1.2.1　用戶數據產品

在三類數據產品中，用戶數據產品是普通用戶接觸最多也是最容易的一類，因此，我們先從用戶數據產品講起，為大家展現數據產品的獨特魅力。

根據數據來源，可將用戶數據產品細分為指數型、統計型和生活型。這三類產品的區別見表1-1。

表1-1　三類用戶數據產品的比較

下面針對三類用戶數據產品進行具體介紹。

1.指數型

指數型數據產品一般由企業利用自己的數據提煉出相應觀點和洞察趨勢，提供給用戶分析使用，如Google Trends、百度指數、微指數等。這些企業往往自身擁有非常龐大的用戶數據，可以據此得出整個社會群體對某個領域的關注度。

我們以圖1-1中的Google Trends為例來說明指數型用戶數據產品的設計和使用過程。Google是全球知名的搜索引擎，每天有數億人在使用它搜索各方面的信息，能產生數十億次的搜索請求。為了更好地發掘這些用戶搜索數據的價值，Google在2006年推出了Google Trends。它的數據來自大量沒有過濾的真實搜索需求，具備匿名化、分類化和聚合化的特點，因此人們能夠依此探尋從全球到城市的每個區域的熱點情況。它采用從2004年直到用戶搜索那一刻的數據，涵蓋范圍非常廣。

圖1-1　Google Trends產品截圖

指數型數據產品的設計精髓是“比較”，通過比較各種關鍵詞在不同區域和不同時間段內的出現頻次，形成熱度的高低演化。Google會先將某關鍵詞搜索次數除以與之相關的地域和時間段內的總搜索次數，實現數據標準化，落在0～100的區間內。同時Google會過濾掉由少數人發起的搜索請求、重復搜索和一些特殊字符，以保證指數的呈現質量。可以看到，指數并非全面反映搜索情況的鏡子，它更多是一個抽象的描述。這和我們常見的上證指數是類似的概念，上證指數并不能反映全部市場的表現情況，但能比較概括地說明當前市場的走勢。

在百度指數里，用戶甚至能看出某個搜索詞的來源和去向，了解搜索用戶的一些興趣特征。通過這些工具，用戶可以一窺行業走勢，對市場調研、產品分析也有一定用處。甚至，Google在2009年曾經推出根據搜索詞預測流感的案例，識別速度比當時美國的疾控中心更加快速，一時間被引為大數據浪潮的明星例子。雖然后來預測效果有所下降，但始終不失為一個優秀的參考，幫我們了解如何用這些身邊觸手可及的數據信息更好地認知這個復雜的世界。

2.統計型

統計型與指數型產品相比，最大的差別是數據均來自外部采集，然后經過企業內部整理呈現。這些產品往往可以供用戶免費試用，同時有商用版本。目前國內外的統計型產品種類多樣、方便易用，既有專注于企業融資信息及創始團隊信息的，如企查查、IT桔子、美國的CrunchBase；也有重點分析互聯網產品用戶數據及下載數據的，如分析下載量和排名數據的七麥數據（原ASO100）、國外的SimilarWeb；還有提供政治、氣候、經濟等統計分析數據的，如Tradingeconomics網站，它展示了各個國家每年的通貨膨脹率、GDP等宏觀經濟數據。

如圖1-2所示的產品是SimilarWeb，它是一款瀏覽器插件，用戶只需要在瀏覽網站時打開該插件，便能大概分析出該網站的訪問量、跳出率、來源和去向網站等重要信息，非常強大。其基本原理是在用戶安裝該插件后，它便會自動分析用戶瀏覽網站的路徑和頻次，然后通過一定的抽樣放大算法，推測出該網站的流量情況。

統計型數據產品的關鍵是可靠的數據源和數據清洗。一般來講，數據源都來自網絡爬蟲或者統計模塊（SDK或插件）植入，前者存在一定的法律風險，且有數據容易臟亂的問題；后者獲客難度較大，好處是能拿到比較優質的數據。

3.生活型

生活型數據產品是收集用戶自身數據并進行一定程度的歸類、分析與可視化的產品。數據對于公司來說，作用是通過統計分析來提升效率和節約成本；數據對于個人來說，則可幫助人們量化并提升自己的生活品質。這種產品可以大致分為記賬類、運動類、天氣類、時間管理類、信息記錄類、機器信息類等。這些產品早期只是簡單記錄和統計，使用起來大多比較煩瑣，而隨著技術越來越成熟，此類產品慢慢地朝著智能化、便捷化和游戲化三個方向發展。下面介紹兩個常見的產品。

圖1-2　SimilarWeb產品截圖

（1）網易有錢：智能歸因記賬

記賬類的產品最令人頭疼的地方是每次消費后的記錄，打車、買早餐都得掏出手機記一下，不但煩瑣，而且容易遺漏。網易有錢（見圖1-3）利用智能匹配技術，只要用戶綁定了信用卡/借記卡，每次支出都會根據他的支付對象自動歸類到相應的類別，如餐飲、交通或購物等。用戶最多只需要補錄下現金支出的部分，而在如今這個無現金的社會里，操作次數完全可以忽略。

網易有錢現在支持的支付渠道越來越廣泛，除了上面提到的信用卡和借記卡外，支付寶、校園卡、公交卡等也都支持，同時支持投資類產品的計算，完全做到了記賬的傻瓜化。這其實很簡單，但就是這簡單的一步給用戶帶來了極大的便利。

圖1-3　網易有錢官網截圖

（2）Life Cycle：便捷版的柳比歇夫時間統計

“柳比歇夫時間管理法”是因蘇聯昆蟲學家柳比歇夫56年如一日對個人時間進行定量管理而得名的。這種方法建立在數學統計的基礎之上，重點是對消耗時間的記錄進行分析，使人們能正確認識自己的時間利用狀況，并養成管理自己時間的習慣。而圖1-4展示的Life Cycle就是該方法的便捷版。

圖1-4　Life Cycle官網截圖

與網易有錢類似，Life Cycle也不需要用戶做任何手動記錄，其原理是根據用戶的GPS定位來推測他的生活場景。比如用戶夜晚在小區里待了很長時間，那大概可以推測他是在家。如果遇到一些無法識別的場景，用戶只需要標記一次，后續便能正常記錄。

這個App在數據智能上顯然比網易有錢更進一步，畢竟對人們生活習慣的挖掘并不像識別支付機構那么容易。有趣的是，App下載后，必須等待7天的數據收集時間，這段時間打開App只有幾個等待界面，到期后會自動提醒你。這個App的七日留存率想必不錯。

4.小結

數據行業早期有BI（Business Intelligence，商業智能）的說法，專為商業服務。隨著各項技術的成熟，數據產品在用戶端應該有更好的應用前景和表現，做到普惠的DI（Data Intelligence，數據智能）。有時候一個簡單的改進，就可以給用戶帶來極大的便利和價值。

當然，其中也隱含著諸多問題，比如數據安全和數據隱私。從上面的例子也可看出，只要簡單知道用戶的GPS定位，就能推斷出他的生活習慣和職業內容等。數據是把“雙刃劍”，如何做到便利性與用戶隱私之間的平衡，是個非常艱深的命題，希望業內將來可以有比較完善的解決方案。