产品经理需要了解的数据分析
2016-08-16 本文已影响573人
李渡
所有产品经理都知道数据的重要性，可以说无数据即无产品，顶多算是功能。可是在实际工作中，很多产品人员并没有把采集到的数据运用到产品决策中，或者是看着PV\UV这类粗略数据不知如何着手。这篇文章一起来看看产品经理工作中的数据方法论。
产品经理需要精细数据
很多时候我们埋点下去，采集上来的数据发现无处着手，并不是数据无用，而是没有针对性，采集颗粒度太大导致。
采集数据前，先需要明白产品迭代中，需要关注的指标类型：
- 简单指标
最常见的PV、UV、访问时长、新用户人数等，通过对这类简单指标的观测，产品经理可以快速了解产品的整体情况。 - 复合指标
平均访问深度、平均访问时长、平均每周购买数量、各个环节的转化率等。其中：
平均访问深度=页面浏览量/访问数量；
平均访问时长=访问时长/访问数量；
平均每周每人购买数量=每周总体购买数量/用户数量。
观测复合指标作用就是消除基础指标带来的虚荣效应，对产品有个清晰的认识。 - 留存指标
留存指标不同时期需要关注的重点不一样
如图，一般的产品留存，在拉新之后，新用户会在最初几天剧烈减少，这个时期叫做振荡期。
过了振荡期后，进入了选择期。这段时期用户对产品有了初步的了解，开始探索产品功能。如果这个阶段，产品没有满足用户的核心需求，用户就会走掉。
经过了选择期后，留存基本稳定，进入平稳期。留存指标需要注意前两个指标，一般在节点上对应次日留存和周留存，不过不同产品可能也有差异。
采集数据优化产品的步骤
了解需要关注的指标后，就需要采集数据优化产品了，一般步骤如下：
- 建立目标和期望；
每一次的优化肯定必须要有目标，比如注册转化率从30%提升至40%等。 - 产品抽象化、逻辑化、结构化；
只有对产品的逻辑和结构非常了解，才能知道关键数据是哪些。比如对用户的预期操作流程进行拆分成几个部分，在理清后，再按照每个部分进行分析和优化 - 数据的准备和收集；
明白哪些环节需要哪些数据后，就需要数据收集工作了。一般发起需求进行埋点或者使用第三方工具收集 - 对收集的数据进行分析，衡量用户的使用情况；
- 根据结论提出猜想，并进行验证；
带着假设看不同用户行为的留存
不断提高留存是一款产品的重中之重，提高留存的一个方法就是分析流失用户和保留用户之间的行为差异。对用户进行分群，集中对流失用户的行为进行分析，找出问题。
另外也可以从用户行为出发进行分析，比如点3次赞以上的用户留存率是否比3次赞以下用户留存高，若是，可设法引导用户点赞。以此先假设行为，从行为观察用户流失率。
提高转化率的关键在于外部流量、内部运营和产品体验
各个环节的转化率也是非常关键的指标，必须电商的支付转化率、下单转化率等。
影响转化率的因素主要有三点：
- 外部渠道流量
来自外部的流量大小起着很大作用，但渠道有好有坏。因此必须对每个渠道的数据进行监控和筛选，选择优质渠道，淘汰或者对质量不好的渠道不放太多资源。 - 用户运营
维护老用户成本比获取新用户低得多，因此以刺激老用户复购的用户运营就是必须的了。用户运营的关键是依据用户画像，对用户进行分类。根据每类用户展开精准营销。
在电商中，最常用的就是RFM模型了：最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）。
RFM模型通过三个维度对用户进行分类，根据每类用户采取不同的方式进行维护。
另外linkedin公司的用户自动化模型也很有参考性：linkedin分析每个用户的行为、很细微的点击，把这些细微的行为算出一个积分，定期对用户进行打分，在数据库进行排序。把最有可能流失的用户通知客户经理。 - 用户体验
影响转化率的除了以上两点外，产品本身体验好与否、是否流畅等均是关键因素。
因此作为一名产品经理，怎么分析和挖掘数据，最终提高产品留存、转化率是需要好好思量的。
参考资料：PMCAFF&GrowingIO-产品经理数据分析手册
————————————————————————————————————
一只奋斗在魔都底层的产品汪
