精益数据分析
要尽可能获取真实的数据,而不是处理之后的数据。
(1)数据分析
产品经理在与数据打交道的时候要做到两点:
①学习如何提出数据统计需求。这是一个“界定产品目的和目标,根据目标提出假设、预判产品效果”的过程,要求对功能目标、功能预期效果有完整和清晰的掌握。
②学习如何解读数据。对数据足够敏感,能够敏锐的发现数据当中的隐含信息,并通过逻辑推理,进一步提出更好的追问和假设,然后通过数据或者其他手段来验证。
(2)网络数据的指标
web网站数据指标
几个关键的指标:浏览量、访客数、访问量、跳出率、页面停留时长、网站停留时长。
移动应用的指标
电商类数据指标
销售额=UV转换率客单价
其中UV*转换率为购买客户数
客单价=人均购买件数*件单价
人均购买件数是指每个客户购买几件商品,这个指标也经常用来衡量销售的效果,也就是关联销售效果越好,人均购买件数也就越多。件单价是指商品的平均价格,等于销售额除以销售量,这个指标用来衡量网站上的商品价格高低。
用户生成内容类数据指标
web端的产品指标思路
①有多少访客,访客有什么特征。
②访客从哪些渠道获取,效果怎么样。
③访客的参与度怎么样(跳出率,浏览页面数和转化率)
④这些访客最终有没有转化,转化漏斗是否顺畅。
获取指标的方式:
①分析日志
程序员日志——分析师/产品经理给出计算逻辑——程序员计算指标——excel分析或报表
②分析工具
网站分析工具
移动分析工具
(3)基本分析方法
①对比分析
横向对比:跟自己比。如比较新老用户,会选择两个发布初期的新用户,保证在对比指标之后外的一切因素尽可能保持一致。
纵向对比:跟竞争对手比
②象限分析
③交叉分析
④宏观分析框架:PEST、政治经济社会…、SW2H、SWOT、4P。
⑤AARRR模型:
举例
(4)数据分析框架
1. 逻辑分层拆解
产品经理最为关心的核心指标
网易云音乐——日活跃用户数
网易考拉海购——销售量
网易游戏——ARPU(用户平均收入)
网易新闻web端——UV(网站访问人数)
①逻辑拆解:寻找和核心指标有逻辑关系的相关指标。找到的指标一定能够影响核心指标的变动,他们之间对应存在强烈的逻辑关联,选用这些指标之前,我们必须清楚了解他们是如何影响核心指标的。
②分层拆解:第一层直接解释核心指标变动的大的方向。第二层是针对这个大方向的细分,从而能够将问题定位的更加准确和可操作性。同一层里面的各个相关指标都是代表一个寻找方向,所以他们之间不能有相关性。
举例:销售额
销售额=UV转化率客单价
UV:推广来源流量,新访客、老访客
转化率:跳出率、购物车流失率
客单价:新用户客单价、老用户客单价
2. 漏斗分析
要注意对比,比如第二环节虽然是40%,但是行业的转换率只是36%,说明这个还是不错的。
注意:数据会说谎。决定样本量大小的因素,总体大小,总体内部差异程度。
(5)数据运用
- 需求分析
用户层面:普通用户和产品经理自身
公司层面:高层想法和战略目标
对于来自用户层面的需求要去伪存真
对于公司层面的需求要验证并提供证据 - 产品设计
三阶段:
①设计前——通过数据分析发现问题
②设计中——辅助决策,判断思路
③设计后——数据验证方案