方面：工具性统计错误、方法性统计错误、人性统计错误。

1. 工具性统计错误

例如：埋点错误造成的数据统计错误。产品安排技术进行埋点时，错误的把埋点的页面区域位置上升了一层，导致实际的用户行为数据比真正要统计的目标数据还要大。

统计对用户的性别构成占比。技术层面可以拿到相关的性别这是最好，如果不能获得用户授权，则无法体现性别。此时，统计了性别构成占比，需要增加第三个维度：未知性别。否则，把“未知性别”维度去掉，所得到的占比数据就是不精准的。

再如：在数据后台上统计的数据中，发现某个维度的数据为空，一般用符号”\“或者”/”或者为空进行展示。产品人如果不注意这类工具性错误，那么就会造成统计错误。碰到此类情况，需要把数据反馈给技术部门进行排查，找到数据不显示的原因，再对该批数据进行统计。

工具性统计错误一般是通过技术性、异常性等原因造成，遇到此类情况，首先要确认数据错误的原因，待数据完善后再进行汇总。否则，数据的统计就是不准确的。

2. 方法性统计错误

所谓方法性错误，即产品经理使用了不正确的方法对数据进行统计和处理。

例如：对数据定义的错误理解，造成的统计错误。比如：当统计用户的平台登录数时，要确定这个数字是点击了登录按钮的PV、UV，还是点击登录并成功登录的人数。对定义的错误理解，统计到的数据自然是不正确的。

再如：还是针对上文提到的案例。用户从产品详情页进入订单页付款购买完成。此时需要统计订单转化率。如果产品经理把转化率的计算公式定义为：

订单转化率 = 用户进入详情页的uv / 用户进入订单页的uv

那么，这就是错误的转化率统计方法。

又或者：产品经理需要对海量数据进行统计时，采用数据透视表的功能。统计某个维度的数据后，没有清空筛选条件，再对下一批不同类的数据进行统计，就会出现多重筛选的错误。

再如：对不同维度的数据需要进行汇总在同一个列表上对比展示，其中涉及到部分的数据动态计算处理。那么，直接复制粘贴的方式，获得的数据实际上是有误的（计算公式的原因）。对数据处理的方法有一定的技巧，如果不能注意，那么就容易造成了统计错误的情况了。

3. 人性的统计错误

在《欢乐颂》电视剧里，刘涛饰演的安迪作为一家企业财务负责人，针对其他的企业进行一项收购案中，部门下的同事对其中某个数据统计时出现了重大错误，如果按照该数据方案执行，会让让财务并购案的成本增加了10倍。这种数据的统计的原因，就涉及到了“粗心”的范畴。

数据统计不全面、计算错误等方面的问题，可以认为是人性方面的原因。从结果维度看，这本书也是能力上的一种体现。因此，涉及到这方面的问题的产品人，更需要进行刻意练习。

03 行动指南：如何避免问题？

以上所列举的周报的数据统计中常见的一些问题。这些问题应该怎么避免呢？从所统计数据的定义、方法、习惯和事后检查等方面，可以有效的避免这些问题的产生。

一般在统计周报的时候我们会使用已有统计的方式，在统计完成之后似乎是万事大吉了。这是数据的获取和展示阶段，还有一个重要环节，就是检查数据。检查即是为了修正、检查和完善数据。

如何检查数据呢？笔者从查看数据—了解数据—质疑数据-判断数据的角度去给出一些建议。

1. 查看数据：对展示的数据进行整体的观察。
2. 了解数据：对观察到的数据进行了解其前后文、定义和起伏波动等量化和流程性指标。
3. 提出质疑：对所了解的数据进行质疑。例如：上周的转化率波动异常，其环比值有较大提升。我们需要对该数据进行质疑：“数据为什么会突然间上升？会不会是统计错误？可能是哪些因素导致的？这个状况是不是其他地方也有？用户行为反应了什么情况？..”通过自我提问和质疑数据是否统计准确的方式，获得对数据的根本判断。
4. 判断数据：针对数据完成其真实性、前后文等进行的判断。需要对数据进行流程化的判断和思考，从而为后续的洞察周报的数据做好准备。

完成了基本对周报数据的4个基本动作后，就需要对数据进行洞察。洞察是为了帮助产品经理更好的使用数据进行决策、分析和制定下一步的产品优化方案。

洞察数据的维度可包含以下几个方面：

1. 理解指标的意义及走势情况：包含对比、环比、升降、转化率、占比等方面。
2. 从数据前后文发掘数据在整体流程上的情况：如数据所在位置和流程、 数据所在的盈利链条、数据所承载的目标和作用
3. 理解和洞察。例如：我们对数据从业务目标、所代表的背后含义、反应了用户的行为/动作/趋势/喜好度等方面入手。

洞察数据后，了解其成因和所代表的用户行为等方面，就可以为后续的产品优化、产品决策做好准备。

最后

以上是从数据的洞察方面进行了总结和概括。笔者认为，产品经理写好了一份数据后并不代表周报已经完成和结束了，而是让我们从数据思维角度，去做下一步产品优化的开始。

只有保存对数据的敏锐度、提升从数据中捕捉需求、了解反馈、洞察未来的能力，才能成为一个不断升级打怪产品人的必经之路，是为后续高阶的产品之路做好铺垫。从周报见方法、见自我之性格、见习惯，这更是自省反思及提升的实践之路。

本文由 @阿艺师傅 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。