數據分析是一項實戰性的工作內容,只有在不停的優化中才能越做越好。

對一個剛入門的產品經理來說,為一個全新的產品或項目做數據分析,都會有手足無措的感覺。現在,筆者把自己在數據分析這塊工作上的所遇所思寫成文章分享給大家,按照文章的步驟,你也能做出一個基本的數據分析。

一、明確數據分析的目的:

做數據分析前,一定要先確定好目標,這樣後面的每一步才能不偏離大方向。那麼,你做數據分析的目的是什麼?

  1. 檢測用戶對新功能的喜愛程度?
  2. 優化用戶在使用過程中的槽點?
  3. 尋找新的流量增長點?

這幾條實際上都只是大數據分析框架中的某一個模塊,在這個模塊之上還有一個更重要的大框架。

做數據分析的時候,最好先把這個整體的數據分析框架整理出來,在這個框架之下,再填補具體某個模塊的分析需求。這樣的數據分析才更飽滿,更具有參考價值。

二、常見的數據分析框架:AARRR模型

AARRR模型是所有產品經理都要了解的一個數據模型。著名的《增長黑客》裏面的數據分析基礎,也是以這個模型為基礎的。

  • 獲取(Acquisition):用戶如何發現(並來到)你的產品?
  • 激活(Activation):用戶的第一次使用體驗如何?
  • 留存(Retention):用戶是否還會回到產品(重複使用)?
  • 收入(Retention):產品怎樣(通過用戶)賺錢?
  • 傳播(Retention):用戶是否願意告訴其他用戶?

這個模型將數據分析分成了五個大的模塊,我們依據這個模型,把每一個模塊劃分出更細分的維度,羅列出影響每一個維度的變變量,整理出一些表格,這些表格就成了我們做數據分析的基礎。

下面以APP為例詳細分析下這個AARRR模型:

1. 獲取部分:

獲取部分一般需要評估的維度有:渠道的獲客數量、獲客質量等。

獲客數量示例:

從上邊的表格中看出,360應用市場的獲客數量要明顯好於其他的安卓應用市場渠道。而且線上活動的獲客數量比線下活動的獲客數量多,說明這款產品可能更適合在線上做一些推廣。當然也有可能是活動本身的質量影響了獲客量。

除了渠道獲客數量之外,一定要分析渠道獲客質量。結合數量和質量兩個維度,才能更好的篩選出適合企業自己的優質渠道,更客觀的評估公司做的推廣活動的效果。

獲客質量示例:

通過渠道數量和質量這兩個指標的分析,我們發現線上活動帶來的用戶數量、質量都比較高,所以這可能是更適合這個APP的獲客渠道。我們篩選出優質的渠道后,就可以在這個渠道上投放更多的資源,從而為公司帶來源源不斷的新用戶。

渠道數量和質量的指標還有很多,要依據產品及公司業務模塊區分制定,一般有:每日新增、累積新增、啟動次數、首次交易戶、首綁交易戶、一次性用戶數、平均使用時長等。

2. 激活部分:

激活一般指註冊激活、主動活躍、推送活躍、交易活躍等。

很多用戶下載一個APP后,只是瀏覽了幾個頁面,就把應用卸載了。那這個用戶數量可以記錄在APP新增下載量裏面,註冊激活就不會記錄。

激活示例:

上邊的數據显示這個APP的交易活躍明顯大於主動活躍,那麼可以推斷這個APP是交易驅動,可能是一個電商或者理財類的APP。對於一些新聞、娛樂、社交類的APP,它們的主動活躍一般會高於交易活躍。

這裏要特別說明的是註冊激活部分。註冊激活部分需要進行詳細的頁面埋點,列出影響註冊激活的因素,對這些元素不斷優化,最後提高產品的註冊激活數量。

具體的埋點部分在文章後面有介紹。

3. 留存部分:

用戶只有留存下來,才有可能與APP發生更多接觸,才有可能最終促成付費。

留存示例:

一般來說,次日留存>3日留存>7日留存>次月留存。用戶的留存量剛開始會下降的比較嚴重,到了後期會逐漸穩定在一個數量級上。穩定下來的這些用戶,基本上就是產品的目標用戶了。

留存還有很多指標,如:次日留存、3日留存、每日流失、每日迴流、用戶聲明周期、平均生命周期貢獻、7日回訪用戶、使用間隔、頁面訪問量、回訪率等等。具體選定哪個維度進行統計要依據自己的產品和業務重新定製。

4. 收入部分:

收入部分主要是公司的業務層面的數據,用戶使用APP后,瀏覽了什麼樣的商品和服務,選了了什麼商品和服務,最後支付了多少。關於固體交易金額的數據,第三方工具一般統計不了,公司也不可能把這部分數據接口開放給第三方,所以這塊是需要我們在產品後台單獨做埋點的。

整個支付環節的埋點一般有兩個主要因素要考慮,一是看用戶的支付支付體驗是否順暢,是否有一些頁面卡主了用戶,讓用戶無法進行交易。二是看在哪一個頁面流失最高,用控制變量的方法調整流失率高的頁面的欄位、交互等。

5. 傳播部分:

傳播部分一般可以分成兩個維度,輿情監控維度(包括用戶的主動傳播分享)和產品的引導分享維度。

大一點的公司一般都有專業的部門來負責輿情監控,會收集和處理一些負面的評論,积極傳播產品的正麵價值。

產品內部的引導分享可以參照上面的表格制定一些監控因素,最後統計數據,指導下一步工作。

有了數據分析的框架后,該用什麼工具進行數據分析呢?

三、用什麼工具做數據分析?

一般來說,都是要自己做一個數據後台的,用來統計產品功能頁面的數據和業務層面的數據。沒有條件的可以由開發部門按照產品經理的需求從數據庫導出數據,產品經理再進行分類整理。

或者可以對接第三方數據統計工具。

常見的第三方工具有:

  • APP分析工具:友盟、TalkingData、Flurry等。
  • 網站分析工具:GA、Alexa等。

四、數據收集的方法:

我們知道了數據分析的框架,知道了數據分析的工具,接下來要做的就是如何使用這些框架和工具了。這就涉及到數據分析最基本的步驟——埋點。

所謂埋點,就是在正常的功能邏輯中添加統計邏輯。一個全新的APP,即使對接了tailingdata、友盟這樣的平台,產品經理也需要做後台事件埋點的。因為talkingdata等平台主要是統計頁面相關的數據,點擊、使用、訪問等。更深層次的用戶與後台交互的一些數據和業務申請層面的數據,還是要在自己的後台埋點統計的。

下面以在行APP的首頁、登錄頁面進行埋點示例:

在行-首頁:

在行-登錄頁:

做埋點的時候, 一般要做兩張表格,一張是埋點事件表,一張是埋點統計表。

數據埋點(事件)表:

數據埋點事件表一般是記錄每個頁面的交互事件,一般是後台記錄次數。比如點擊登錄按鈕的次數、點擊獲取驗證碼的次數,進入某個頁面的次數、退出某個頁面的次數等

在這裏統計的時候有兩個維度需要區分。一個是PV,一個是UV。

  • PV: 訪問量, 即Page View, 即頁面瀏覽量或點擊量,用戶每次刷新即被計算一次。
  • UV:獨立訪客,即Unique Visitor,訪問您網站的一台電腦客戶端為一個訪客。00:00-24:00內相同的客戶端只被計算一次。

數據埋點(統計)表:

這一部分就是你要直接看的數據了,一般可以直接生成圖表,定製一個圖表導出的規則,每天在某個時點導出發送一次。

整理完這兩張表后,再帶上你的產品頁面圖(交互稿也可),就可以愉快的去找開發的小夥伴們提需求了。經過一場撕X大戰後,你的需求可能需要再優化下,然後就就可以等開發、測試、上線了。

數據是每時每刻都在變化的,是監控一個產品質量的良好指標。數據分析也是一項實戰性的工作內容,只有在不停的優化中才能越做越好。產品經理上班的時候,每天都應看這些表格,了解一下近期的產品數據是否有異常,做到及時發現問題、解決問題。

PS:

不足之處歡迎指正。

 

作者:艾爺。微信公眾號:十方象(just-ten)。

本文由 @艾爺 原創發佈於人人都是產品經理。未經許可,禁止轉載。