表2-3 搜索词解读示例
通过上面的解读，我们得出以下问题或增长点。
- 专有名词搜索不识别。有一些行业专有名词，搜索引擎不识别，就不能找出对应的结果，只能找出文本识别的结果，比如搜索“老酒”，就会展示“泸州老窖酒”等商品，所以点击率低。
- 品牌词。对于品牌词，一般搜索结果没有太大问题。但是，用户搜索品牌词时，如果给用户更权威、更专业的内容，比如品牌的官网、旗舰店等，用户体验岂不是更好？比如用户搜索“泸州老窖”这样的品牌词，直接给用户泸州老窖的官网，让用户看到权威、专业、全面的信息。图2-9为QQ浏览器的搜索sug页的处理方式。
- 对于搜索客服电话的词，可以直接把客服电话显示在页面内，用户不用跳转到搜索结果页内的链接就能看到，从而减少用户操作，体验也会更好。图2-10所示为百度的处理方式。
- 汇总问题，给出解决建议和优先级。问题汇总一般类似于表2-4这样。
▲图2-9 品牌词在QQ浏览器的搜索sug页结果
▲图2-10 电话类的词在百度的搜索结果页
表 2-4 问题汇总表
就这样，通过枚举法，产品经理就可以很清楚地了解产品现有问题，并给出解决方案和优先级。
在枚举的时候，一条一条地看固然是产品经理的基本功，但是当面临大量的数据时，这种办法效率太低了。要想快速抓住重点，还需要借助两种思维：排序思维和抽样思维。
1. 排序思维
排序指把某个指标降序排列和升序排列，然后按上述的枚举方式进行分析。排序的目的是确认关注范围。产品经理面对大量数据时，需要先确定关注哪一部分数据能带来最大收益。例如，可以按照以下方式进行排序和分析。
- 将PV降序排，看占PV总量90%的搜索词有多少个，重点关注这几个词，调用所有资源优化它们。
- 或者按点击量降序排，看90%的点击量发生在哪几个搜索词上，调用所有资源优化它们。
- 会员和商品的数据也可以用这种方法来看。笔者之前做过很多类目的淘宝店代运营，虽然那些店铺一年能有上亿元的销售额，但实际上有销售量（日订单量大于100）的商品很可能就两三个。
案例（来自客户陈述）：我们虽然买了很多关键词，但是只有两个关键词能带来流量。所以只要把这两个主要的关键词优化好，就能够把花在数据上的钱挣回来。我们把这几个词就当宝贝一样，对其进行各种测试、各种优化。
在实际使用中，只排序一次得到的结论都不全面，为了得到更全面的信息，产品经理一般会使用多次排序，并且对多个指标进行排序。
对一次完整的搜索进行每周的点击率分析，如下。
1）按PV降序排，筛选出高频词，即PV大的搜索词。高频词能贡献绝大部分最优结果和最高点击率。
- 按PV上升量降序排。筛选出飙升词，飙升词是高频词里需要特别注意的，因为往往代表的是新的用户需求或者新的市场变化。
- 按点击率升序排。这样可以看到高频词中点击率较低的词，优化它们能带来较快的提升。
2）按PV升序排，筛选出低频词。2%的搜索词占了98%的PV，剩下98%的词可以归为低频词。低频词是最能衡量搜索引擎好坏的，因为量大代表用户多。低频词包括大部分长尾词、同义词、问答词、未召回词、无结果词、没有点击的词和没有成交的词，badcase基本上都是从这里产生的。
低频词的召回是件十分令人头疼的事情，算法很难取舍，因为这些都是长尾需求，并没有足够多的用户行为可以学习，如何给予相应的匹配，需要非常深入的学习和分析。
2. 随机抽样
枚举的方式可以快速看到问题，但是不能保证问题的典型性；加入排序思维后，可以划定范围，但是可能会造成偏差，因为不代表全部用户行为。那么，怎样既能看到全部的用户行为又能保证问题的典型性呢？答案就是随机抽样。
可以对所有的数据进行随机抽样，也可以分层抽样，即先对整体数据分层，然后针对每层抽样。
随机抽样比较简单，常用的场景有以下几种。
- 产品经理日常工作。
- 每周至少要看一次随机抽样的数据，以对产品用户行为有所了解。
- 日常上线前后都会看，以了解新策略对用户的影响。
- 项目可行性判断。要想知道一个项目是否可行，可以先抽样看一下。笔者有段时间频繁接触各个媒体的数据，评估媒体质量，主要就是用的抽样的办法。媒体会给我们一部分真实数据，我们抽样出来后，就开始做评估，包括是否有商业价值、需要的技术难度等。举这个例子主要是想告诉大家，抽样这个简单的办法有时候是直接影响战略决策的。
- 需要了解全貌的任何需求。比如在项目功能上线后，需要整体了解用户，以便制定推广方案等，这个时候就可以抽样。
本节讲了枚举法及枚举法需要使用的思维，用的是搜索的案例，那么是不是只有策略产品经理才需要这种思维呢？当然不是。枚举法是所有产品经理的基本功。
举例来说，如果你每天抽出100个用户来看他们的行为，坚持一段时间，你就会对用户有非常深入的了解。你会看到用户经常在哪些页面徘徊，你也能够推测出这些用户的年龄和职业。
枚举法会潜移默化地提升产品经理对用户的了解。我们每多看一次枚举的数据，就会多一些对用户行为的理解。
产品经理经常面对突发情况，或者是领导的询问，或者是大小事情的决策。比如项目存在一个小问题，是上线还是回退；忽然发现原方案会导致性能问题，要临时换一种解决方案；开发和测试人员都建议采用其他方案；领导忽然问你要不要跟进竞品的新变动。
在这些情况下，产品经理几乎都是要立刻给出结论的，没有时间做细致全面的分析，既来不及做分析报告，也来不及找出详细数据来查看，那么产品经理可以依靠什么呢？依靠的正是你对用户的了解。
因此我们每天都要从各种角度看数据，这样才能有深入的洞察，知道每一种问题的影响范围，才能处理各种情况。
以上四种就是我们常用的数据分析思路，是不是很简单？实际业务情况一般都很复杂，没有一种数据分析思路是通用的，需要结合使用多种思路。
关于作者：杨楠楠，数据产品经理，擅长数据分析，为多家世界500强公司提供数据分析服务，能在数据、产品、运营、市场等多个方面发挥数据价值。擅长策略产品，在广告、电商等领域有较多经验，为多家厂商提供流量变现服务。维护有数据产品经理的知乎专栏和社群，本书的合作者全部来自专栏的粉丝。
李凯东，某视频媒体的大数据负责人，前京东数据中台应用数据平台部负责人、京东商城算法专家委员会核心委员，阿里天池数据科学家。京东研发最高成就奖项“杰出成就奖”获得者。
陈新涛，58转转前数据总监、美团外卖首任数据负责人，拥有多年数据产品及分析经验，擅长带领团队搭建企业级数据中台，以及结合企业战略分析数据并提供增长策略。
本文摘编自《数据产品经理：实战进阶》，经出版方授权发布。
