当toB产品经理遇到数据分析

当toB产品经理遇到数据分析

对于我来讲，我本身是学的软件工程，后来从事产品经理，作为toB端的产品

经理，可能最爽的点在于设计软件的过程中，能利业务吃透，面对庞大的业务

体系和复杂的逻辑，很难让自己在专业方面没有提升。

但是在经历面向的大多数是大客户和领导层面的人之后，难免会产生枯燥的感

觉和到达瓶颈的挫败感，因为大多数情况下，toB产品不需要创新，不需要美

感，更不需要突然爆发的灵感，需要的是对客户业务场景的深入调研和理解，

强调的是客户的价值。

在toC端数据分析一片红海的情况下，toB在此领域倒是显得有些呆萌，说到

底，toB的产品对于数据分析这项技能用的很少甚至不会用到。

但是，在经历了上述心路历程之后，也会有新的发现，那就是在toB端工作久

了，越来越发现对于政策的把控和对于民生发展的趋势的把握显得十分重要，

然而在公司的背景下，对于有些东西是现成的，直接拿来上手去做就可以，这

就导致了对自身思维的禁锢。

但是哪怕假设假如以后会创业（每一个产品都有一颗创业的心），对于数据分

析来讲也是写好计划书的一小部分不可忽视的技能，所以当toB遇到数据分析

未尝不能擦出一些火花。

后续会更新更加详细的步骤包括用到的工具。

以下内容均来自一个初步认知数据分析的toB产品的总结：

数据分析大致可以分为以卜几个步骤：

1.问题工程：得到什么结果

2.信源工程：数据从哪来

3.数据工程：也可以叫数据处理（为了格式一致就叫那个名字吧），目的是

得到“好”数据

4.特征工程：从哪些维度入手

5.模型工程：标签应该怎么分析

6.展示工程：结果怎么呈现

最后，讲好一个故事，一个可以将上述步骤都包含进去的故事。

一、问题工程

问题工程简单来讲就是想要得到什么结果。什么样的曲调决定了歌词情感动

向，如果在一开始就没有想清楚到底研究的是什么问题，或者没有一个明确地

主旨的话，那么后面所做的东西都用不上（简称：垃圾）。所以第一步虽然是

最简单的，却也是最重要的。

二、信源工程

1.信源划分

可以将信源划分为信息发布者、行业类型、所属地域和网站类型这几个维度。

行业类型

所属地域

信息发布者

（1）信源类型

①信息发布者

可以分为UGC（个人）、PGC（专业生产内容）、OGC（职业生产内容）。

期刊

综合性论坛r广济电视

一新闻

区域性论坛--论坛类1

PGC-

行业性论坛--政府网站

一媒体

贴吧、

一邈案弓挈

博客-

-逋讯社

况乎一

^41—UGC

知识付薄其

将音-OGC

与幺媒体习

空博一＜

微信一

视叛号一

qq空闾」

知乎@别而

信息发布者类型:

行业类型：

保期

加

能源

餐饮

电物

山

房地

产

服初

业

服野

业

公慧

织

继

广型

此

航空

天

化学Irt

业

健康

保健

建细

教育

培训

计算机

农

业业

旅游

律师

体育运

演艺

服

医疗

设计

金融

交通运

咨询等

：

地域

所属

。

分等

家划

按国

分，

市划

按省

可以

型：

网站类

类。

企业

验、

度经

频、百

、视

百科

交、

、社

咨询

例如

：

分类

商的

如电

点比

化一

再细

综合类

苏宁

东、

、乐

天猫

宝、

饮食类:淘

了么

团、饿

锻炼类:美

健康

p,薄荷

旅游类：kee

儿

去哪

程、

、携

点评

：大众

分

的划

类型

数据

2.

态数

、动

数据

任务

称、

品名

：产

限于

但不

包括

讲，

商来

于电

，对

例子

举个

还是

量。

收藏

据、

发数

）、转

发数

、转

论数

据（评

步骤

基本

信源

值的

有价

定位

3.

题

析命

，解

读题

步：

第一

来源

可能的

出信源

，列

思路

拓开

步：

第二

数据

信源和

采集的

筛选需

列表去

步的

第二

按照

步：

第三

据

基础数

价值的

得到有

工，

精加

再次

据中

的数

采集

在已

步：

第四

品牌的

碑、

的口

商品

述、

的描

、商品

数据

卖的

品售

要商

会需

一定

分析

类的

*商品

。

或缺

不可

这些

数据

微博

数据、

、口碑

数据

评论