產品經理必會的10種資料分析方法

2021-09-11 05:02:46 字數 4167 閱讀 5447

作者 | 陳明,growingio 聯合創始人 & 運營副總裁。畢業於史丹福大學,先後就職於 ebay、linkedin 資料分析部門,有豐富的商務分析經驗。

隨著人口和流量紅利的下降,網際網路行業必然會朝著精益化運營的方向發展。資料分析在很多網際網路人的工作中越發顯得重要,而對於產品經理來說,更是如此。

一、資料分析的基本思路

資料分析應該以業務場景為起始思考點,以業務決策作為終點。

基本思路為 5 步,首先要挖掘業務含義、制定分析計畫、從分析計畫中拆分出需要的資料、再根據資料分析的手段提煉業務洞察,最終產出商業決策。

接下來我們用乙個案例來具體說明這 5 步思路:

1.?挖掘業務含義

所以無論是 google 還是金山渠道,都要根據使用者群體的不同,優化相應使用者的落地頁,提公升轉化。

2.?制定分析計畫

以『發起借貸』為核心轉化點,分配一定的預算進行流量測試,觀察對比註冊數量及 roi 效果,可以持續觀察這部分使用者的後續價值。

3.?拆分查詢資料

根據各個渠道追蹤流量、落地頁停留時間、落地頁跳出率、**訪問深度以及訂單型別資料,進行使用者分群。

4. 提煉業務洞察

在不同渠道進行投放時,要根據 kpi 的變化,推測業務含義。比如谷歌渠道的效果不好,可能因為谷歌大部分的流量在海外,可能會造成轉化率低。而金山網路聯盟有很多展示位置,要持續監測不同位置的效果,做出最後判斷。

5. 產出商業決策

最後根據資料洞察,指導渠道的投放決策制。比如停止谷歌渠道的投放,繼續跟進金山網路聯盟進行評估,而落地頁要根據資料指標持續地進行優化。

二、常見的資料分析方法

(一)內外因素分解法

內外因素分解法是把問題拆成四部分,包括內部因素、外部因素、可控和不可控,然後再一步步解決每乙個問題。

社交招聘類**,一般分為求職者端和企業端,向企業端收費方式之一是購買職位的廣告位。業務端人員發現『發布職位』數量在過去的 6 個月裡有緩慢下降的趨勢。

對於這類某一資料下降的問題,從產品經理的角度來說,可以如何拆解?

根據內外因素分解法分析如下:

1.內部可控因素

產品近期上線更新、市場投放渠道變化、產品粘性、新老使用者留存問題、核心目標的轉化;

2.外部可控因素

市場競爭對手近期行為、使用者使用習慣的變化、招聘需求隨時間的變化;

3. 內部不可控因素

產品策略(移動端/pc端)、公司整體戰略、公司客戶群定位(比如只做醫療行業招聘);

4. 外部不可控因素

網際網路招聘行業趨勢、整體經濟形勢、季節性變化;

(二)doss

doss 是從乙個具體問題拆分到整體影響,從單一的解決方案找到乙個規模化解決方案的方式。

按 doss 的思路分解如下:

1. 具體問題

**是否有可能幫助某一群組客戶購買課程。

2. 整體

首先根據這類人群的免費課程的使用情況進行資料分析,之後進行延伸,比如對整體的影響,除了計算機類,對其他型別的課程都進行關注。

3. 單一回答

針對該群使用者進行建模,監控該模型對於最終轉化的影響。

4. 規模化

之後推出規模化的解決方案,對符合某種行為軌跡和特徵的行為進行建模,將課程推薦模型加入到產品設計中。

三、資料分析的應用手段

根據基本分析思路,常見的有 7 種資料分析的手段。

(一)畫像分群

畫像分群是聚合符合某中特定行為的使用者,進行特定的優化和分析。

比如在考慮註冊轉化率的時候,需要區分移動端和 web 端,以及美國使用者和中國使用者等不同場景。這樣可以在渠道策略和運營策略上,有針對性地進行優化。

(二)趨勢維度

建立趨勢圖表可以迅速了解市場, 使用者或產品特徵的基本表現,便於進行迅速迭代;還可以把指標根據不同維度進行切分,定位優化點,有助於決策的實時性;

(三)漏斗洞察

通過漏斗分析可以從先到後的順序還原某一使用者的路徑,分析每乙個轉化節點的轉化資料;

所有網際網路產品、資料分析都離不開漏斗,無論是註冊轉化漏斗,還是電商下單的漏斗,需要關注的有兩點。第一是關注哪一步流失最多,第二是關注流失的人都有哪些行為。

關注註冊流程的每乙個步驟,可以有效定位高損耗節點。

(四)行為軌跡

行為軌跡是進行全量使用者行為的還原。只看 pv、uv 這類資料,無法全面理解使用者如何使用你的產品。了解使用者的行為軌跡,有助於運營團隊關注具體的使用者體驗,發現具體問題,根據使用者使用習慣設計產品,投放內容;

(五)留存分析

留存是了解行為或行為組與回訪之間的關聯,留存老使用者的成本要遠遠低於獲取新使用者,所以分析中的留存是非常重要的指標之一;

除了需要關注整體使用者的留存情況之外,市場團隊可以關注各個渠道獲取使用者的留存度,或各類內容吸引來的註冊使用者回訪率,產品團隊關注每乙個新功能對於使用者的回訪的影響等。

(六)a/b 測試

a/b 測試是對比不同產品設計/演算法對結果的影響。

產品在上線過程中經常會使用 a/b 測試來測試產品效果,市場可以通過 a/b 測試來完成不同創意的測試。

要進行 a/b 測試有兩個必備因素:

1.有足夠的時間進行測試;

2.資料量和資料密度較高;

因為當產品流量不夠大的時候,做 a/b 測試得到統計結果是很難的。而像 linkedin 這樣體量的公司,每天可以同時進行上千個 a/b 測試。所以 a/b 測試往往公司資料規模較大時使用會更加精準,更快得到統計的結果。

(七)優化建模

當乙個商業目標與多種行為、畫像等資訊有關聯性時,我們通常會使用資料探勘的手段進行建模,**該商業結果的產生;

例如:作為一家 saas 企業,當我們需要**判斷客戶的付費意願時,可以通過使用者的行為資料,公司資訊,使用者畫像等資料建立付費溫度模型。用更科學的方式進行一些組合和權重,得知使用者滿足哪些行為之後,付費的可能性會更高。

以上這幾種資料分析的方**,僅僅掌握單純的理論是不行的。產品經理們需要將這些方**應用到日常的資料分析工作中,融會貫通。同時學會使用優秀的資料分析工具,可以事半功倍,更好的利用資料,實現整體增長。

growingIO《產品經理資料分析》

資料產品三段式 分析 策略 測試 該文主要傾向於如何做分析 目錄 一 為什麼產品經理要做資料分析 大致原因都差不多,沒有太過出彩的新理論 gmv萬歲,kpi萬歲.二 14年資料分析經驗總結出來的三點精華 技術活兒的經驗之談 三 推薦書單 按照段位不同推薦不同的書,很有層次感 四 7大工具 五 10大...

產品經理二十章 資料分析能力

作為一名合格的產品經理,要對資料十分敏感,善於通過資料分析從大量的資料中挖掘有用的資訊,用來指導和改善自己乃至他人的工作,提公升工作的效率,創造新的價值。一 資料的作用 資料對於產品的重要性,就相當於全球定位對於現代戰爭的重要性一樣。資料就是產品的眼睛,也是產品的榮辱。具體的說,資料究竟可以起到哪些...

資料分析師常用的十種資料分析思路

隨著網際網路的發展 業務邏輯越來越複雜,資料的分析也就變的越來越重要。對資料的分析可有效避免邏輯的混亂,防止在繁雜的業務理解上邏輯不清 判斷錯誤。下面就給大家分享資料分析師常用的十種資料分析思路。道家曾強調四個字,叫 道 法 術 器 層次分別為 器 是指物品或工具,在資料分析領域指的就是資料分析的產...