數據驗收，是產品經理經驗新功能反饋的常用手段，那麼要想做好數據驗收這件事，都要做到哪幾點呢？筆者將為大家揭曉。
新功能上線後，產品經理一般會對新功能進行數據驗收及彙報，以驗證數據效果及指導下一步的方向。那如何全面地進行數據驗收呢？
筆者認為，做好以下四點即可：
- 上線前設計客群分組；
- 設計數據指標體系；
- 上線後對比驗收數據；
- 分析數據原因及未來規劃。
一、上線前的準備
1. 設計客群分組
設計實驗組與對比組的作用是控制變量，保證數據驗收的客觀性。
1）實驗組要求
除了新功能這一個變量，其他的變量儘量與對比組保持一致，其他變量包括時間、渠道、用戶狀態等。客群數量方面，要足夠說明效果（一般需要1萬以上的客群）。
2）對比組要求
沒有新功能的變量，其他變量與實驗組保持一致。客群數量方面，如果數據驗收受客群數量影響，則實驗組與對比組的數量要基本一致。
3）分組切量方法
如果僅是上線了一個新功能，需要新版與舊版進行對比，可採用灰度方法，通過控流開關實現控量分組；如果是要做多個方案的對比測試，則可採用A/B測試方法，通過接入吆喝科技實現（如果開發資源充足，當然可以自己開發A/B測試功能）。
2. 設計數據指標體系
1）確定業務目標
比如提升某個功能的轉化率、提升某個業務的收入、提升功能留存等。
2）按用戶路徑拆解數據指標
用戶數據：功能入口的流量、用戶分群等
行為數據：每個環節的行為轉化數和轉化率，例如功能使用的用戶數、功能點擊率、付費率等。
業務數據：付費人數、收入、千次曝光收入等
3）數據指標再次細分
以上拆解的數據指標，為方便後面的深入分析，還可以按用戶屬性或事件屬性再次拆解。例如按用戶屬性拆解，借款產品則可區分授信通過戶、授信拒絕戶；按事件屬性拆解，區分登錄方式、區分渠道等。
3. 提供埋點
1）埋點規範確定：埋點組成是頁面+操作+區分類型的字段
2）前端埋點和後端埋點：結果性事件一般前後端都埋，包括成功事件、失敗事件（失敗還要埋失敗原因）；過程性事件一般是前端埋點。
3）上報時機確定：大多數埋點的上報時機是比較顯而易見的，所以文檔里可以不用強調，比如曝光、點擊的埋點。但是像上報時機有多個的情況，則需要跟開發明確。比如失敗事件，是後臺返回失敗才算失敗，還是前端拋出失敗提示就算失敗。
二、上線後的觀察與分析
1. 對比驗收數據
1）上線後對比數據是否符合預期
同期對比：實驗組與對比組同期整體對比，看分組的業務數據提升或降低效果。比如看某個功能的轉化率或某個業務的千次曝光收入等。基本上從同期對比就可以得出，新功能對業務指標是起到正向還是負向的影響。
前後對比：已經有同期對比了，前後對比還需要嗎？答案是某些場景下需要。因為同期對比一般來說，需要開發做灰度切量的功能支持。所以如果新功能效果是顯而易見的，且灰度功能做起來比較耗資源，我們可以選擇上線後全覆蓋，通過前後對比來看數據效果。
2）上線後分析新功能是否帶來長期價值
一般來說，新功能只要看是否滿足業務目標就足夠了，但是我們還需要關註長期價值。一個好產品需要具備對用戶有效用、對企業有收益、可持續這三個屬性。
所以我們還要放寬視角，關註新功能的精準留存。如果用戶有持續使用新功能，那說明新功能具備長期價值，值得繼續深挖；如果用戶只使用一次新功能，那說明我們對需求把控沒有到位或新功能沒有很好地滿足用戶需求。
3）上線後探索新功能的更多可能性
除了看新功能是否符合預期、是否具備長期價值，還可以詳細分析新功能本身的數據，得到下一步優化的方向或獲得需求洞察。
比如用漏斗分析看每一步的轉化率，分析漏損在哪裡；比如分客群看使用新功能的情況，分析哪個客群是新功能的核心客群；比如看用戶使用新功能的頻率和時間分佈，分析用戶對新功能的使用習慣。
2. 分析數據原因
一般來說，分析數據背後的原因，分為客觀原因和主觀原因：
1）客觀原因
由於改變客觀環境，帶來的數據變化。比如縮短用戶操作路徑，減少用戶操作；優化頁面佈局，使主要功能更聚焦；優化性能，提高接口返回數據速度，降低失敗率；增加場景，提高曝光從而提高收入等。
2）主觀原因
由於改變用戶的主觀意願，帶來的數據變化。比如增加獎勵刺激，提高用戶參與欲望；優化素材投放，提高用戶點擊欲望；客群本身的質量原因等。
3. 制定後續規劃
根據新功能的數據結論及原因，確定接下來是要繼續優化還是改變方向。繼續優化一般是繼續保留新功能，下一步計劃是放量或優化後放量；改變方向是現有功能沒有符合預期，但是從現有數據獲得新洞察，可以換個方向嘗試。
作者：狐檬，具有千萬級互金產品和運營經驗。微信公眾號：小狐學產品
本文由 @狐檬 原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議