xml地图|网站地图|网站标签 [设为首页] [加入收藏]

您的位置:beplay体育 > beplay体育客户端下载 > 想成为数据产品经理,先掌握这些数据分析方法

想成为数据产品经理,先掌握这些数据分析方法

发布时间:2019-12-26 02:35编辑:beplay体育客户端下载浏览(107)

    三、产品运营类

    1. 产品的业务性指标

    LRFMC模型提供了一个更完整的视角,能更全面地了解一个用户的特征,LRFMC各个维度的释义如下:

    用户在特定指标的各种占比的归类展现。

    除了电商业务的分析以外,同比热力图同样适用于互联网产品数据指标的监控及分析,该分析方法的关键点在于拆解核心指标,在本文后面的产品运营类方法中将会介绍相关指标的拆解方法。

    用不同的维度视角拆分分析统一类数据指标。例如按照不同的省市地区分析、不同的用户人群、不用的设备等。通过不同维度拆解,找到数据背后的真相。

    beplay体育客户端下载 1

    留存率:某周期内留存用户数/某周期内访问用户数。

    除此之外,我们还可以根据以下场景构建类BCG矩阵:

    数据为设计提供方案支撑和后期的方案验证,有利于产品后期的迭代和优化。

    以上内容仅仅是提供了一些基础工具和思考方向,数据产品经理是一个新兴的分支,目前还没有成熟的学习体系,未来还需继续深入浅出,和大家共同成长。

    明确各种数据指标,明确设计目标,让数据为设计服务。

    根据不同的业务场景和业务需求,我们可以将任意两个指标作为坐标轴,从而把各类业务或者用户划分为不同的类型。

    数据用途是方便产品设计人员了解产品的每日用户情况,了解产品的用户增长或者减少趋势。

    • 分析商品引流能力和转化率:流量份额-转化率
    • 分析商品对毛利/GMV的贡献:毛利率-销售额
    • 基于RFM分析用户的价值:访问频率-消费金额

    行为事件分析法一般经过事件定义、下钻分析、解释与结论等环节。

    如果是自然流量下降的话,可能需要在用户运营和产品运营端发力,如果是营销流量不足,那么可以通过营销活动或者站外引流的形式增加曝光量。

    掌握数据指标有助于我们入门数据分析,我将数据指标分为三类,分别为:综合性指标、流程型指标和业务性指标。

    1.3 类BCG矩阵

    UX,微信公众号:Echo的设计笔记,人人都是产品经理专栏作家。前美团点评高级交互设计师。

    产品经理的概念在不断泛化。近些年来,随着互联网行业的发展,越来越多的企业意识到了大数据和精细化运营的重要性,为了更好地挖掘数据的价值,指导业务的优化和发展,数据产品经理应运而生,他们基于数据分析方法发现问题,并提炼关键要素,设计产品来实现商业价值。

    1. 核心指标带来的价值/收益
    1. 使用广度:总用户数,月活;
    2. 使用深度:每人每天平均浏览次数,平均访问时长;
    3. 使用粘性:人均使用天数;
    4. 综合指标:月访问时长=月活*人均使用天数*每人每天平均浏览次数*平均访问时长。

    完成率:完成率相对于转化率而言,是最终的结果数值。转化率是过程值,完成率是结果值。

    在一款数据产品诞生前,应该是先有数据,再有分析,然后才是产品,分析的广度和深度直接决定了产品的定位和价值。

    点击率:点击率分为pv点击率和uv点击率,整体来看,点击率使用pv点击率比较好。

    beplay体育客户端下载 2

    例如下图,通过优化产品界面的购买按钮,通过对比前后数据,看设计改版是否成功。

    原标题:想成为数据产品经理,先掌握这些数据分析方法论

    基于这个目的,我们可以将市面上常见的数据模型找出来并进行整理并分析。通过熟悉主流的数据模型的产出逻辑,并从中找到规律,创造出适用于自己团队的数据模型。

    以去哪儿的业务为例,通过LRFMC模型可以综合分析用户的习惯偏好和当前状态,从而指导精准营销方案的实施。

    #专栏作家#

    beplay体育客户端下载 3

    1. 漏斗分析

    M(Monetary) :用户的消费金额是多少,是单价高(购买头等舱),还是频次高?

    周六早上,高中女神给我发了一条微信,我的双手放佛得了帕金森综合症般不听使唤,费劲的点开了那一条微信,原来女神不知道如何用Excel表格处理数据,让我教她处理数据。嗨!说起数据,就不得不提数据导向设计。

    以电商行业为例,GMV(网站成交金额)是考核业绩最直观的指标,当GMV同比或环比出现下滑时候,需要找到影响GMV的因素并逐一拆解。

    下图的固定产品的购买按钮点击率从6.4%提升到了9.8%,涨幅53.1%,由于涨幅大于0,同时没有外部其他因素影响数据变化,所以可得出结论,这次设计改版是成功的。

    如上图所示,各类目标用户在16-25岁这个年龄段的占比都比总体小(TGI指数<100),其中分类1的用户年龄偏大,因为该类用户在36岁以上各个年龄段的TGI指数都明显高于100,且同时高于其他三类用户。

    1. 提供数据支持和后期方案的验证

    这里想讲的并非传统的BCG矩阵,而是BCG矩阵的变阵,或者叫类BCG矩阵。

    数据用途是用来衡量用户使用粘性,也可以用来作为产品改版后的重要指标,留存率提升了,在不改变功能的情况下,说明设计改版成功。

    M(Monetary):代表用户在一定时间内的消费金额,反映了用户的购买能力。

    中高阶设计师都需要关注数据,数据是对设计师主观审美逻辑设计的一种辅助和补充,通过数据做出来的设计更具有说服力和验证性。

    同样,如果是转化率的问题,那么需要对用户进行细分,针对不同阶段的用户采取不同的运营策略,关于用户的部分,这里不做赘述,有兴趣的朋友可以关注后面的文章。

    留存分为两种情况:

    同比热力图分析法这个名称是我自己造的,其实无非是把各个业务线的同比数据放到一起进行比较,这样能更为直观地了解各个业务的状况。

    当验证了核心指标往好的方向发展,这时候,就需要总结核心指标带来的价值和收益,这样的话设计价值才可以直接被量化。

    比如可以以品牌GMV增长率和占有率构建坐标系,来分析各品牌的状况,从而帮助业务方了解到哪些品牌是未来的明星品牌,可以重点发力,哪些品牌处于弱势且增长匮乏,需要优化品牌内的产品布局。

    数据用途是用来衡量产品的用户粘性和产品的留存用户规模。

    产品所处阶段不同,运营的侧重点也会有所不同。在产品初期,核心的工作是拉新,应该更加关注产品的使用广度,而产品的中后期,应该更加注重使用深度和使用粘性的提升。

    对于非交易类型的网站,那么这个平台的综合性指标可以包含DAU、留存用户数、留存率和人均使用时长。

    L(lifetime):代表从用户第一次消费算起, 至今的时间,代表了与用户建立关系的时间长度,也反映了用户可能的活跃总时间。

    人均客单价:ARPU,GMV/支付UV。举个例子:一个电商平台昨天GMV有100万,其中支付UV1万人,那么人均客单价为100元。

    比如在分析用户的年龄段时,可以通过TGI指数对比各用户分类与总体在各年龄段的差异,设用户分类1中16-25岁的用户占比为4%,而总体中16-25岁的用户占比为8.3%,那么用户分类1在16-25岁用户中的TGI指数为4%/8.3%=48。依照这一方法,我们可以对各类用户在各年龄段的TGI指数进行对比。

    1. 综合性指标:指的是能综合体现产品整体情况的指标

    L(lifetime):用户来多久了?

    人均订单数:支付PV/支付UV,人均订单数大于1。举个例子:一个电商平台,支付pv为3000,其中支付人数为2000人,那么人均订单数为1.5。

    R(Recency) :用户最近是否有消费,如果来了很长时间都未消费,是否需要进行唤醒?

    数据分析的意义 熟练掌握数据指标 数据分析与设计的方法 数据模型的建立 数据如何验证设计 一、数据分析的意义 1. 用户行为可视化,可清晰的了解整体/个体用户的行为

    TGI指数=用户分类中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例*100

    区别于基础通用型指标,业务性指标主要强调其业务属性,例如社交社区,则可能需要的业务指标为:人均发文数、人均评论数、人均点赞数,分享率等。

    beplay体育客户端下载 4

    以上就是关于数据导向相关知识。

    通过同比热力图的分析,首先,可以通过纵向对比了解业务自身的同比趋势,其次,可以通过横向对比了解自身在同类业务中的位置,此外,还可以综合分析GMV等核心指标变动的原因。

    在数据模型中,我们可以学到数据模型的分类思路,以及如何创造出适用自己团队的数据模型。

    RFM模型是客户关系管理中最常用的模型,但这一模型还不够完善,比如对于M(Money),即消费金额相等的两个用户而言,一个是注册两年的老用户,一个是刚注册的新用户。对于企业来说,这两个用户的类型和价值就完全不同,因此我们需要更全面的模型。

    如果改版的最重要指标是人均观看次数,则要思考可通过哪些设计策略可提升产品的人均播放次数。

    C(CostRatio):用户对折扣的偏好如何,是为用户增加权益还是降价促销?

    四、数据模型的建立

    一、业务分析类1.1 杜邦分析法

    1. 行为事件分析

    所以,在分析用户画像时,需要根据场景进行用户分类,并对比各类用户与总体间的差异,这样才能保证分析结果的可信性和适用性,而TGI指数就是很好的对比指标。

    如下图所示,通过Google Aanalytic 网站可清晰的掌握平台整体流量的来源,用户群体路径行为轨迹,这可以让设计师/产品经理清晰地了解到平台的用户行为轨迹和用户人群的操作习惯。

    按照上述方法,大家可以根据需求大开脑洞,按照一定标准对研究对象进行分类分析。

    支付UV:指下单并成功支付的用户数。举个例子:一个电商平台,有3000人点击购买,其中2000人,成功完成支付,则支付uv为2000人。

    最后,如果是因为客单价不高,那么需要进行定价及促销的方案优化,比如识别具有GMV提升潜力的商品进行定价优化,评估当前促销的ROI,针对选品、力度和促销形式进行优化。同时通过关联商品的推荐或商品套装促销的形式,激发用户购买多件商品,也可以有效提高客单价。

    如下图所示,整个注册,绑定银行卡的过程中,总的转化率只有0.06%,用户完成率过低,如果要优化整个用户注册操作流程,那么需要找出流失过大的节点进行优化。

    BCG矩阵大家都非常熟悉了,以市场占有率和增长率为轴,将坐标系划分为四个象限,用于判断各项业务所处的位置。

    注册成功率过低,这时候设计师就要分析整个注册流程哪些设计因素导致成功率低。并针对成功率低进行特定优化。

    一个优秀的数据产品经理必须要具备各种技能, 要了解自己的用户,明晰用户的核心需求,而最重要的是一定要掌握数据分析技能、会用数据分析工具。让我们通过文章来看看:有哪些实用的数据分析方法吧。

    1. 留存分析

    本文由 @Mr.墨叽 原创发布于人人都是产品经理。未经许可,禁止转载返回搜狐,查看更多

    通过核心指标判断设计方案是否符合预期,以此验证设计方案是否成功,并为后续产品的迭代优化做依据。

    虽为产品经理,但要真正解决核心问题,不免要在前期和中期进行大量的数据分析工作,那么,实用的数据分析方法有哪些呢?

    数据分析和设计的方法一共有以下六种,分别为:行为事件分析、漏斗分析、留存分析、分步分析、对比分析和多维度拆解。

    beplay体育客户端下载 5

    自身产品比,对比产品其他模块相似场景的数据差异。通过对比找到问题点并做分析优化; 行业产品比,和同行业产品的数据对比分析,找出数据差异的问题所在,并给出对应的优化方案。

    本文由beplay体育发布于beplay体育客户端下载,转载请注明出处:想成为数据产品经理,先掌握这些数据分析方法

    关键词: 指标 数据 用户 产品 对比