当产品经理遇到数据分析这个槛,先掌握这些数
分类:科技知识

图片 1

A:产品非常早期,我个人不建议用A/B测试,因为最主要的问题是我们没有很多资源开发两套或者更多的产品方案。而且早期数据量小,不一定能够有“统计学意义”,往往测试者需要把流量分解,这样就需要等待结果。对于低流量的app/网站,没有足够的资源来等。工程上也有一定的挑战。所以我建议早期产品关注核心指标,分解核心指标为“可执行的指标”比A/B测试更重要。同时要迅速迭代。A/B测试对于产品线丰富的业务还是有很多作用的。看您的资源配置了。

GMV下降如果是因下单用户减少所造成的,那么是访客数(流量)减少了,还是转化率下降了呢?如果是访客数减少了,那是因为自然流量减少了,还是因为营销流量不足?

Q1:以前我们做数据统计,数据分析,都必须要攻城狮在相关行为中埋点;GrowingIO的无埋点统计分析是什么原理?

杜邦分析法目前主要用于财务领域,通过财务比率的关系来分析财务状况,其核心要点是将一个大的问题拆分为更小粒度的指标,以此了解问题出在了哪儿,从而对症下药。

Q2:GrowingIO能帮助优化产品设计和用户体验吗?

图片 2

Q1:2B企业应应用如何做基于数据驱动的产品设计与改进?

R(Recency):代表用户最近一次消费至今的时间长度,反映了用户当前的活跃状态。

Q2:关于留存率,互联网金融借贷产品是典型的低频,一个人不可能经常上来借钱或者出借,看留存率还有意义么?

虽为产品经理,但要真正解决核心问题,不免要在前期和中期进行大量的数据分析工作,那么,实用的数据分析方法有哪些呢?

想知道更多的增长方式和案例?您可以观看互联网产品增长大会的录播,听听国内通过低成本预算获得几亿用户的著名公司创始人们怎么说,如饿了么联合创始人汪渊、触宝科技联合创始人兼任 CEO王佳梁,WiFi万能钥匙联合创始人张发有等。

比如可以以品牌GMV增长率和占有率构建坐标系,来分析各品牌的状况,从而帮助业务方了解到哪些品牌是未来的明星品牌,可以重点发力,哪些品牌处于弱势且增长匮乏,需要优化品牌内的产品布局。

本文根据GrowingIO创始人&CEO张溪梦与产品经理在线交流问题整理编辑,希望对产品经理提升数据分析能力有较好的帮助。

同样,如果是转化率的问题,那么需要对用户进行细分,针对不同阶段的用户采取不同的运营策略,关于用户的部分,这里不做赘述,有兴趣的朋友可以关注后面的文章。

A2:tableau是一个很好的数据可视化工具。自己开发可以试试highchart和D3 document。

如果是自然流量下降的话,可能需要在用户运营和产品运营端发力,如果是营销流量不足,那么可以通过营销活动或者站外引流的形式增加曝光量。

图片 3

在一款数据产品诞生前,应该是先有数据,再有分析,然后才是产品,分析的广度和深度直接决定了产品的定位和价值。

点击http://event.3188.la/323568232或扫描图中的二维码进入报名页。

L(lifetime):用户来多久了?

●Activation 激发活跃

  1. 按照杜邦分析法将核心问题进行拆解,这里仍以电商为例,我们将GMV拆成了流量、转化率、商品均价和人均购买量,即GMV=流量*转化率*商品均价*人均购买量;
  2. 计算每个业务各项指标的同比数据;
  3. 针对每一项指标,对比各业务的同比高低并设定颜色渐变的条件格式,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,因此设定为蓝色底色加红色字体。

▶使用A/B测试的正确姿势

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同比或环比出现下滑时候,需要找到影响GMV的因素并逐一拆解。

Q2 : 如何收集自己需要的数据,面对杂乱无序的数据该如何分析,如何保证数据的准确性

L(lifetime):代表从用户第一次消费算起, 至今的时间,代表了与用户建立关系的时间长度,也反映了用户可能的活跃总时间。

A2:GrowingIO是新一代基于用户行为的数据分析产品,目前提供的用户转化、留存、细查、分群功能都可以帮助产品经理优化产品设计,进而提升用户体验。

根据不同的业务场景和业务需求,我们可以将任意两个指标作为坐标轴,从而把各类业务或者用户划分为不同的类型。

Q5: 若想了解某个行业,有哪些平台可以拿到相对靠谱数据以供分析?

除此之外,我们还可以根据以下场景构建类BCG矩阵:

以及一些有过成功增长经验的专家,包括陆金所网站产品管理部副总经理唐灏,《增长黑客》作者范冰,GrowingIO CEO (前LinkedIn高级总监) 张溪梦,吆喝科技CEO(前Google工程师) 王晔,360奇酷粉丝运营总监类延昊,Teambition 增长团队负责人钱卓群,触宝科技增长团队负责人杨乘骁,昭合投资合伙人(前Movoto公司中国总经理)陈世欣等。

R(Recency) :用户最近是否有消费,如果来了很长时间都未消费,是否需要进行唤醒?

Q: 小产品是否适合使用“A/B test”测试优化产品,前期的技术准备是否麻烦?

以上内容仅仅是提供了一些基础工具和思考方向,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,未来还需继续深入浅出,和大家共同成长。

Q4:针对工具类的app,有什么好的数据分析方法吗?需要注意哪些问题?

所以,在分析用户画像时,需要根据场景进行用户分类,并对比各类用户与总体间的差异,这样才能保证分析结果的可信性和适用性,而TGI指数就是很好的对比指标。

▶数据分析如何驱动产品优化?

按照上述方法,大家可以根据需求大开脑洞,按照一定标准对研究对象进行分类分析。

Q1:一个电商平台,应该着重关注什么数据,怎样设计数据后台?

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。

**仅需1杯咖啡钱,无限次观看12个顶级增长专家一天的分享录播,学会零成本运营产品的增长方法,赚千倍回报。**

当前在互联网领域,除了用户实名数据以外,其他用户的画像维度一般都通过建立模型进行判断,因此无法完全保证准确性,但不同于小样本调研,大数据分析是能容忍一定数据误差的,不过,这一切都要建立在对比的基础上。

A5:这个部分需要的工具有很多,看您的业务是以App为主,还是Web为主。基本上应该从流量,市场占有率,还有用户交互使用深度、舆情等角度入手。每一个都有不同的工具能够辅助。比如说Alexa,AppAnnie,艾瑞的互联网行业研究报告,Gartner的研究报告,IDC,TalkingData的游戏行业研究等等都是一些好的起点。

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。

▶“无埋点”数据分析工具的原理和运用

BCG矩阵大家都非常熟悉了,以市场占有率和增长率为轴,将坐标系划分为四个象限,用于判断各项业务所处的位置。

图片 4

同比热力图分析法这个名称是我自己造的,其实无非是把各个业务线的同比数据放到一起进行比较,这样能更为直观地了解各个业务的状况。

这里面,我觉得您可以根据自己的资源状况来设优先级。最直接的就是交易数据,然后最重要的是行为数据,因为所有的电商提供的是“互联网产品”而不仅仅是“所销售的产品”。第三就是流量的数据的分析,因为这里涉及到获取客户的成本。

本文由 @Mr.墨叽 原创发布于人人都是产品经理。未经许可,禁止转载返回搜狐,查看更多

Q4: 不强制登陆的app,如何定义独立用户。目前我们是获取手机信息,但并不准确

M(Monetary):代表用户在一定时间内的消费金额,反映了用户的购买能力。

A1:不同行业,不同业务会有相同宏观的指标,也有细化到本行业,本业务的指标。需要从宏观到微观的拆解指标。大量的数据如何为我们所用?需要了解产品业务,明确问题的本质,大量的深入的产品实践。大胆的提出假设,然后通过数据理性的验证。我们还会有更多的线下线上活动帮助大家拆解数据分析指标。

产品所处阶段不同,运营的侧重点也会有所不同。在产品初期,核心的工作是拉新,应该更加关注产品的使用广度,而产品的中后期,应该更加注重使用深度和使用粘性的提升。

本文作者是GrowingIO创始人&CEO张溪梦,摘自GrowingIO。

二、用户分析类2.1 TGI指数

关于数据准确性可以不同的工具去验证。比如同时安装多个数据统计工具。比如比较客户端和服务端的数据统计差异。

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,比如对于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。对于企业来说,这两个用户的类型和价值就完全不同,因此我们需要更全面的模型。

还有就是整个SaaS页面的优化,比如说注册流,注册转化率,注册用户向深度用户的转化率,深度用户向付费用户的转化率。SaaS的数据分析是很深入的话题,我就是分享一些最基本的指标。

图片 5

Q3: 做内容的网站,如何结合业务判断需要获取哪些和用户相关的数据?

四、结语

以在线商城页面设计为例,用户浏览商品、提交订单,点击支付,完成购买形成了客户的核心路径,但是日常业务中经常遇到客户转化率过低的情形。GrowingIO的用户转化漏斗可以帮助产品经理分析客户到底在哪一步流失较高,然后借助用户细查功能来验证前面的假设猜想。从而提升帮助产品经理找出产品设计的缺陷,后期尽快优化。

本文由威尼斯网址开户网站发布于科技知识,转载请注明出处:当产品经理遇到数据分析这个槛,先掌握这些数

上一篇:没有了 下一篇:没有了
猜你喜欢
热门排行
精彩图文