search
尋找貓咪~QQ 地點 桃園市桃園區 Taoyuan , Taoyuan

在數據分析中,產品經理應該注意的6個點

做為產品經理,除了要會分析需求,畫原型,寫文檔,做用戶訪談之外,還有一個蠻重要的技能就是要善於分析和利用數據。今天就寫寫產品經理應該如何關注和運用產品數據,並幫助產品更好的發展。

產品數據的作用是什麼?

我個人認為產品數據的作用主要有兩個:首先,產品數據可以監控我們的產品設計(包括迭代和改版)、運營活動、市場活動(包括渠道推廣和廣告投入)收入水平,看它們處於什麼狀態,是否正常,是否達標,是否有飛躍等等,也可以為後續的產品設計和發展提供參考幫助;第二,通過對數據的分析和挖掘,我們可以發現新的商業機會或是產品爆發點,也就是這兩年比較熱門的數據增長概念。

不同階段所關注的數據不一樣

大家都知道產品有不同的生命周期,在不同生命周期我們所採取的產品設計和運營活動都會不一樣,那麼自然而然地不同階段我們所關注的數據也不一樣。

MVP階段

這一階段最重要的是第一批種子用戶對於產品的使用情況和反饋。這個時候需要產品經理更多地去做定性分析,去做用戶訪談,直接確定產品是否滿足用戶需求,因此這個階段我們可以暫時不用在數據分析上投入更多精力;

成長期

成長期對於一個產品來說最重要的是什麼?是拉新和留存!那麼我們數據關注的重點自然也是要放在拉新和留存之上。

拉新要關注推廣數據和推薦數據。推廣數據就是我們所採取的所有推廣活動和行為的指標數據,不同推廣方式(線上+線下)的到達率,點擊率,轉化率,二次訪問率,流失率;比如我們做了一場地推活動,現場到了多少人,多少人是目標用戶,多少人不是目標用戶,目標用戶有多少人參與或接受了我們的地推形式,有多少人當場下載了APP或試用了我們的產品,又有多少人在活動後下載了APP等等。通過這些數據的對比和分析,我們要不斷調整我們的推廣方式和手段,試驗不同的渠道組合。

推薦數據則是用戶是否願意將產品推薦給他的朋友、同事和同行的行為數據分析。一個好的產品是會說話,最直接的就是口碑的力量。這一塊我們在數據上可以關注整個分享環節的鏈路。比如你有100個種子用戶,他們中有多少人只是自己用產品,有多少人是第一時間就向朋友推薦,有多少人是在公開場合給了好評或是差評,又有多少人是在私下分享呢?他們的推薦行為帶來了多少新用戶?這些數據會告訴我們產品在用戶和用戶的圈子裡的比較真實的位置。

留存則是要做用戶的留存分析。主要有用戶的次日留存率,7日留存率,日活和月活用戶數據,用戶頁面訪問深度,退出率等。要注意的是這些指標不能孤立地看,既要彼此結合起來看,也要聯繫運營活動市場推廣綜合地看。說白了留存就是要提升目標用戶在核心場景之上的反覆出現次數和時間。

成熟期

產品進入成熟期,我們所關注的重點就轉移到了用戶價值上面。這裡的用戶價值是指用戶對於公司和產品的商業價值,和我們通常所說的用戶側的用戶價值有些不同。這個階段我們要根據用戶的情況進行用戶分層。抓大放小——儘可能提高高價值用戶的活躍度,對於低價值用戶可以適當地減少投入精力。這時除了對於用戶活躍度的關注以外,還建議重點關注核心場景的用戶行為數據和高價值用戶的流失率。

比如你的產品總的來看日活周活都很不錯,但是核心場景上的點擊率或是停留時間都很低,核心場景關係到公司的商業目標和價值的實現,用戶在這一塊的行為很少,那可能是要麼你的用戶不是目標用戶,要麼你的核心場景存在比較大的缺陷讓用戶不滿意。高價值用戶的流失率也是一個道理,都是值得引起我們警惕的數據指標。

衰退期

此時用戶會逐漸流失,用戶被其他的新產品形態吸引。應該關注用戶流失后使用的產品, 流失速度。 儘快拓寬產品邊界,尋找新的切入點。

數據從哪裡來?

說了那麼多,我們的數據從哪裡來呢?通常情況下,我們會採取埋點的方式去獲取數據。現在也出現了growing io 、神策這樣的數據分析工具,用起來很方便,每次新增埋點也不用客戶端新發版本,數據可視化也做的不錯。

當然,這些只是手段和工具,我們要更好地運用數據就要注意以下幾個原則:

1、明確數據指標的定義、口徑和使用場景

產品經理(目前數據分析師不是每個公司都有的)要能清楚地和開發人員描述數據指標到底是什麼,有哪些維度,在哪個頁面或哪個場景之下發生……

2、層層剝離,窮舉指標

產品經理為了保證數據的準確性,要儘可能地將指標拆解,拆解到不能拆解為止。同時也要分清哪些是核心指標,哪些是主要指標,哪些是次要指標。

3、數據指標和用戶結合

新用戶做了什麼?老用戶做了什麼?付費用戶做了什麼?非付費用戶又做了什麼?流失用戶在流失之前做了什麼?要回答這些問題就要將數據指標和不同的用戶結合起來分析;

數據模型

因為這兩年增長黑客概念的流行,數據模型也被越來越多的關注。常見的數據模型有海盜指標,增長黑客三級漏斗,增長引擎說和關隘模型。這四個模型的具體介紹網上有很多文章,我就不再贅述。這裡就和大家分享一下個人的工作經驗。

我個人會採取「還原用戶使用過程——建立漏斗——逐層分析」的模型。例如這一階段主要是要提高用戶的分享行為。那就可以先整理出用戶在當前產品中分享行為的主要路徑。假設是「打開APP-點擊商品詳情頁-瀏覽商品-觸發分享按鈕-選擇分享渠道-寫分享語(非必經)-完成分享-返回或離開APP」,然後就把這個流程路徑設為漏斗進行觀察分析。

數據分析的注意點

在這個人人開口「數據增長」,閉口「數據驅動」的時代,我們確實要積極關注數據,留心數據給我們帶來的訊息,但同時也要注意以下幾點:

1、數據不是心血來潮看看就有發現的,數據需要長期的觀察和分析。別指望你看幾天數據就能有什麼重大發現。產品經理要養成每天看數據和記錄數據的習慣;

2、數據不是光光用來看的,還要多問為什麼。產品經理要有數據敏感性,要問為什麼,為什麼這個指標今天波動這麼大,為什麼留存率這段時間有好轉。數據不是用來看的,要明白數據帶給我們的信息,然後才能去改進和優化我們的產品;

3、不要只盯著自己的一畝三分地,競品和行業數據都要關注。光看自己的數據不夠,競品的數據也要儘可能去關注。為什麼A產品的付費率比我們高,他們做了什麼改動?行業數據也不能忽視,大環境會影響單個產品的表現,結合大環境更能全面分析產品,並作出決策;

4、不要忽略沉默的數據。二戰時英國空軍為了降低飛機的損失,決定給飛機的機身進行裝甲加固。由於當時條件所限,只能用裝甲加固飛機上的少數部位。他們對執行完轟炸任務返航的飛機進行仔細的觀察、分析、統計。發現大多數的彈孔,都集中在飛機的機翼上;只有少數彈孔位於駕駛艙。從數據上說, 加固機翼的性價比最高. 但實際情況缺恰恰相反, 駕駛艙才是最應加固的地方, 因為駕駛艙被擊中的飛機幾乎都沒飛回來;

5、數據不是萬能的,也不是絕對客觀的。數據也會騙人,數據也不會把信息完整地展現給你,這需要你結合實際的用戶使用行為去分析和解讀。比如你看數據發現這個按鈕用戶點擊次數很低,但是為什麼低?是按鈕不明顯?還是功能有BUG?還是別的什麼?這些數據都不會告訴你,需要你沉到用戶使用行為中去發現真實的情況。另外,同樣的數據完全可以有兩份不同的解讀。

如上圖,完全一樣的數據源,只是調整了數軸的起點,在第一眼裡面是否讓你感覺到了不同的增長速度。而實際上,通過調整豎軸的標度,還可以使得這張圖呈現出更加有趨向性的走向。

6、光說不練假把式。數據分析了,數據解讀了,這樣就夠了嗎?不,我們需要根據數據付諸行動,去改進,去優化,然後再用數據進行檢驗和分析,如此反覆,才是數據的正確運用之道。

#專欄作家#

肥寒,,人人都是產品經理專欄作家。九年產品經理。做過數字閱讀,電商,社區,目前致力於在線教育。

本文原創發佈於人人都是產品經理。未經許可,禁止轉載。



熱門推薦

本文由 yidianzixun 提供 原文連結

寵物協尋 相信 終究能找到回家的路
寫了7763篇文章,獲得2次喜歡
留言回覆
回覆
精彩推薦