数极客首页

想成为数据产品经理,先掌握这些数据分析方法论

业务、产品、运营三类剖析

办法

想成为数据产品经理,先控制这些数据剖析办法论 作者:杨子江

来源:春羽计划

投稿

产品经理的概念在不时
泛化。近些年来,随着互联网行业的展开

,越来越多的企业认识
到了大数据和精密

化运营的重要性,为了更好地挖掘

数据的价值,指导业务的优化和展开

,数据产品经理应运而生,他们基于数据剖析

办法

发现问题,并提炼关键要素,设计产品来完成
商业价值。

虽为产品经理,但要真正处置

中心
问题,难免
要在前期和中期中止

大量的数据剖析

工作,那么,适用
数据剖析

办法

有哪些呢?

一、 业务剖析

类:

1.杜邦剖析


杜邦剖析

法目前主要用于财务范畴
,经过
财务比率的关系来剖析

财务状况

其中心
要点
是将一个大的问题拆分为更粒度的指标,以此了解

问题出在了哪儿,从而对症下药


以电商行业为例,GMV(网站成交金额)是考核业绩最直观的指标,当GMV同比或环比呈现
下滑时分
,需求
找到影响GMV的要素
并逐一拆解。

想成为数据产品经理,先控制这些数据剖析办法论

 

GMV降落
假定

是因下单用户减少所构成

的,那么是访客数(流量)减少了,还是转化率降落
了呢?假定

是访客数减少了,那是由于
自然流量减少了,还是由于
营销流量缺乏

假定

是自然流量降落
的话,可能需求
在用户运营和产品运营端发力,假定

是营销流量缺乏
,那么能够

经过
营销活动或者站外引流的方式
增加曝光量。

同样,假定

是转化率的问题,那么需求
对用户中止

细分,针对不同阶段的用户采取不同的运营战略
,关于用户的部分

,这里不做赘述,有兴味
的朋友能够

关注后面的文章。

最终
,假定

是由于
客单价不高,那么需求
中止

定价及促销的计划

优化,比如

辨认

具有GMV提升潜力的商品中止

定价优化,评价
当前促销的ROI,针对选品、力度和促销方式
中止

优化。同时经过
关联商品的举荐

或商品套装促销的方式
,激起
用户置办

多件商品,也能够

有效进步
客单价。

2.同比热力图剖析


同比热力图剖析

法这个称号
是我自己

造的,其实无非是把各个业务线的同比数据放到一同
中止

比较

,这样能更为直观天文

各个业务的状况

想成为数据产品经理,先控制这些数据剖析办法论

 

构建一张同比热力图大致需求
三步:

第一步,依照

杜邦剖析

法将中心
问题中止

拆解,这里仍以电商为例,我们将GMV拆成了流量、转化率、商品均价和人均置办

量,

即GMV=流量*转化率*商品均价*人均置办

量;

第二步,计算每个业务各项指标的同比数据;

第三步,针对每一项指标,对比

各业务的同比上下
并设定颜色突变
的条件格式,以上图中的转化率同比为例,业务5转化率同比最高,为深橙底色,业务3转化率同比最低且为负值,因而

设定为蓝色底色加红色字体。

经过
同比热力图的剖析

,第一
,能够

经过
纵向
对比

了解

业务自身

的同比趋向
第二
,能够

经过
横向对比

了解

自身

在同类业务中的位置,此外,还能够

综合剖析

GMV等中心
指标变动的缘由


除了电商业务的剖析

以外,同比热力图同样适用于互联网产品数据指标的监控及剖析

,该剖析

办法

的关键点在于拆解中心
指标,在本文后面的产品运营类办法

中将会引见
相关指标的拆解办法

3.类BCG矩阵


BCG矩阵大家都十分

熟习
了,以市场占有率和增长率为轴,将坐标系划分为四个象限,用于判别
各项业务所处的位置。

这里想讲的并非传统的BCG矩阵,而是BCG矩阵的变阵,或者叫类BCG矩阵。依据

不同的业务场景和业务需求,我们能够

恣意
两个指标作为坐标轴,从而把各类业务或者用户划分不同的类型


比如

能够

以品牌GMV增长率和占有率构建坐标系,来剖析

各品牌的状况

,从而辅佐

业务方了解

到哪些品牌是未来

的明星品牌,能够

重点发力,哪些品牌处于弱势且增长匮乏,需求
优化品牌内的产品规划

想成为数据产品经理,先控制这些数据剖析办法论

除此之外,我们还能够

依据

以下场景构建类BCG矩阵:

1)剖析

商品引流才干

和转化率:流量份额-转化率

2)剖析

商品对毛利/GMV的贡献

:毛利率-销售额

3)基于RFM剖析

用户的价值:访问频率-消费金额

依照

上述办法

,大家能够

依据

需求大开脑洞,依照

一定规范

对研讨
对象中止

分类剖析

二、 用户剖析

1. TGI指数


在剖析

用户时,通常的做法是将目的
用户中止

分类,然后对比

各类用户与总体之间的差别

性,TGI指数提供了一个很好的办法

,来反映各类用户群体在特定研讨
范围(如天文
区域、人口统计、媒体偏好等)内的强势或弱势。

TGI指数=用户分类中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例*100。

比如

在剖析

用户的年龄段时,能够

经过
TGI指数对比

各用户分类与总体在各年龄段的差别

,设用户分类1中16-25岁的用户占比为4%,而总体中16-25岁的用户占比为8.3%,那么用户分类1在16-25岁用户中的TGI指数为4%/8.3%*100=48。依照

这一办法

,我们能够

对各类用户在各年龄段的TGI指数中止

对比

想成为数据产品经理,先控制这些数据剖析办法论

 

如上图所示,各类目的
用户在16-25岁这个年龄段的占比都比总体小(TGI指数<100),其中分类1的用户年龄偏大,由于
该类用户在36岁以上各个年龄段的TGI指数都显然
高于100,且同时高于其他三类用户。

当前在互联网范畴
,除了用户实名数据以外,其他用户的画像维度普通
都经过
树立
模型中止

判别
,因而

无法完好

保证精确

性,但不同于小样本调研,大数据剖析

是能容忍一定数据误差的,不过,这一切都要树立
在对比

的基础

上。

所以,剖析

用户画像时,需求
依据

场景中止

用户分类,对比

各类用户与总体差别

这样才干
保证剖析

结果的可信和适用性,而TGI指数就是很好的对比

指标。 


2. LRFMC模型


RFM模型是客户关系管理中最常用的模型,但这一模型还不够完善,比如

关于
M(Money),即消费金额相等的两个用户而言,一个是注册两年的老用户,一个是刚注册的新用户,关于
企业来说,这两个用户的类型和价值就完好

不同,因而

我们需求
更全面的模型。

LRFMC模型提供了一个更完好
的视角,能更全面天文

一个用户的特征,LRFMC各个维度的释义如下:

L(lifetime):代表从用户第一次消费算起, 至今的时间,代表了与用户树立
关系的时间长度,也反映了用户可能的生动

总时间。

  • R(Recency) :代表用户最近一次消费至今的时间长度,反映了用户当前的生动

    状态。

  • F(Frequency) :代表用户在一定时间内的消费频率,反映了用户的忠实
    度。

  • M(Monetary) :代表用户在一定时间内的消费金额,反映了用户的置办

    才干

  • C(CostRatio):代表用户在一定时间内消费的折扣系数,反映了用户对促销的偏好性。

以去哪儿的业务为例,经过
LRFMC模型能够

综合剖析

用户的习气
偏好和当前状态,从而指导精准营销计划

的实施

  • L(lifetime):用户来多久了?

  • R(Recency) :用户最近能否
    有消费,假定

    来了很长时间都未消费,能否
    需求
    中止

    唤醒?

  • F(Frequency) :用户出行的频率怎样
    ,假定

    是固定周期出行,能否
    应该中止

    复购提示

  • M(Monetary) :用户的消费金额是多少,是单价高(置办

    头号
    舱),还是频次高?

  • C(CostRatio):用户对折扣的偏好怎样
    ,是为用户增加权益还是降价促销?

、产品运营类

产品运营是一个长期的过程,需求
定期对产品的运用
数据中止

监控,以便发现问题,从而肯定
运营的方向,同时也能够

用于评价
运营的效果。

产品运营的常用指标如下:

1)运用
广度:总用户数,月活

2)运用
深度:每人每天平均

阅读
次数,平均

访问时长

3)运用
粘性:人均运用
天数   

4)综合指标:月访问时长=月活*人均运用
天数*每人每天平均

阅读
次数*平均

访问时长

产品所处阶段不同,运营的偏重

点也会有所不同。在产品初期,中心
的工作是拉新,应该愈加
关注产品的运用
广度,而产品的中后期,应该愈加
注重运用
深度和运用
粘性的提升。

关于
不同的产品也需依据

产品的性质来肯定
中心
指标,比如

,关于
社交类产品,运用
广度和运用
粘性至关重要,而关于
一些中台剖析

类产品,提升运用
深度和运用
粘性更有意义。

结语

在一款数据产品降生
前,应该是先有数据,再有剖析

,然后才是产品,剖析

的广度和深度直接决议
了产品的定位和价值。假定

是做一款数据报表类的产品,那么需求
了解

中心
指标,并树立
综合指标的评价
体系,假定

是做一款剖析

决策类产品,那么还需求
基于业务需求,将现有数据指标中止

解构再重构。

以上内容仅仅是提供了一些基础

工具和思索

方向,数据产品经理是一个新兴的分支,目前还没有成熟的学习体系,未来

还需继续深化
浅出,和大家共同生长

举荐

运用
国内新一代大数据用户行为剖析

平台:数极客,新一代支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式;自动监测网站、APP、小程序等多种渠道推行
效果剖析

,是增长黑客必备的互联网数据剖析

工具。数极客支持实时多维剖析

、漏斗剖析

、留存剖析

、途径
剖析

等十大数据剖析

办法

以及APP数据剖析

网站统计网站剖析

小程序数据统计用户画像等应用场景,国内首创6大提升转化率的数据剖析

模型,是用户行为剖析

范畴
首款应用定量剖析

与定性剖析

办法

数据剖析

产品

发表评论

评论已关闭。

相关文章