优秀产品公司如何转型其产品分析技术栈

产品开发的世界正在迅速变化。二十年前，“在线”是一个新的获取渠道。但今天，在线就是产品本身。所有公司都在转变为数字产品企业。

然而，软件正在吞噬世界这一事实对任何阅读本文的人来说都不应该感到惊讶。但它发生的速度可能令人惊讶：自2000年以来，财富500强公司中超过一半已不复存在。

那些幸存下来的公司现在比以往任何时候都行动更快，利用产品开发中的趋势，如敏捷、开发运维、微服务、持续集成和自主测试，从季度发布列车转变为每天多次发布。

在2005年，“在线”是一个新的获取渠道，现在它就是这个产品。

这产生了两个非常强劲的逆风：

1. 在这个快速开发的世界里，发布新产品变得如此容易，以至于产品供给爆炸式增长，导致了“客户时代”。
2. 产品团队现在必须具备跟上这些日益增长的客户需求的能力，否则就有可能陷入无关紧要的境地。

好消息是，历史上第一次，我们几乎可以衡量客户与我们业务的每一次互动。公司不再局限于传统的营销分析，如简单的计数器或转化漏斗，而是可以利用数据来真正理解用户行为。

成功的团队可以利用这种理解对客户需求的变化做出更快的反应，进一步推动敏捷/持续的产品开发流程，并创建极其紧凑的OODA循环，从而带来更好的产品。

成功的团队共同快速做出决策。

为什么营销分析技术不能满足现代产品团队的需求

问题在于，市场上的传统数据和分析工具无法满足这些高绩效产品团队的需求。营销分析工具可以回答用户从哪里获取或有多少用户经历了获取漏斗的每个阶段等问题，但当你想了解这些用户在产品中做了什么，或一个或多个功能的使用如何影响整体参与度/转化率时，它们就显得不足了。

另一方面，数据仓库工具足够灵活，几乎可以回答任何问题，但存在显著缺点，降低了它们在产品组织中的有效性：维护水平高、易用性差和查询时间长。

传统的分析行业不能解决当今产品的需求。

但由于历史上没有解决方案存在，公司被迫通过拼凑多个解决方案来回答产品问题，最终创建了一个复杂的分析栈，只有最技术化的团队才能访问，如下所示。分析栈是解决公司分析用例的不同应用程序、数据仓库和数据管道。

复杂的数据栈限制了除最技术性人员之外的所有人的访问。

拼凑一个分析栈对每个人来说都是痛苦的

为了展示拼凑的分析栈的痛苦和弊端，让我们逐一分析每个组件：

1. 数据管道。 这里的主要问题是，组织中实际上只有少数人真正了解正在跟踪什么。如果你不是那些幸运的人之一，你必须去找他们。天哪，如果你真的想改变跟踪，你必须协调多个人和多次代码推送来实现这一点。
2. 查询环境。 这种痛苦随后延伸到查询层，由于存在多个数据湖/仓库，没有人知道去哪里回答最基本的问题，比如我们有多少活跃用户，或者我们的入门漏斗的转化率是多少。而且由于这些仓库不是为用户行为问题定制构建的，即使你知道如何查询它们，它们仍然存在延迟不佳的问题。如果你不懂SQL呢？你必须找到一个懂的分析师，这意味着他们花时间回答这些非常基本的问题。你的工程团队呢？他们花费宝贵的时间维护所有这些系统，而不是真正构建一个伟大的产品。
3. 数据探索。最后，我们来到探索层，产品经理在那里漫长地排队等待数据面包线，导致迭代周期花费数天甚至数周的时间。是的，分析师会构建仪表板来回答一些最常见的问题，但仪表板实际上只关乎消费。一旦你想深入挖掘数据，你就又回到了面包线，重新开始迭代周期。这实际上是最好情况——更常见的情况是问题根本不被提出，导致人们凭直觉行事并做出错误的决策。

那么为什么会发生这种情况呢？显然没有人故意构建一个糟糕的分析栈，但他们真正在做的是是强行将传统技术用于回答用户行为问题强行套用旧技术，试图回答用户行为问题。

适合现代产品经理的分析栈

然而，一流的产品团队已经用产品分析栈增强了他们现有的营销和数据仓库工具，以确保每个人都能自助访问用户行为数据。

一流公司拥有所有用户都可访问的产品分析栈。

这种产品分析栈的好处是巨大的：

• 营销人员和产品经理可以直接提问并回答问题，从而产生更多更好的问题，并坚定信心快速做出产品决策。
• 分析师和数据科学家现在可以腾出手来处理更高层次的问题。
• 工程师不再需要维护复杂的数据基础设施，而是可以专注于公司的核心竞争力——构建更好的产品。

那么这在实践中是什么样子呢？以下是我们一个客户的栈的例子，它帮助他们经历数字化转变。

来自黄页的顶级数字分析技术栈示例。

拥有此技术栈使加拿大黄页能够分散其产品开发工作。团队现在能够更快地行动，因为他们可以自行定义分析需求：确定并管理他们要跟踪的事件，定义他们自己的KPI，并直接探索日常指标。这消除了数据供给线的瓶颈。此外，由于产品团队完全理解其用户行为数据，他们现在向数据分析团队提出的问题更加高级，从而获得比以往更深刻的见解。

那么，如何知道是否该投资产品分析技术栈？

1. 如果你发现自己在竞争环境中，洞察速度对推动成功至关重要。
2. 如果你的产品团队使用传统的营销分析解决方案，因此仅限于基本的漏斗和页面浏览量指标。
3. 如果你的分析师/数据科学家成为产品组织的瓶颈，拖慢开发工作或导致团队“拍脑袋”行事。

如果你对这些问题中的任何一个回答是肯定的，我们鼓励你加入迪士尼、Booking.com、Hubspot、Twitter、YP、微软等已投资构建其产品分析技术栈的公司行列，通过联系我们！