数据分析应该以业务场景为起始思考点,以业务决策作为终点。
随着人口和流量红利的下降,互联网行业必然会朝着精益化运营的方向发展。数据分析在很多互联网人的工作中越发显得重要,而对于产品经理来说,更是如此。
本文将为产品经理介绍数据分析的基本思路,并基于此,衍生出 2 个常见方法和 7 个应用手段,希望在数据分析的实际应用中能给大家带来帮助。
一、数据分析的基本思路
数据分析应该以业务场景为起始思考点,以业务决策作为终点。
基本思路为 5 步,首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察,最终产出商业决策。
接下来我们用一个案例来具体说明这 5 步思路:
1. 挖掘业务含义
首先要了解市场部想优化什么,并以此为核心的 KPI 去衡量。渠道效果的评估,最重要的是业务转化:对 P2P 类网站来说,是否『发起借贷』远远比『用户数量』重要。
所以无论是 Google 还是金山渠道,都要根据用户群体的不同,优化相应用户的落地页,提升转化。
2. 制定分析计划
以『发起借贷』为核心转化点,分配一定的预算进行流量测试,观察对比注册数量及 ROI 效果,可以持续观察这部分用户的后续价值。
3. 拆分查询数据
根据各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单类型数据,进行用户分群。
4. 提炼业务洞察
在不同渠道进行投放时,要根据 KPI 的变化,推测业务含义。比如谷歌渠道的效果不好,可能因为谷歌大部分的流量在海外,可能会造成转化率低。而金山网络联盟有很多展示位置,要持续监测不同位置的效果,做出最后判断。
5. 产出商业决策
最后根据数据洞察,指导渠道的投放决策制。比如停止谷歌渠道的投放,继续跟进金山网络联盟进行评估,而落地页要根据数据指标持续地进行优化。
二、常见的数据分析方法
(一)内外因素分解法
内外因素分解法是把问题拆成四部分,包括内部因素、外部因素、可控和不可控,然后再一步步解决每一个问题。
对于这类某一数据下降的问题,从产品经理的角度来说,可以如何拆解?
根据内外因素分解法分析如下:
1. 内部可控因素
产品近期上线更新、市场投放渠道变化、产品粘性、新老用户留存问题、核心目标的转化;
2. 外部可控因素
市场竞争对手近期行为、用户使用习惯的变化、招聘需求随时间的变化;
3. 内部不可控因素
产品策略(移动端/PC端)、公司整体战略、公司客户群定位(比如只做医疗行业招聘);
4. 外部不可控因素
互联网招聘行业趋势、整体经济形势、季节性变化;
(二)DOSS
DOSS 是从一个具体问题拆分到整体影响,从单一的解决方案找到一个规模化解决方案的方式。
按 DOSS 的思路分解如下:
1. 具体问题
预测是否有可能帮助某一群组客户购买课程。
2. 整体
首先根据这类人群的免费课程的使用情况进行数据分析,之后进行延伸,比如对整体的影响,除了计算机类,对其他类型的课程都进行关注。
3. 单一回答
针对该群用户进行建模,监控该模型对于最终转化的影响。
4. 规模化
之后推出规模化的解决方案,对符合某种行为轨迹和特征的行为进行建模,将课程推荐模型加入到产品设计中。
三、数据分析的应用手段
根据基本分析思路,常见的有 7 种数据分析的手段。
(一)画像分群
画像分群是聚合符合某中特定行为的用户,进行特定的优化和分析。
比如在考虑注册转化率的时候,需要区分移动端和 Web 端,以及美国用户和中国用户等不同场景。这样可以在渠道策略和运营策略上,有针对性地进行优化。
(二)趋势维度
建立趋势图表可以迅速了解市场, 用户或产品特征的基本表现,便于进行迅速迭代;还可以把指标根据不同维度进行切分,定位优化点,有助于决策的实时性;
(三)漏斗洞察
通过漏斗分析可以从先到后的顺序还原某一用户的路径,分析每一个转化节点的转化数据;
所有互联网产品、数据分析都离不开漏斗,无论是注册转化漏斗,还是电商下单的漏斗,需要关注的有两点。第一是关注哪一步流失最多,第二是关注流失的人都有哪些行为。
关注注册流程的每一个步骤,可以有效定位高损耗节点。
(四)行为轨迹
行为轨迹是进行全量用户行为的还原。只看 PV、UV 这类数据,无法全面理解用户如何使用你的产品。了解用户的行为轨迹,有助于运营团队关注具体的用户体验,发现具体问题,根据用户使用习惯设计产品,投放内容;
(五)留存分析
留存是了解行为或行为组与回访之间的关联,留存老用户的成本要远远低于获取新用户,所以分析中的留存是非常重要的指标之一;
除了需要关注整体用户的留存情况之外,市场团队可以关注各个渠道获取用户的留存度,或各类内容吸引来的注册用户回访率,产品团队关注每一个新功能对于用户的回访的影响等。
(六)A/B 测试
A/B 测试是对比不同产品设计/算法对结果的影响。
产品在上线过程中经常会使用 A/B 测试来测试产品效果,市场可以通过 A/B 测试来完成不同创意的测试。
要进行 A/B 测试有两个必备因素:
1.有足够的时间进行测试;
2.数据量和数据密度较高;
因为当产品流量不够大的时候,做 A/B 测试得到统计结果是很难的。而像 LinkedIn 这样体量的公司,每天可以同时进行上千个 A/B 测试。所以 A/B 测试往往公司数据规模较大时使用会更加精准,更快得到统计的结果。
(七)优化建模
当一个商业目标与多种行为、画像等信息有关联性时,我们通常会使用数据挖掘的手段进行建模,预测该商业结果的产生;
例如:作为一家 SaaS 企业,当我们需要预测判断客户的付费意愿时,可以通过用户的行为数据,公司信息,用户画像等数据建立付费温度模型。用更科学的方式进行一些组合和权重,得知用户满足哪些行为之后,付费的可能性会更高。
以上这几种数据分析的方法论,仅仅掌握单纯的理论是不行的。产品经理们需要将这些方法论应用到日常的数据分析工作中,融会贯通。同时学会使用优秀的数据分析工具,可以事半功倍,更好的利用数据,实现整体增长。
爱盈利(aiyingli.com)移动互联网最具影响力的盈利指导网站。定位于服务移动互联网创业者,移动盈利指导。我们的目标是让盈利目标清晰可见!降低门槛,让缺乏经验、资金有限的个人和团队获得经验和机会,提高热情,激发产品。
相关文章推荐
-
浅析头条和微博的信息流产业链
今日头条今年很惹火。据头条内部人士透露,今日头条明年广告收入目标为冲500亿元,保300亿。如果明年保底目标完成,那么今日头条将在明年成为仅次于BAT的第四大广告巨头,远远甩开了新浪、搜狐等老前辈。在2017的头条创作者大会上,张一鸣推出千人百万粉计....
-
苹果发布官方说明:iOS 11 的标题、副标题、关键词要这样写
AppStore更新与说明在全新AppStore升级你的产品页面iOS11公测版用户已经可以体验全新的AppStore了,并且这一更新将于今年秋天推送到全球更多用户的iOS设备。开发者有了更多的优化选择,包括副标题(subtitle)、营销文案(pr....
-
应用商店整体下滑 新兴渠道开始崛起
在中国,应用商店是一个相对特殊的一个审视对象,它是googleplay退出中国市场以后,移动应用分发平台空白市场的继承者;同时因为中国移动互联网的发展,应用商店孕育出和其他国家截然不同的生态体系,以至于形成几大势力分庭抗礼的走势。要知道,虽然安卓系统....
-
小程序深夜推出重大更新 开发者都开心疯了!
2007年苹果发布第一代iPhone,乔布斯定义iPhone是「iPod+电话+Safari浏览器」,认为WebApps 就是未来,现在苹果的WebApps 标准支持仍然是最全面的;随着iPhone不断迭代,硬件和系统资源逐步解放(最初也受限于3G网....
-
应用宝推出“免流量玩游戏” 能否成为行业的风向标?
2017年12月27日,承载80、90后两代人青春记忆的《QQ飞车手游》正式上线首发。而作为腾讯官方下载渠道之一,应用宝也宣布《QQ飞车手游》将成为“免流量玩游戏”专区中的一员。在移动游戏对于手机流量愈发“依赖”的当下,应用宝“免流量玩游戏”这一新尝....
-
APP推广--如何让用户跟你的产品形影不离?
让用户粘上你的产品,核心是对用户的真实诉求和使用感受进行挖掘和洞察。产品迭代和优化的基础是对产品的分析,而对产品的分析包含用户喜好、市场竞争、战略目标等等因素。这些因素看起来是一个个独立的部分,但是其实相互影响。总的来说,产品分析是一个非常综合的事情....