虽然没有释放数据力量的神奇公式，但360度的方法可以帮助你建立一种公司文化，在决策时优先考虑数据，帮助你回答产品背后的"如何"、"什么"、"谁"以及一直难以捉摸的"为什么"。以下是我在数据驱动产品创新方面的规则，这些规则是我多年来在DieProduktMacher为客户打造数十种数字产品的经验中总结出来的。"什么"你收集的东西第一件事：确保你带来了你需要的数据。虽然这看起来很明显，但是花时间询问人们关于他们的日常jtb（要完成的工作）以及他们需要什么信息来做决定是非常重要的。一旦你有了数字，就要密切地了解它们。全面了解人们使用您的产品时生成的数据。虽然电子商务企业可能会跟踪购物车的大小和价值，但基于广告的网站将注重印象和独特的用户。收购团队将关注流量流入、点击率等；保留团队关注每用户的访问量和电子邮件活动的开放率；其他团队则关注功能的采用、深度和使用频率。这里数据的个别属性和广度将因行业和垂直方向而有很大差异，但重要的是您知道用户信息如何流向您的团队。有了数据仓库，就可以通过设计有针对性和相关的仪表板使其广泛访问。最好的仪表盘包括：绝对和相对数字（例如转换和交易数量）上下文（例如时间轴）异常（例如异常活动警报）你怎么做到的在确定方法时，方法会根据您是在使用现有产品还是在构建新产品而有所改变。我喜欢这样组织我的思想：现有产品→优化→数据分析新产品→机器学习→数据科学现有的产品已经有了可用的历史使用数据，并且这些数据应该始终作为起点使用。另一方面，新产品没有历史使用数据的好处，因此需要进行收集，以便以后进行优化。你也可以选择利用机器学习的力量为你的产品。但请记住，对任何现有数据的正确理解对于指导您完成调整和优化机器学习模型以满足您的需求是必要的。这就是为什么数据分析总是第一位的原因。这里的一些创新思维可以推动你的产品向前发展。考虑可用的不同数据源，以及在产品定义过程中生成新数据的方式。例如，您的产品的前一个版本或完全不同的产品中是否存在有价值的数据？除了您公司自己的数据之外，还有哪些公开可用的数据？贵公司的产品组合中是否有其他产品可以告诉您如何收集信息？为了收集其他（付费）产品的数据，谷歌是免费产品的主人。在DieProduktMacher，我们鼓励从尽可能多的来源收集见解、信息和数据：市场趋势、基准、可用性测试、a/B测试、分析数据、用户访谈等。知道你在为谁创新虽然数字和匿名市场调查会有所帮助，但真正了解用户需求的唯一方法就是与他们交谈。超越你通常所处的泡沫，与产品的用户和非用户建立联系。询问他们为什么要使用或不使用它。将此信息用作读取您收集的所有未来数据的基础。将对用户需求的理解与本文第一部分中的"什么"结合起来，对于优化产品至关重要。扪心自问："我有哪些数据可以帮助我满足用户的需求，哪些模式可以用来传递用户价值？"。综合起来，这两种见解可以开始互相加强。说到用户需求，我的口头禅是：将简单的解决方案优先于复杂的解决方案一个。推特到你的网络！今天很多产品的设计都考虑到了人工智能的能力，但是最好的产品总是把用户放在中心。这种想法不应该是这样的："GAN（generative-atterial network）技术很酷。既然机器可以生成人眼所能看到的真实照片，那么让我们建立一个功能，让我们应用它。"相反，它应该从"我的用户需要什么？"？我能用GAN技术解决什么问题吗？""为什么"记住，定量数据只能为我们提供一个视角，它可以帮助我们理解"如何"、"怎样"和"谁"等问题，但决不能理解"为什么"。这就是定性数据的来源。定性数据更适合于回答那些尖锐的"为什么"问题，并激发新的、创新的数据分析方法。例如，假设您发布了一个具有个性化内容聚合的功能，可以向用户提供建议。您可能会发现，这个特性在一开始就被大量使用，但随着时间的推移，使用率会下降。一个详细的群组分析告诉你，长期使用该功能的用户更容易流失。对其中一些用户的采访显示，他们认为，随着时间的推移，建议的质量下降，内容不再有趣。归根结底，没有任何一件孤立的事情能够为你提供关于你的产品的真相，或者你应该合理采取的下一步行动。但是，通过不断努力从多个角度理解数据，公司可以开始为用户描绘一幅清晰的图景，最重要的是，每个级别的决策都可以成为真正的数据信息。关于费边·迪尔Fabian是德国慕尼黑DieProduktMacher GmbH的联合创始人/常务董事兼数据科学主管。在成立DieProduktMacher之前，Fabian曾在Hubert Burda Media的子公司担任业务绩效主管。2006年，他还与他人共同创立了一家机器学习初创公司（KNIME）。Fabian有多年的在线产品开发经验，看到他们的失败和成功。这段经历使他在开发用户喜爱的产品方面拥有深厚的专业知识。LinkedIn | Twitter |网站