编辑导语:产品经理的日常工作中,常常需要遇到向领导汇报,或者与运营同事沟通的情况。这时候,均需要用到数据来支撑自己的观点。作者总结了一些数据分析知识,与你分享。

产品经理在日常工作中,向领导汇报,或者需求决策以及和运营同学工作配合上,均需要数据支撑。

  • “领导:这个功能上线,效果怎么变差了,什么原因,有没有做数据分析?
  • PM:明白,我下午输出一份数据分析报告分享一下。”
  • PM : “老板,经过讨论我们一致认为这个版本需要做XX功能。”
  • 领导 :“先把数据拿出来看看,怎么证明这个功能就得做?”
  • 运营:“ 咱们APP首页UV数据有吗,我需要做个报表。”
  • PM :“有统计的,你找谁谁登录xx平台看看。”

相信这些对话场景,很多产品童鞋日常工作中都会遇到。

产品经理在日常工作中,向领导汇报,或者需求决策以及和运营同学工作配合上,均需要数据支撑。

在我们确定了产品的核心指标后,所有人都能够放下级别,用数据说话。减少了产品经理拍脑袋的次数,减少了老板的一句话决策,用数据模型来驱动下一步的产品设计工作。

举个例子:

对于儿童游乐场的老板来说,他需要关注的是每天进场顾客的数量,相当于电商网站的UV或者APP的日活,办会员卡相当于注册,使用玩具,租用游泳圈,购买泳衣或道具,玩特色项目属于电商的业务范围,其中办会员卡和特色项目游玩的收入是老板尤其关心的,每一笔的收入都需要记得清楚,这属于电商的业务数据,需要实时存储在数据库里以供随时查看。

如果老板想要提高服务质量,就需要统计用户的玩乐偏好,比如有多少用户进场,有多少用户领用了玩具,分别是哪些玩具,又有多少用户付费,是否可以通过数据分析来提高转化呢?

作为产品经理不仅要关心业务数据,还需要关心用户行为,发现用户的行为偏好,从而采取策略提升服务和收入。

那我们知道了数据分析的重要性,实际操作上,如何采集到需要的数据样本,采用何种方法来分析呢?我们需要做3件事情:

  1. 确定数据指标
  2. 数据指标埋点
  3. 数据分析

一、确定数据指标

确定数据指标首先,我们需要确定合理的埋点数据指标。

我们可以和研发工程师、数据分析师进行充分的沟通:

  • 产品和业务迭代的主要诉求是什么?(为了降低复杂度,我们通常建议一次迭代只服务于一两个诉求。)
  • 有哪些值得关注的产品假设?(大家其实都会有一些关注点,比如增加了某个功能可能会有什么连带反应?)
  • 需要哪些数据来支撑产品主诉求和产品假设的追溯和分析?这些数据需要哪些埋点来支撑?

由于埋点的设计是为了合理地追溯、便捷地统计,我比较赞同 GrowingIO 的拆解方法,它将数据拆分为4W1H:人物(Who)、时间(When)、地点(Where)、内容(What)、行为(How)。

Who:对行为的发起者进行标识,一般使用账号或设备号进行标识。账号是常用的方式,通过身份证号、手机号、账号 ID 等信息区分用户;设备号多用于不需要登录的产品,通过设备的编码来区分用户。

When:记录行为是什么时候发生的,一般使用服务器时间,即 Unix 时间戳记录行为发生时间。它是全球统一时间,不受地区的干扰。

Where:记录行为发生的地点,一般通过 GPS 进行定位,或者通过设备 IP 判断用户位置。

What:指用户行为的具体内容是什么,比如用户阅读一本书,那么购买的书名是什么?价格是多少?哪个出版社出版等信息。

How:行为是怎么发生的,一般包含在行为名称中,如提交某订单,也有若干行为是可以通过多种方式完成,如解锁 iPhone,可以输入密码解锁,也可以刷脸解锁,无论使用哪种方式都是一种可以记录的信息。

以某电商首页为例:

针对浏览某电商 APP 首页行为,从五个角度分析,分为特有指标和公共指标两类,得出的埋点指标(仅供参考)。

二、数据指标埋点

所谓埋点,就是在应用服务内预埋一些监测点,当用户的行为触发监测条件后,应用会向云端服务器发送相应的监测数据,产品服务以此来记录和统计相应数据。

借由埋点,我们既可以记录用户在单个页面内的显性动作(如各种按钮的点击动作),也可以用于追踪用户的隐性行为(如停留时长、页面的浏览比例、页面的滚动行为、页面元素是否显示等)。

进一步,通过会话(Session)的标记,我们可以串联多个埋点,追踪多个连续页面,从而知晓用户的页面访问路径和行为特点,进行各种维度的漏斗分析,以支持产品的改进和优化。

埋点采集的数据常常用于分析产品的使用情况、用户行为偏好等,用户的决策路径,用户的注意力分布,于是延伸出用户画像、用户推荐系统等数据产品。

一般而言,产品经理将数据需求整理好后,经过开发、测试评审通过,埋点需求交给研发实现,后续产品经理做好验收即可。

三、数据分析

数据分析的目的,就是在一些看似杂乱无章的数据背后的信息挖掘出来,提炼出目标对象的内在规律。对于企业来说,数据分析的本质在于创造商业价值,驱动企业业务增长。

这里主要介绍四种方法:AARRR模型、漏斗分析、留存分析、渠道分析。

AARRR模型:

AARRR 模型就是海盗模型,也是用户分析的经典模型。它反映了增长贯穿于用户生命周期的各个阶段,即获取(Acquisition)、激活(Activation)、留存(Retention)、变现(Revenue)、自传播(Referral)。

1)获取

运营人员通过各种渠道进行推广,以各种手段获取目标用户,评估各种营销渠道效果,并不断调整运营策略,以不断降低获客成本。比如百度的SEO、app的aso上等。

关键指标:曝光量、点击、下载、安装、激活、安装率、激活率、注册转化率、留存率、付费率等。

2)激活

激活指提高用户的活跃程度,主要是通过新手奖励、促销、内容、产品引导等方式让用户成为最有价值的活跃用户。需要掌握用户的行为数据,监控产品健康程度。

关键指标:新老用户占比、DAU/WAU/MAU、日均登录次数、日均使用时长等。

3)留存

通常维护一个老用户的成本要远远低于获取一个新用户的成本,所以不仅要拉新用户,还需要关注用户粘性,以及关注用户在哪里流失、为什么流失。并采取相应的手段在用户流失之前,激励这些用户继续使用应用。

关键指标:新用户留存率、老用户留存率、活跃用户留存率、日周月留存率、流失率等。

4)变现

即获取收入,主要用来衡量产品的商业价值,我们可以通过监控成交率等指标进行分析。

关键指标:ARPU、ARPPU、付费率(区分新老用户)、客单价、LTV 等。

5)自传播

主要是基于产品、营销、明星等事件的吸引力,从而使用户自发地做到病毒式传播,扩大用户群体。

关键指标:分享按钮点击、用户分享落地页访问数、裂变系数等。

1. 漏斗分析

漏斗模型和海盗模型的核心区别是漏斗模型不关注定向的5个指标,而是从层级上区分。

漏斗模型按照流程,对用户进行各个转化层级上的监控,寻找每个层级的可优化点;对没有按照流程操作的用户绘制他们的转化路径,找到可提升用户体验,缩短路径的空间,我们可以通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析:

  • 趋势:从时间轴的变化情况进行分析,适用于对某一流程或其中某个步骤进行改进或优化的效果监控;
  • 比较:通过比较类似产品或服务间购买或使用流程的转化率,发现某些产品或应用中存在的问题;
  • 细分:细分来源或不同的客户类型在转化率上的表现,发现一些高质量的来源或客户,通常用于分析网站的广告或推广的效果及ROI。

例如:对于电商产品来说,最终目的是让用户购买商品,但整个流程的转化率由每一步的转化率综合而定。这时,我们就可以通过漏斗分析模型进行监测用户在每一个层级上的转化率,寻找转化路径的薄弱环节,针对性的优化产品,提升用户体验,最终提升整体的转化率。

2. 留存分析

留存分析是一种用来分析用户参与情况/活跃程度的分析模型,即由初期的新用户转化为活跃用户、忠诚用户的过程。随着统计数字的变化,相关人员可看到不同阶段的用户变化情况,从而判断产品对用户的粘性。

比如:对某电商平台来说,用户最近 30 日的 7 日留存率(如下图),从图中得知,用户留存率较低。接下来,按照地区、年龄、行为等,将用户分为不同的群体,观察留存的区别,找到产品可优化点。

3. 渠道分析

渠道,是指产品与用户发生互动的各个接触点,比如 SEO、SEM、社交媒体等等。

渠道分析主要用于分析用户的访问来源及访问深度,通过访问用户数、访问次数、停留时长等指标来评估渠道质量,同时也通过转化率来衡量渠道转化的效果。

一个完整的渠道流程,常常包括六大关键环节:

  1. 站外渠道
  2. 展示广告
  3. 着陆页
  4. 访问着陆页的转化文案
  5. 激活用户
  6. 产品转化

每个环节都有相应的指标来衡量。

1)用户在站外渠道包括 SEO、SEM、社交媒体等,看到各种宣传广告。

关键指标:展示量、点击量、CTR(Click Through Rate,点击率)。

2)有兴趣的用户点击 URL 链接进入着陆页。

关键指标:着陆页 PV、着陆页 UV、加载时长、跳出率等。

3)对产品或服务感兴趣的用户下载、注册或者试用产品或服务,这个过程通常称之为激活。

关键指标:停留时长、访问深度等。

4)用户激活后,点击 CTA(Call To Action,召唤用户行为)选择商品加入购物车并提交、支付,这就是一个完整的购买流程。

关键指标:购买用户人数、产品内转化率等。

附录:基础概念PV(Page View):是指页面访问量,大家要注意一个字——“量”,同一个账号或者同一个用户访问同一个页面两次,PV算两次。

UV(Unique Visitor):是指页面访问人数,同样地,大家注意一个词——“人数”,所以即使同一个账号访问同一个页面两次,UV 也只算一次。

DAU :即日活跃用户数,是指在一天内打开App 的用户数,所以DAU 计算的是UV。

MAU :即月活跃用户数,是指在一个月内打开App 的用户数,所以MAU 计算的也是UV。MAU 经常出现在某些大型公司的财报中。

留存率:是指在新增用户中,后面几天还来使用产品的用户所占比例。

例如,一个新用户今天打开了App,又把App 卸载了,或者再也不打开了,这个新用户就流失了,流失的用户数除以新增用户数就是流失率。

同样地,后面几天还会回来的用户除以新增用户数就是留存率。留存率经常看两个指标:次日留存率和 7 日留存率。

如果今日新增了10 名用户,这10 名用户中有7名用户明天又打开了App,那么次日留存率为70%。

如果今日新增了10 名用户,这10 名用户中有3 名第7 天又打开了App,那么7 日留存率为30%。

获客渠道:是指获取新用户的渠道。

例如,读者通过视频号关注了我的公众号,视频号就是我的公众号的一个获客渠道;用户通过简书关注了我的公众号,简书就是我的公众号的另一个获客渠道。

数据入门推荐书籍:《流量的秘密》《数据分析思维》,想成为某个领域的专家:需要10000小时的努力噢~