在阿聪往数据标注组送了两次奶茶之后,终于提前一天完成了数据标注工作。

上文产品内训课3:像HR一样结识一款新App

在这份数据中对综合视频网站(优酷、爱奇艺、腾讯视频)、短视频应用(美拍、秒拍)、垂直领域视频应用(抹茶美妆、花卷)的短视频PGC进行了摸底。阿聪给我讲解了他的对比思路,整体清晰明了。
“好的,产出结果后约个组内会议吧,可以跟大家同步下数据分析的结果。”

看到阿聪一脸“这样也行”的样子,我笑道:“这是很常见的套路。一般,公司的创新性产品为了避免被媒体过度关注或者是竞品的追踪,都会挂一个新的主体(公司或个人)去上架。”

当天下午,阿聪带着准备好数据分析PPT开始向大家同步:

阿聪悄悄的嘟囔:“老司机套路深。”

  • 第一页,综合视频网站的数据表格;
  • 第二页,垂直视频引用的数据表格;
  • 第三页,搞笑、体育、娱乐视频播放量、占比对比的表格;
  • 第四页,几大主要MCN和PGC的播放量,占比对比的表格;
  • 第五页……

我笑道:
“给你布置一个新任务吧,既然你对这款短视频App这么有兴趣。那么不如首先从资源层面,做一个竞品分析吧。目标是:我们要和CP对接引入短视频资源,那么拆解下来,我们就需要依次明确:

表格、表格、都是数据表格,讲的人脑子里清楚、可没有背景知识的观众们却甚是糊涂,一个十页的PPT生生讲了一个小时。

  • 我们应该标注哪些竞品的数据(比如,优酷、搜狐、微博、秒拍等)
  • 参考我们的短视频App调性,我们能够承载哪些内容或优先标注哪些内容
  • 在数据标注时需要包含和覆盖哪些维度,比如视频集的标题、发布者、播放情况等。

好容易散会了,阿聪主动拽住我问道:
“阿呆老师,我明明挺整理的挺清楚的,可是为什么大家都没搞明白呢?”

Am I Clear?

“保证完成任务,三天后交。”阿聪道。

“产品经理强调的是面向用户,站在用户的角度来考虑问题。你这份数据报告啊,从分析层面看是合格的,但是从表现的层面来看,可是不折不扣的不合格产品。”我道。

三天后,我突然想起来这事,问了一嘴,“怎么样了?”
阿聪难得的面露难色,“阿呆老师,再等几天吧。”
“哦”


又是三天,我再次问道:“怎么样了?”
阿聪还是有点扭捏,“阿呆老师,要不再等几天?”
“三天又三天,三天又三天。你在演无间道啊,不管什么情况,是骡子是马拉出来溜溜。”

“好看的皮囊太多,有趣的灵魂缺太少。”

阿聪 vs 阿呆 😁

对于数据分析而言,我们既需要有完整的分析逻辑支撑使得数据分析的灵魂有趣,也要有恰当的表现形式让受众能够更快、更准确的明白我们想要传递的含义,让汇报有个好看的皮囊。

看到阿聪给出的文档,我傻眼的同时也算开了眼:

数据分析的灵魂

数据分析,要带着目的去推进。

年纪大了就爱絮叨 ( 泪。
似乎在每一章中,我都在强调目的性:要带着目的去做产品、去做分析。理工科背景,让我更重视整个分析过程的逻辑性和递进拆解过程。

以本次的短视频覆盖分析为例,我们要解决一个父问题,两个子问题:

  • 我们自有业务对于视频内容的覆盖情况是否完善?
    • 如果完善的话,我们的类目表现如何?
    • 如果不完善的话,需要补充哪部分品类和哪部分PGC?

围绕主要问题,我们开始进行题干的拆解:

  • 覆盖情况 –> 类目的覆盖、PGC的覆盖
  • 类目表现 –> 类目的PGC数量丰富度 和
    内容丰富度;类目内容的播放量、互动情况。
  • PGC表现 –> PGC在不同网站的收录情况,在不同网站的表现情况。

在这个拆解逻辑下,我们首先需要建立类目的覆盖。

自说自话建立一套类目是没有用的,参考业界标准是更好的选择。一方面,我们可以收集各家网站在前台展示出的类目信息;另一方面,也可以注册各家网站的创作者账号,将上传内容后查看各个网站提供给创作者的分类体系。

由于各家类目级别和名字不一定一致,所以需要进一步的映射与合并。比如,搜狐视频中单列出来的“做饭”类目会被合并进入“生活”类目。创意类视频在不同网站会有不同的名字,如“开眼”、“创意”等,需要映射到同一个名字。

搜狐的视频类目

土豆的视频类目

优酷土豆的创作者后台分类

确认了类目结构之后,就可以进一步确认PGC名单。

在各个类目下,可以进一步通过遍历榜单的形式完成对头部优质创作者的覆盖,通过遍历类目下的最近双周的更新列表完成对周活跃创作者的覆盖。

搜狐的排行榜

在两步完成之后,我们得到的就是:类目 vs 视频网站 vs
PGC(节目)的结构化数据(上千条),如下图:

数据样例

我们可以将自身服务中所覆盖的PGC与竞品结构化数据对比,得到父问题的答案:

  • 如果我们自身服务能够覆盖各大平台各类目下的TOP20-50的PGC,就可以说内容覆盖基础合格了。
  • 如果某些类目没有覆盖,就需要进一步看下这些类目是否需要覆盖,是否能覆盖。
    • 比如主要面向成人的视频服务,低幼动漫内容是不需要覆盖的。
    • 比如NBA这样重版权的体育内容,是需要、但是不能覆盖到的。(三二一,
      一起喊一声“腾讯爸爸有钱就是了不起!”

在得到父问题的回答后,进一步拆解子问题的答案:

1、覆盖完善的类目,表现如何?

首先,要看整个类目的播放规模,它同DAU(日活跃用户)相关。一个100W
DAU的产品,去和优酷比播放量是无意义的,需要归一化到百万规模级的DAU才具有可比性。

其次,要看类目下典型节目的互动表现。由于各家平台播放数注水情况不一,评论这样门槛较高的互动方式数据相对可信,从而互动情况能够帮我们更好的对比这个类目在自家平台和其他平台的表现情况。

2、不完善的情况下,需要补充哪些PGC?

综合竞品网站的数据,我们可以统计出来哪个PGC是在多平台都有良好表现的。优先引入这样的PGC,一方面能够让我们快速覆盖优质内容进行用户口味的验证,另一方面也可以通过与优质PGC的沟通,获悉到其他平台的动作。

如上,提供的是一种分析的逻辑线。不同人会有不同的逻辑拆解,但是最终都要满足能够逻辑自洽的基础要求。

  • 在文档的最上方,进行了密密麻麻的竞品比较,既有爱奇艺、优酷、腾讯视频,也有快手、火山、抖音、秒拍,甚至还有vue这样的拍摄工具,从公司规模,到公司定位,再到行业分析链接都给出了罗列;
  • 随后,给出了典型短视频市场的分析,将各个高热类别都进行罗列,每个类别还有典型的视频创作者样例;
  • 最后,描述了一套抓取系统,研发通过爬虫爬取各家的视频信息,将其信息收录入库,并形成可对比可更新的系统。甚至已经询问过了研发,记录下了相关的实现成本。
    整篇文档又是数据分析、又是结构图,洋洋洒洒近万字。

数据分析的皮囊

在阿聪的这个Case上,数据的分析是没有问题的,但是分析结果的呈现出了大问题。我们会进一步拆分为:PPT或文档的组织顺序
和 数据的不同图表诠释方式。

“做得很辛苦吧。”我问。
“嗯,思绪脉络太多了,写到一半就会发现又需要补充新的东西。”阿聪搔头道。
“离题万里,白瞎功夫。”

PPT或文档的组织顺序

基于个人经验,我会推荐新人阅读“麦肯锡写作法”。这一写作法的基础思路如下图(截取自PPT):

金字塔写作法

  • 首先,说明结论。
  • 其次,分述能够佐证结论的几个主要理由。
  • 再次,在每个主要理由之下,详述支撑这个理由的案例。

以这个Case为例,可以拆分为如下的结构,然后按照深度遍历来组织PPT。

PPT的结构


数据的不同图表诠释方式

另一值得注意的问题是,人们对于满屏的表格和数字是不敏感的,可以用颜色标明数字中需要被关注部分。比如,可以用红绿颜色标明变化:

用绿色和红色标明变化程度

此外,折线图、饼图等不同的图表有不同的应用场景。

  • 柱状图 和 条形图

    • 适用场景:适用于较小规模的二维数据集(每个数据点包括x和y),且只有一个维度需要比较。比如显示一段时间内的数据变化(搞笑类视频在不同月份的播放量表现)或显示各项之间的比较情况(不同视频网站的覆盖情况)
    • 其他:在数据项略多的时候(比如电视剧每一集的收视情况),条状图(自上而下)更适合,因为不同设备的宽度不一样,柱状图可能会出现显示不全的情况。
    条状图
  • 折线图

    • 适用场景:
      折线图适合二维的大数据集,还适合多个二维数据集的比较。比如,展示Papi酱
      和 何仙姑夫在同一视频网站的某月的播放情况。

  • 饼图
    • 适用场景:适用于子项目不多的情况下,可以显示不同子项目的比例。用户可以更直观的看到哪些子项目是更重要的。
      比如,每个网站的视频分类内容占比可以用饼图表示。

阿聪若有所思的点点头,对我道:“阿呆老师,我调整下。”

重新整理后的PPT,描述如下:

  • 第一页:结论页:类目覆盖完善,部分类目需要补充PGC
  • 第二页:子结论页:类目覆盖相对完善
  • 第三页:以饼状图标明了参考的几家视频网站,已经占据了视频网站大盘的80%,具有足够置信度。
  • 第四页:以柱状图展示了有100个以上pgc的视频分类,并说明这些视频分类我们的服务都已经覆盖了。
  • 第五页:子结论页:部分类目需要补充PGC
  • 第六页:以百分比条状图表现了我们服务覆盖的PGC vs
    全局热榜中的PGC,在体育、动漫、创意、鬼畜四个视频分类上,覆盖率不足60%。
  • 第七页:以词云的方式展示我们的用户画像,其特点与鬼畜视频的受众重叠较小。故,鬼畜视频属于不需要覆盖的视频分类。
  • 第八页:详述需要覆盖的三个分类的后续动作:体育和动漫重版权,无法提升覆盖率;创意类视频可进一步提升覆盖,按照播放量从高到低对PGC进行优先级排序。

“这次调整完,就清晰多了。多积攒分享、汇报的经验,才能够在跨部门沟通的时候更好的应对Challenge,然后Diss
Back。”

我爱黄旭,推荐他的歌曲Round 4。更好的应对Challenge,然后Diss Back


如何做资源覆盖调研

在产品经理的工作当中,经常需要针对某个问题进行竞品的调研。在上面的案例中,所做的就是最基础的资源覆盖调研。在资源覆盖调研这个案例上,包含三层逐步递进的问题:

  • 竞品排查的范围是怎样的?
  • 结合自身的特点,竞品排查的优先级是怎样的?
  • 具体排查过程当中,应该关心哪些维度的数据?

基本步骤

在确定竞品排查范围的时候,可以适度扩大。因为不同的应用彼此间往往会有领域的交叠。比如,现在的新闻应用早就成了综合型的内容消费应用:新闻、视频无所不包。如果我们排查短视频类的时候,关注了购物应用,就会发现购物类短视频的制作水平早已今非昔比,已经具有了“广告即内容”的特点、本身就已经有消费性了。

在确定优先级时,产品经理就需要做出折衷和选择:在时间和人力成本限定的前提下,怎么样选出最有用的信息。比如,如果你负责的是一款面向中老年的视频应用,那么在B站中显然很难挑出让中老人满意的内容,B站在竞品列表优先级中就较低。反之,如果你面对的是时尚类的用户群,那么搞笑类的应用在竞品列表的优先级就比较低。

最后一步,明确数据维度。数据维度是需要紧密贴合分析意图而制定的,在资源覆盖的这个问题上,我们需要确认的是这个内容的分类是怎样的,CP方是谁,在平台上的表现如何等等。基于CP方在平台上的表现,我们就能够进一步确定资源覆盖时的优先级。

有了明确且完善的竞品范围和数据范围,竞品分析的任务才能够被层层拆解下去,多人并发、快速标准化的完成,并最终实现调研的目的:
我们应该优先去接触哪些CP方,如何快速的补齐和竞品在资源覆盖之间的差距。


给你的课后作业

阅读麦肯锡金字塔写作法,相关的百度文库链接如下:
https://wenku.baidu.com/view/b732ed4533687e21af45a97a.html
https://wenku.baidu.com/view/43faa97cce2f0066f4332299.html

从一个切面分析竞品

结合阿聪的分析报告,最大的问题就是求大求全、离题万里,浪费了时间却又没有解决问题。

从事产品经理工作的同学,通常是思维活跃的人,但是越是思维活跃的人,在分析具体问题的时候才越应该聚焦到问题本身,从一个切面去切入。只有明确了要解决的核心问题是什么,才能有效的自主屏蔽无关信息的干扰,从过载的信息当中梳理出一条经纬线来。

事实上,即便任务是做某个竞品的完整分析,我们同样应该将竞品分析文档拆分出几块明确的章节,比如:

  • 市场盘面与竞品数据规模(日活、市场、增速);
  • 产品的几大业务场景和功能;
  • 明显的业务优缺点;
  • 在产品层之上的运营层的特点等。

在明确章节的基础上,每个章节逐个击破、彼此间降低耦合。

一切报告都是有目的的

此外,一切报告都是带着目的来的,即:背景是什么,给谁看,解决什么问题。

  • 如果是陌生市场,要解决的是:要不要快速切入这个市场,那么就要着重分析市场盘面和已有竞品的优缺点。
  • 如果是成熟市场,要解决的是:如何同竞品肉搏竞争,那么就要更仔细的关注竞品是否有新的业务场景和运营层最新的动作。

调研分析报告是给别人看的,而不是自嗨的,是命题作文而不是开放性的散文。只有带着目的,时刻不偏不倚围绕分析主线从一个切面去切入,让最终看到的人能够解决自己的疑惑,这样才算是输出了一份合格的报告。


“讲了这么多,明早给我一份新的报告。”
“好的。”
“另外,Mentor机制的存在就是为了受业解惑的,碰到有疑惑的就问,别自己死扛。你想啊,要是我真把一份规模宏大的竞品分析指派给你做,那我才是真正有问题的人了。”我道。
“明早,明早保证给。有问题我一定问。”阿聪道。
“好的,等着你的处女座Mentor明早拍砖哈。”
“嗯嗯,我搬砖,您拍砖……”

相关文章