除了PV、UV,产品经理还应该知道这三大数据指标

shuju

一、PM必须要知道的三大数据指标

作者技术出身,从数据组成的角度来说,一个完整的闭环数据源包括三部分:

  • 用户行为数据;
  • 服务端日志数据;
  • 实际交易数据。

其中,实际交易数据会经常被存储在离线数据库中,并通过 ETL 来获取分析。而用户行为数据和服务端日志数据很多时候都是近似的。最近几年发展最快的是前端,每个月都会有新的东西出来;整体趋势是往单页应用发展,追求更好的用户体验

所以从产品经理角度来说,我们需要知道屏幕前的人是怎么使用我们的产品的,洞悉用户行为背后的规律,发掘用户价值。

作者去年开始新的创业历程,分析总结了几百家企业的数据分析需求,大致可以分为三个数据指标或者场景:渠道、转化和留存。

渠道优化

渠道衡量和优化

很多产品经理或者运营人员都有过这样的经历:公司做了一次线上促销,发表了一篇软文,买了很多搜索关键词(SEM),但是如何衡量这些活动的效果。你是否知道用户是从那几个渠道来访问你的网页或者下载你的APP;不同渠道来的用户有哪些差异;如何用最少的钱在不同的渠道上办最有效的事情。

提升转化率

产品经理最常见(没有之一)的一个问题:注册!!!

用户的注册流程是否顺畅?激活步骤是否合理?运营拉过来的流量,是否转化为注册用户。再细一点,每一步的转化率是多少?没转化的用户去哪里了?如何优化注册或者购买的流程?

提高留存率

先举几个硅谷前沿公司的案例

社交网络公司LinkedIn(领英)发现:在第一周增加5个社交好友后,这类用户的留存度非常高。Dropbox(一家云存储公司)发现在第一周安装两个以上操作系统的用户留存度非常高。Facebook和Twitter也通过让新用户添加好友的方式提升用户的留存。这里面的5(个社交好友)、2(个操作系统)等等就是这些产品留存的魔法数字。

作为产品经理,你肯定希望用户留下来,那么你是否知道你产品留存的魔法数字呢?对于提升用户留存,你是否有好的办法?

二. PM需要警惕的虚荣指标

产品经理做数据分析,归根结底都是为了用户服务的。所以我们需要建立一套基于用户行为的数据分析体系,了解用户是谁?用户都做了什么?不同用户之间的差异等等。产品经理只有明白了“是什么”,才能搞懂“为什么”,进而优化产品设计。

数据分析是一个长时间优化的过程,需要我们持续监测各项指标变化。在这个过程中,产品经理需要警惕一类虚荣指标:即PV、UV等概览性指标。这类指标就算很大,也没法很好的指导我们具体的工作,还容易给人带来误导。

而我们需要关注的用户行为数据指标,包括我们上面介绍的用户获取(渠道)、用户激活(激活)、用户留存(留存)等等。只有了解到这些指标,才能优化我们的产品设计; 所以这些指标也叫做 Actionable Metric(可执行指标),这也是用户行为数据的魅力。

三、案例解释:用户行为数据分析的基本流程

确定了具体的数据指标后,我们开始分析用户行为数据,那么该如何操作呢?我们以一个产品经理常见的场景——网页注册转化率过低——为例,对用户行为数据分析的流程进行详细介绍。

用户行为数据分析的基本流程

第一步:明确你的分析场景,确定具体的目标

在这个案例中,网页的注册转化率过低,那么我们的目标就是提升注册转化率;为例提升注册转化率,我们需要知道到底是哪一步挡住了用户注册。

第二步:规划一下你需要那些数据来支持你的分析

比如对于之前的目标,我们需要拆解从进入注册页面到完成注册的每一个步骤的数据,每一次输入的数据,同时,完成或者未成为这些步骤的所有用户的特征数据。

第三步:让工程师帮忙采集数据

一般这个时候,产品经理和工程师们就开始进入撕X节奏了,理由可能是:太忙,你这个数据收集起来有意义吗?一定需要这些数据嘛,你再想想?好的,提个工单,排期到下下下个月。收集每一个注册页面的数据,需要工程师在每一个注册页面或者按钮下面埋点来收集说句。同时还要调取不同类别客户的基本属性(IP来源、电脑系统、屏幕大小、浏览器版本、客户会员登记、客户职务等等各种可能涉及到的信息)数据,怪不得程序员嫌烦。(作为工程师,作者深有体会)

第四步:评估和分析数据

这一步和产品经理的数据分析能力息息相关,懂数据分析的PM可以自行完成这些工作;不懂数据分析的PM可能要求数据分析师帮忙了。对于注册转化率过低的案例,一般是做个转化环节的漏斗分析,通过不同环节的漏斗大小来分析问题出在那里。

第五步:给出优化方案

通过数据分析来发现问题,然后提出解决问题的方案。例如发现某一个页面填写的注册信息过多,导致很多用户放弃,那就需要简化这个页面。

第六步:就是确定方案的负责人

如果是BUG,产品经理可能要和程序员开始新一轮的交战。如果是设计的问题,产品需要和交互等交流,交流完再和程序员撕。

第七步:评估实施新方案的效果,并持续优化

这是一个不断优化的过程,需要日复一日,持续监测和改进。

 

作者:GrowingIO叶玎玎

去年今日运营文章

  1. 2023:  天涯社区关停原因曝光:欠电信千万服务器费用 仅剩 20 多名员工(0)
  2. 2023:  流失用户运营本质是什么?从3个方面解析用户流失预警体系如何搭建(0)
  3. 2023:  怎么找回误删的备忘录(0)
  4. 2023:  B站UP主如何快速涨粉!(0)
  5. 2023:  B站企业蓝v号爆款视频盘点,三大爆款秘诀请查收!(0)

原创文章,作者:爱运营,如若转载,请注明出处:https://www.iyunying.org/pm/56715.html

(0)
爱运营爱运营管理员
上一篇 2016年4月27日 下午5:26
下一篇 2016年4月27日 下午5:27

推荐资讯

发表回复

登录后才能评论
分享本页
返回顶部