【数据篇】突发式流量数据暴跌case
情境：你在某天早晨起来，发现昨天产品流量暴跌20%，你该怎么办？
从技术和产品的角度分析：
1. 有没有产品或业务的变化
这是遇到大幅度数据变化的时候首先要考虑的问题。比如商品调价、试用到期、网站改版等等，这一类变化对流量的影响通常是粗暴直接的。
这样的数据变化应该是在预料之内的，我们要做的是取一些数据，详细分析细节上的具体变化和影响，以供给业务部门做策略参考。
2. 排除技术故障可能性
系统故障：除了询问技术是否有相关发布（有时候纯技术的变更，产品经理可能不知情），请他们查看系统监控和报警之外，我们也可以去看相关数据的分时报表，看一下24小时内的流量变化。例如某个时间段流量为0，可能就是出现系统故障。
环境故障：比如网络故障、终端故障。需要对用户进行分类，从而观察数据，区分出不同的设备、网络条件、浏览器、屏幕尺寸、分辨率等技术参数，再做一下对比。例如某个运营商做DNS劫持，但没有正确处理https访问，导致大量用户访问错误。
3. 流量降低的“案发现场”在哪里
观察在所有的产品页面和功能模块中，是否存在一个模块的流量显著降低，影响了整体情况。这要求我们对产品构成有一个宏观的了解，至少知道有哪些页面和模块，需要从信息架构层面去考虑不同页面，要对不同模块的流量数字和比例做到心中有数。
找到“案发现场”不代表找到具体原因，只是找到了进一步做数据分析的一个努力方向。
4. 数据变化的渠道特征
渠道分析只用于Web和小程序，移动应用要从用户的角度分析。无论有无找到“案发现场”，接下来要对渠道和用户做各种维度的划分，一层一层去找流量下跌的原因。
Web流量分为直接流量、搜索引擎（自然搜索和付费搜索）、引荐流量三大类型。
直接流量：来源众多很难找到突破口，只能在做用户分析的时候再做考虑。
搜索引擎：通过来源搜索引擎和关键词去判断，还可以和着陆页组合分析，去追查流量降低的原因。
引荐流量：自然引荐-通过工具找到具体的来源，合作站点-最好有明确的来源标识，便于统计分析，社交网络-有可能受到来源站点的限流政策影响。
小程序依托微信自身提供的分析工具，包括模块消息、公众号文章、二维码扫一扫、二维码长按识别等等。
从用户和业务的角度分析：
1. 新老用户
在数据分析中，应当将新访和回访用户当作完全不同的用户群体，因为他们对产品的认知和行为倾向都会有很大差异。在这里就是关注产品的获客和留存阶段。
新用户：通常需要和渠道做交叉分析，去观察哪个渠道关掉了，例如投放到期或欠费。
老用户：通常可以跟产品模块流量交叉分析，经常是召回手段出了问题，例如推送没发出去、邮件服务停了等等。
2. 不同行为模式的用户
除了对用户的客观属性进行分类外，我们还可以从业务出发对用户进行分类，通过根据用户在产品中的行为和轨迹，为用户加上各种标签来区分用户。这个过程我们可以做的很复杂，以至于变成一个动态的用户画像分析系统。
我们从日志系统里面抽出用户的行为轨迹，通过一些方法，去掉时效性和一些非典型性行为的影响，做一些聚类和分类的工作，再归到各个用户维度中去，就可以做好一个精准分类了。
如果内部没有高端的数据系统支撑，可以考虑产品体系中，有哪些行为可以帮助做各种有业务意义的用户分类，利用典型行为和现成工具做一个快速分类。例如“喜欢分享的”和“不喜欢分享的”。
通过这些维度差异去交叉对比分析，可以看出流量暴跌端倪。围绕“流量”，除了用户数量变化之外，还需要观察浏览数量、用户停留时长的变化。在大部分情况下，只要用户数和停留时长没有太大的波动，流量的变化并不会立刻威胁产品的健康状态。
3. 业务有关的数据因果
学会如何拆解业务公式，产品中的任何一个业务数字，都应当可以逆向推出计算方法。
再做业务有关的数据分析时，我们要尽可能地把粒度拆得小一点，才能有的放矢。例如定位到专栏文章详情页，逆向拆解为：
文章详情页浏览量=当日更新文章数*当日平均浏览量+存量文章数*存量文章平均浏览量
在此基础上，做进一步分析。
4. 其他不可抗因素
除了一些我们能够分析、定位以及解决的问题之外，还有一些我们也无能为力的情况。做事讲究天时地利人和，做产品也是。不可抗因素例如开学、政策等等。
如何沟通和解决：
优秀的数据分析师：会发送非常详细并且有条理的分析邮件。这封邮件的基本结构和内容都很清楚而且很专业，首先是通报发生了什么事，之后直接了当地给出结论和原因，接下来就是用详细的数据分析过程作为依据，最后是作为数据分析师，给出的一些思考与建议。
1. 数据分析要形成结论
数据是我们发现和研究事实的线索，数据本身没有意义，我们需要分析和加工才能为其赋予意义。
如何检验我们是否形成了合适的数据结论呢？其实与需求分析一样，向上追溯原因，向下推测结果，就是从数据指标变化出发，连问五个为什么(why)，再连问五个那会怎么样呢(so what)。如果自问自答结束，感觉对这个回答很满意，那基本就算有结论了。
这个方法仅是个思路，找到数据波动的原因，分析可能产生的结果，合起来就能形成一个不错的数据分析结论。
2. 进行必要的有效沟通
发生数据波动后，作为产品线的负责人，有义务主动向相关方通报数据波动，并附上相关结论和应对措施。
有时候如果是工作失误导致的，其实不要害怕声张。面对问题、分析问题、解决问题本来就是我们的日常工作。
分析中有两大忌讳，一种就是只给现象不给结论，而且现象也很粗浅；另一种是一次说不清楚，要不断反复解释。要保证自己沟通中的信息量，直接给结论，干净利落最好。
3. 要有应对策略
合格的产品经理面对这样的情境，应当能够从短期、中期、长期出发，去考虑如何应对，即便是权衡后决定不采取任何措施，只是保持继续观察，也是一种策略。
短期策略：如何快速把数据抢救回来；
中期策略：怎样修复相应机制，防止问题再次发生；
长期策略：类似的数据波动是否会对我们整体的产品规划和方向选择有所影响。
短期措施立刻投入资源并监控产出；
中期措施资源列入需求池，等待评估启动；
长期措施并不会立刻做决议，而是留下问题和线索，等待进一步讨论。
这是黄西西的第7篇产品笔记。上课需要做笔记哦，learn from邱岳。
