一.数据分析门槛在那里？
1.掌握利用数据评估产品改版(或新功能)效果的方法。
2.掌握借助数据发现产品改进关键点的方法。
3.学会在数据的配合下快速完成用户画像的方法。
4.知道如何定义数据埋点以及分析需求,并推动研发团队实施，或者掌握一种数据分析工具(诸葛io、百度统计)。
二.数据分析如何入门？
1.不要把数据分析当成一回事来干，应该放在你的日常工作中去做，
如：
你的产品刚刚上线，看看数据与预计的主要用户群体，用户使用流程，页面停留时间等等和自己的预计有什么出入没有？
产品迭代更新后，看看数据研究一下之前的用户行为, 看看能不能为产品设计带来点儿新思路?
2.数据对于我们来说只是一件工具，
不必等到一定要精通掌握所需的全部知识技能才开始做分析；
产品经理的核心工作是通过研究用户、定义产品来创造价值。
三.产品经理应关注哪些数据指标
新增、传播、活跃、留存、流失
举个老农民种果树的例子：
新增：老农民，每天种10棵果树，每个月种200棵果树，这就是预计新增用户，对比前一天、前一周、前24天等。
传播：果子成熟了，被运往各地，或者被附近的小动物吃掉，种子遍布各地，
通过各种渠道传播，埋下种子，成为潜在的用户。
还有就是，他的成熟周期越短，他的传播速度也将越快。
要考虑到一个拉新的短期效果。
活跃：这就是每天还有多少颗果树健健康康的在线，生病了？缺水干枯？等等
留存：这就是能存活下来的树宝宝了，只有活的越久，活跃度越高的树宝宝，它结的果实才越多，这颗树才越有价值。
流失：这就是我们可怜的死去的树宝宝了，这就是占这段时间还活跃的树宝宝，只有新增大于流失才会是正增长。
〔AARRR〕模式
Fig AARRR模式
高流量≠高转化
误区：只关心最后一步转化
转化率提升≠用户体验提升
提升转化四步曲：
正确的用户→流程的体验→最佳转化路径→复购与增购
业务的了解和用户的了解，才是提高转化率本事。
四.衡量的重要性
衡量需要的数据，就是用户在哪个时间段做了一些什么事情，也就是用户行为依据来衡量
1. 新功能的使用率：新功能使用用户/同期的活跃用户。
2. 用户是否会重复使用：重复比越高，新功能越有成功，初始占比以及后期新功能占比同期活跃用户。
3. 新功能是否对所使用流程有帮助：使用漏斗筛选，对比更新前后的数据流。
4. 产品的更新对用户产生的影响：查看对比整体的留存率，因为产品的更新是为了留住用户。
5. 了解用户是怎么使用新功能：场景还原，对于于自己设计的用户流程有什么区别从中可以怎么去优化改变
五.发现产品改进点的步骤举例
1.目标(起因)
某旅游App团队发现,部分用户下载了他们的 App 后,除了安装后第一次打开,后续使用的很少。
一直到了 2016 年下半年,他们终于腾出手来,想要提升一下这部分用户的活跃度。
(你可以思考一下哪些数据指标能够反映用户的活跃度)
2.根据目标对用户分群
选取两周前新增的一批用户作为初始的研究对象将这群用户,
按照「活跃度高低」(目标)不同,将用户分若干群,
并从中选取出「非常 活跃」和「不太活跃」的两群用户做深入研究
3.对比用户群,寻找差异
接下来,旅游产品团队团队对「非常活跃」和「不太活跃」的两群用户,从各个角度进行了对比：
人群属性: 您应用能采集到的所有用户的人口属性,比如性别、年龄、用户等级等;
使用环境: 如所在地区、来源渠道、设备品牌、操作系统版本、App 版本、屏幕分辨率等;
整体行为特征: 如第一次访问时间、最后一次访问时间、过去 30 天总访问次数、过 去 30 天总访问时长;
用户行为: 某个具体行为的发生次数(比如「成功发布旅行心得」的次数);
某个具体行为发生的特征(比如「第三方分享」的平台);
过程转化率:比如「购物下单」过程的转化率和完成率;
留存:比如「次日留存率」、「周留存」等。
4.发现差异,探寻背后原因
对上一步得到用户群之间的差异，进行逐项分析：
首先,排除一些理所应当(无趣儿)的差异(比如活跃的用户会比不活跃的用户的访 问时间长 ;)
然后,对剩下的(有趣儿的)差异,探索并其背后的原因。
以旅游产品团队为例,
他们在对「非常活跃」和「不太活跃」用户的差异进行分析筛选之后,
得到了一个有趣的发现，
「非常活跃」的用户,大多在安装 App 后的两天内完成了以下行为:
浏览旅行页面详情
加好友
发布自己的旅行心得
5.根据发现改进产品
将 App 首界面改为「推荐」「最新」,新用户首次访问时直接展示热门旅行项目,
并根据用户的 兴趣(访问记录)展示用户感兴趣的旅行项目;
将「旅行日志」的导航地位提升。
6.衡量改版是否达到预期效果
新版发布后,旅行产品团队持续追踪了一段时间的数据,发现新版的效果非常明显:
改版后用户的启动应用次数是改版前 1.4 倍
改版后用户的单次访问时长是改版前的 1.3 倍
新用户的次日留存率是改版前的 1.2 倍(长期留存的提升与次日留存接近) 非常骄人的成绩!
阅读(1127) | 评论(0) | 转发(0) |
