• 产品经理如何进行产品数据分析?


    产品经理如何进行产品数据分析?

    乔家伟 07月19日 15:111

    数据分析是产品经理必须具备的一项能力,在产品需求阶段可以通过数据分析对用户的需求去伪存真,在产品上线运营阶段,又可以通过数据验证产品的可行性并且进行迭代。那么,什么才是数据分析的正确姿势呢?这里给大家按数据分析的步骤来讲一讲这方面的基础知识。

    一.确认分析目标

    进行数据分析工作一定要有目的性,不要为了分析而分析。当我们遇到问题时要先去,要先去考虑我们做数据分析是为了解决哪些问题。

    二.采集数据

    当我们确定了分析目标之后,就要开始收集数据,数据来源一共有三种:

      1. 产品本身—产品运营数据和用户反馈
      1. 竞争产品—网站流量和公司财报
      1. 行业内—行业分析报告和热点大数据

    提供行业数据的网站非常多,这里给大家介绍几个常用的

    百度指数,友盟;艾瑞咨询,易观智库,CNNIC,比达咨询,DCCI互联网数据中心,Alexa;

    移动应用:Google Analytics

    三.数据分析

    数据分析数据分析阶段可以说是最重要的一个环节在这里我要给大家介绍两个内容,一是数据分析框架,二是数据分析方法。

    (一)数据分析框架

    数据分析框架可以说是数据分析的思路,可以帮助我们了解到底是哪些数据出现了问题这里介绍几个最常用的分析框架

    AARRR模型

    AARRR模型可以告诉我们在产品的几个阶段分别需要重点关注哪些数据。AARRR是几个英文字母的缩写,分别是获取、激活、留存、收入、推荐

      • 获取(指产品推广,告诉我们用户从哪来)需要关注的数据为:曝光数、打开率、点击率、下载量、安装量、用户获取成本。
      • 激活(指用户使用了产品)需要关注的数据为:设备激活量、新注册用户数、日活跃、浏览数、订阅数。
      • 留存(指用户持续使用产品)需要关注的数据为:次日留存率、7日留存率、距离上次使用时长。
      • 收入(指产品获得利润)需要关注的数据为:付费率、付费频次、客单价、用户价值。
      • 推荐(指用户推荐他人使用我们的产品)需要关注的数据为:转发数、邀请数、评论数。

    2.  逻辑分析框架

    核心指标出现了问题一定是有相关指标出现了问题。

    如销售额=访客数UV*转化率*客单价,销售额下降的原因要在这三个指标里找原因

    如流量增长因素:PC端、APP端、WAP端、友盟等

    3.漏斗分析框架

    用于分析开始用户到最终用户的数量变化趋势

    4.还有一些管理营销方面的分析框架

    如SWOT分析、4P理论、5W2H、SMART分析等等就不一一说明了,以上三个分析框架已经是比较常用的了。

    (二)数据分析方法

    说完了分析框架,再说说数据分析方法,通过数据分析的方法,我们可以了解哪些数据有问题,出现了什么问题。数据分析方法也有几个比较常用的

    1.对比分析

    最常用的分析方法,通过对比的方式来找出差异,对比的对象可以是其他竞品也可以是自己的产品,对比的时间可以采用同比与环比

    2.趋势分析

    通过折线图的方式发现问题(数据下降或是上升等等)

    3.交叉分析(通过多个维度去分析数据)

    (图片来自网易微专业)

    4.象限分析

    4.总结与改善

    当我们知道哪些数据出现了问题和到底出现了什么问题的时候,我们就可以根据这些问题来改善自己的产品了。数据虽说是客观的,但人却是主观的。同样的数据在不同的人眼里得到的结论也有可能是不一样的,数据分析也有几个常见的误区。

      1. 忽略了沉默用户,只在乎少量用户的数据忽视了整体
      1. 不要过分依赖数据,做一些没有价值的数据分析。
      1. 错判因果关系,商品评论多商品卖的就一定多吗?
      1. 警惕数据表达的技巧

    总结

    数据分析可以说是一门非常专业的学问,里面所涉及的内容非常的多,产品经理应该有对数据的敏感性。这里给大家讲了互联网数据分析的基本内容,希望能够给大家一些帮助。

    本文由 @乔家伟 原创发布于人人都是产品经理。未经许可,禁止转载。

     
  • 相关阅读:
    jvm详解
    JVM堆外内存
    Guava基本使用
    Mondrian开源OLAP引擎详解
    Java8新特性简明教程
    TCP/IP协议三次握手和四次挥手详解
    Go 方法与函数区别
    Go 通道 Chan 详解
    kylin详细介绍
    计数排序
  • 原文地址:https://www.cnblogs.com/onetwo/p/5686415.html
Copyright © 2020-2023  润新知