数极客首页

PM如何用数据驱动产品设计与迭代?

为什么要数据驱动?我们把2000年后的互联网分为3个阶段:

  1. 2000-2006年,流量时代,有三大门户,拼流量
  2. 2006-2011年,用户时代,如开心、FB,比用户量、日活等
  3. 2012年至今,订单时代,如O2O,互金,直播等,比订单量、流水。

可以看出,随着互联网发展,行业趋于成熟,产品精细化是大势所趋,大多产品新功能和改动需要依靠数据支撑,从而过滤掉大量负优化、伪需求,更好提升效率,这是数据分析驱动真正的价值所在。数据驱动另外一个重要意义,就是了解海量用户真实行为,这与传统用户调研的区别在于,传统用户调研是抽样调查,结果置信度和准确性有限,而数据分析驱动采用的是整体数据,结果更接近用户的真实行为。

开始前知识储备统计学相关概念:概率论与数理统计,掌握基础数学知识数据库技术积累:了解数据库原理,掌握SQL常用语法Excel基本操作:合并、拆分列,常用函数,图表制作等

数据分析实操流程开始数据分析前,最重要的是明确数据分析的最终目的,是想提升用户留存率?还是想改进某个功能模块的使用情况?明确目标以后再做目标衡量指标拆解,比如想提升收入,那就拆解收入是如何构成的?收入计算公式是怎样的?,然后围绕相关组成因素进行分析,找到瓶颈和薄弱的点并针对性改进一般数据分析分为以下4步:

  1. 数据采集:在产品中加入埋点,定义在用户相应使用场景下以何种方式采集、采集哪些数据
  2. 数据建模:将采集到的数据重新组织
  3. 数据分析:采用某种或多种分析方法研究数据
  4. 指标:转化得到监测产品、考核效果等的关键指标

应该关注哪些指标?不同类型(电商、社交、游戏、工具等)不同平台(PC、移动端等)的产品,其关键数据指标往往不太一样,需要结合具体情况调整指标。

移动端常用指标:注册用户数:针对有账户体系的产品,已注册账户的用户数活跃用户数:DAU(日活跃数)、MAU(月活跃数)新用户占比:日活跃中,当天新安装用户的占比用户留存率:次日留存率、周留存率渠道转化率:某个渠道成功转化用户数/该渠道看到转化入口的用户数

PC端常用指标:总PV:每日总页面浏览数,反映网站受欢迎程度平均浏览页面数:用户每次打开网站后流量的页面平均数,反映网站用户价值高低平均访问时长:反映网站的用户价值高低流量各渠道来源占比:根据比例优化SEO、SEM,了解用户质量构成日总UV:每日独立访客数,反映网站受欢迎程度商业收入指标:广告召回率、展现量、点击量、转化率等

常用数据分析方法对比法:  与上个周期比,与去年同期对比构成分析法:   自身百分比构成,如不同渠道新装用户占比构成ABTest:   设立实验组与对照组,类似于对比法,但略有差异漏斗转化模型:   触达、激活、留存、推荐、变现  每一步都有一定折损,可用来分析用户价值变现流程的瓶颈所在

数据驱动产品设计与迭代真实案例这里以搜索引擎改版为例,做了搜索结果页左侧留白增大的改版,评估改版之后的真实收益首先确立实验目标:综合衡量用户产品指标变化(人均访问页面数、自然结果点击率)、商业产品指标变化(千人展现成本)如何,从而评估此次改版最终真实收益数据收集:将实验组(改版后)和对照组(改版前)采用不同版本号,分别随机划分5%UV,进行一周实验,在页面前端代码中加入埋点,并收集日志供建模数据建模:将数据按版本号划分分开处理,按天分割统计1周数据,并导出到Excel数据分析:加工实验组与对照组基础数据,对比分析各项数据值指标:PV、自然结果点击率略有下降,广告收入下降3%,可以看出此次改版用户侧和商业侧都是负收益,应放弃上线,后续优化改版方案后重新做ABTest评估收益,待收益为正向时再逐步放量。PS:关于数据驱动、数据分析其实想写的很多,今天篇幅原因讲的比较粗、不做更多展开和扩展,建议产品经理平时多培养数据思维、多尝试提炼和总结数据规律,对PM来说,数据分析能力将越来越重要。End.作者:清水Calvin来源:36大数据

发表评论

评论已关闭。

相关文章