曾聽到一個說法, 不寫程序的數據工程師不是好產品經理。 其實對於全能的產品經理而言,對產品的數據進行分析及運營應該是家常便飯,從最基本的競品數據收集到產品上線后各種數據反饋,都需要產品經理由點至線再到面的分析。

作為一名好的產品經理,不僅需要懂程序,做數據收集及清洗;並且需要懂產品,了解內外部用戶需求和理解市場;還需要懂數據,用數據的方式證明、證偽及發現問題。本期天天問精選了幾個在產品數據分析中可能會出現的問題,適合0-3歲的產品經理閱讀。

問題清單

  1. 數據產品經理在整個數據產品開發過程中到底起到什麼作用?
  2. 產品在做數據分析時,都要注意哪些問題?
  3. 怎樣才能獲取有效的競品數據?
  4. 做競品分析的時候數據不全面,怎麼破?
  5. 數據分析中,你認為用戶行為分析最重要的幾個點是什麼?
  6. 用戶的線下行數據為對APP運營有多大幫助?

—————————————————-我是分割線—————————————————

問題1: 數據產品經理在整個數據產品開發過程中到底起到什麼作用?@杭熹

精選回復@Nullt

對於第一點:

  1. 指標是業務端提出來的,但是你要定義統計口徑,每個指標的計算公式及條件,最好可以評估下實現的難度。
  2. 指標雖然由業務端提出,但應該去了解業務端真正的需求是什麼,可能他想要的東西和他的指標有差別,可能需要改變,可能需要增加,甚至需要引入新的數據源。

對於第二點:

推薦、搜索、用戶畫像 這三個各個公司都在說做,但是做明白的很少,能把了解清楚的人更少。直接點說不是定義的簡單,而是定義複雜了,沒幾個看的懂。所以作為數據產品的產品經理應該去了解實現的算法,比如推薦最起碼了解下協同過濾怎麼工作的,搜索好歹看看pagerank,用戶畫像怎麼也了解下聚類相關的問題。

而且,策略應該由產品去定義,並且把握最終的效果。數據分析最終的結果可能和你設想的差很多,並不是所有的數據都會有明顯的特徵,所以所謂的效果就需要深入數據,要不靠人找特徵說明某項問題,要不靠算法的調優。對於項目的進度也是同樣的問題,了解實現的複雜度,自然知道進度應該如何。

說到底,想研究數據,就得花時間學習統計知識,花時間了解數據挖掘的算法,並結合業務對算法做限制,做策略。

問題詳情:http://wen.woshipm.com/question/detail/c7cdr.html

問題2:產品在做數據分析時,都要注意哪些問題?@Gary

精選回復@丁香花不開

一般數據分析分為四個步驟:確認分析需求、收集所需的數據、分析數據提出優化建議、優化改進產品或運營方案。

1. 確認分析需求

就是定義分析的目標和意義。需求的來源多樣,有老闆的提問,運營團隊的要求,還有產品自身的分析需求等。產品經理要明確本次分析針對的問題是什麼,分析最終需要達到何種目的,分析的範圍。

2. 收集所需的數據

現在可以收集數據的工具有很多,百度統計、友盟、微拓ASO(現在改名為德普優化)等。可以根據不同的需求來選擇統計工具。分析的數據要盡量全面、真實、準確,才便於展開分析工作。

3. 分析數據提出優化建議

分析數據不是簡單地出個報表和趨勢圖,要從中發現問題,來提出優化建議。比如,你們的APP每日下載量不低,但註冊率保持在60%,老闆要求要降低流失率。這個時候,需要分析用戶註冊的整個流程,是到了註冊頁面,用戶沒有被吸引?短信驗證碼到達率低,用戶無法註冊?還是註冊步驟太多,用戶失去耐心?要讓問題暴露出來,才能制定相應的解決方案。

4. 優化改進產品或運營方案

舉個例子,比如說在註冊頁面停留的用戶點擊獲取驗證碼的轉化率有90.20%,那麼說明流失了近10%的用戶,那麼你在數據分析中可以提出從交互或者視覺方面來提高用戶的轉化率,降低用戶選擇的成本。

數據分析是產品經理在發現問題,找尋解決方法的必備技能,分析的過程也是個人不斷成長和學習的過程。當然,要運用數據,也不能迷信數據,要清楚業務之間的邏輯關係,才能幫助你更好地解決問題。

精選回復@Hunter

以上幾位都總結了做數據分析的想法和套路了,我就說幾點容易做數據分析易犯的誤區:

1. 高流量即高轉化的誤區

示例:一篇文章百度帶來100個leads,微信帶來80個leads。但百度帶來的流量最終轉化為60個註冊用戶,微信渠道最終轉化了64個註冊用戶,哪個渠道比較好,不能單純根據流量來源多少定吧?

2. 只關注最終的總體轉化率

仍用上述案例。百度帶來的流量明顯比微信多,轉化第一步流失30%,第二步流失10%左右,最終帶來流量60%轉化的效果;   微信第一步流失僅5%的用戶,第二步流失16%。

針對兩個渠道,我們就要開始進行數據分析,並思考:什麼造成了百度第一步轉化流失率高,該採取什麼措施。微信第二步流失率高的原因是什麼,該怎樣解決?

3. 轉化率高不一定代表用戶體驗好

也有可能像我們曾經遇到的問題,登錄密碼那塊出現問題,用戶登錄不上,只好重新註冊。

綜上,任何數據的異常(不論突然高了或低了)都應該引起注意。

問題詳情:http://wen.woshipm.com/question/detail/spf6e.html

問題3:怎樣才能獲取有效的競品數據?@王俊浩

精選回復@李小楠

  1. 查看第三方機構發布的各項行業數據,如艾瑞,199it等,有些數據可以花錢買
  2. 通過自己或者上司的各項人脈關係獲取
  3. 通過競爭對手自己發布出來的數據進行分析
  4. 根據競爭對手的團隊人數、收入、融資情況進行推理
  5. 通過招聘等挖牆腳方法從內部員工口中獲取
  6. 對競爭對手用戶群進行調研
  7. 仔細整理統計下載量、評價及各種反饋信息,注意鑒別水軍
  8. 第三方統計平台等檢測工具,如百度指數、App Annie、應用雷達等平台

精選回復@魏立羽

坦白跟你說吧,大部分真實有效的數據你都是拿不到的,一般只能拿到一些表面的數據:

  1. 對外公布的數據
  2. 頁面上显示的資料,自己去跟進統計
  3. 通過第三方平台查詢推敲
  4. 社會工程學,混群諮詢、問熟人

問題詳情:http://wen.woshipm.com/question/detail/5r9j.html

問題4:做競品分析的時候數據不全面,怎麼破? @白曉亮

精選回復@趙海洲

數據不全面的情況很正常,既然拿不到,我們自己可以分析和預測是不?提供幾點分析思路:

  1. 根據已有的數據,行業分析特點,行業周期分佈,自身發展的障礙和未來預測等,從舊數據,來預測未來數據,來完善這個行業的其他獲得不到的數據。
  2. 根據相關類似行業特點,將第一步完善的數據進行調整。
  3. 根據上下遊行業發展和趨勢預測,將第二步完善的數據和分析進行調整
  4. 根據國家政策和行業壁壘等會帶來嚴重格局改變的因素,對第三步完善的數據,猜想到上限和下限。
  5. 跟你們的CEO或者合伙人聊聊,聽聽他們對目前行業的觀點和建議,完善第四步。

精選回復@阿南

得不到完整的數據是很正常的現象,有時也是根本避免不了的。有些數據涉及到商業秘密,往往很難得到,但是你在做分析時又不能不面對。所以如果通過以上幾位朋友分享的網站都不能找到數據該怎麼辦?可以通過以下這幾種辦法:

  1. 購買數據。如果買不到直接數據,可以找相關數據計算得到你要的數據。這種方法簡單粗暴成本高,如果賣方找的好,數據質量也很高。花錢買花戴,成本足夠的情況下可以使用。
  2. 直接丟棄缺失的數據記錄。不能讓一顆老鼠屎壞掉一鍋湯是原則。假設你要看不同收入的人對產品某功能的使用頻次,有那麼一兩個分類的數據就是不全,那就直接把這幾個數據對象刪除了。雖說這種方法在不能充分利用已有資源,尤其是在數據缺失率比較高的情況下,但是請謹記原則。
  3. 數據填補。最一步需要一定的數學基礎,因為涉及到數學原理與規則。不能瞎編數據啊是不,所以我們得把缺失數據的影響降到最小。數據補充的方法有均值填補、條件均值填補和回歸填補,這個就不展開說了,自己去了解吧。

問題詳情:http://wen.woshipm.com/question/detail/tieij.html

問題5:數據分析中,你認為用戶行為分析最重要的幾個點是什麼? @小帆雅就是我呀

精選回復@jacky

1. 來源量(訪入數量)

來源指的是統計你平台入口頁的量,並非指平台的pv,這裏也可以理解為你布在外面的入口的點擊數總和;統計這個主要是為了更精確的把握好你的真實流量情況,這裏情況收到干擾,會導致你其他位置的數據都受影響,無法更好點的分析;而且流量是電商的命脈,管理好流量入口,是做大平台必經之路。

2. 流量分配

流量進來后,會通過你的導購體系將流量分配到不同的頁面;而電商對於流量的精細化運營是很看重的,為了更好的聚流、打造爆品、清倉等,所以那你需要通過數據掌握全局,就像個操盤手般觀察你的流量分佈。

3. 訂單轉化率

這裏指的是從瀏覽到生成訂單的轉化率,而不是付費轉化率,流量進入了商品頁面,那麼說明他是有興趣甚至是有意向的,那麼能不能靠你頁面的內容讓他生成訂單,則切實的決定了這件商品的銷量了;相比付費轉化率,訂單轉化率有更高的可操作空間,一般能提高的幅度大,而付費轉化率雖然也重要,但能做的優化比較有限。

精選回復@海清

在用戶行為分析中,我最關心的3件事是:

  1. 用戶從哪裡來
  2. 用戶的訪問的訪問路徑
  3. 是否完成了他想做的事情(最好是他遇到了困難,然後找出問題。)

其實我感覺,我並不完全是按照上面寫的來思考問題的。沒有所謂的最重要的事情。因為原先我們預設比較重要的點,不一定能產生洞見,網站分析不應過分注重方法論。帶着你的業務去思考,你的目標是什麼,然後找出幾個點作為入口去探究到底才是重要的。就怕你看了幾眼數據就草率得出結論(公司里這樣的人到處都是不是么……)。

問題詳情:http://wen.woshipm.com/question/detail/scope.html

問題6:用戶的線下行數據為對APP運營有多大幫助? @MadTV

精選回復@GaraC

當然有巨大幫助:用戶數據越詳細我們越能知道在什麼時間什麼地點給用戶看什麼東西能夠得到什麼結果。

但現在不如說“拿到”用戶的線下數據確實有巨大幫助。

如果有人願意提供這些數據,數據商恨不得跪舔你。

線下行為軌跡本來就是前期用戶調研非常重要的組成部分,他引導着商業模型、產品流程與架構、交互設計(何止是運營而已)。然而目前為止線下數據的提取還是主要靠用戶訪談。

補充評論區問題:

1. 是的,主要是匿名數據和註冊用戶數據。匿名數據準確度低,註冊用戶準確度高且可以包含一定程度的隱私數據。

2. 並非把數據分成線上線下兩個種類,而是線上數據準確度非常低。對單一產品而言,數據是有巨大瓶頸的,比如APP用戶每天打開個幾次已經算非常高頻了,但是也就是這麼幾次,加起來也就幾分鐘或者幾十分鐘而已,僅這些數據,我們得到的結論是非常不準確的。比如你的用戶們在早上8點鐘用4g網絡打開了APP,那麼你“大概”可以推斷他是個上班族,但是如果你準確的知道用戶線下是自己開車還是做公交車上班那情況就變成了“用戶8點鐘出門開車上班,路上使用4g網絡,雙手沒空,注意力集中在路上,車內空間音量可控,用戶喜歡聽廣播。”——在產品設計中“音頻要自動播放”“按鈕要大”“主要場景的使用主體是耳朵不是眼睛”“外接設備操作便利”在推廣中“用戶常聽的廣播可以打廣告”“要提供車輛相關的禮品活動”…..這些就是基於用戶信息的基本思路。

3. 沒有具體項目不知道怎麼定價,以及就算你問了我也不告訴你。

4. 數據商的行為就是基於單一產品數據獲取的瓶頸,數據商通常為多個產品服務,同時獲取多個產品ABC的數據,如果你是A的運營,你的用戶在早上8點使用了你的產品聽音樂,但是數據商知道同個用戶在10點使用了另外一個產品買奶粉,那麼你的用戶信息就更加全面了。當然現在數據商也解決不了準確性的問題,只是把數據的量和面擴大了。數據商不直接倒賣用戶數據(那是違法的),主要是從A處獲得數據,然後結合ABC分析數據,最後再向A輸出結論。

問題詳情:http://wen.woshipm.com/question/detail/gqsar.html

總結

做好數據分析和運營,需要產品經理有較好的邏輯分析能力,熟練的業務能力,敏銳的行業洞察力,最終才能做到用數據驅動商業化決策。產品經理在數據分析的過程中,必須對用戶行為做到心中有“數”,對於產品各方面數據及迭代效果的監控也需要做到面面俱到,才能對公司重大決策給出決定性建議。

相關閱讀

【天天問每周精選】第15期:APP的這點事兒:從設計上線到推廣,APP產品都該注意這幾點

【天天問每周精選】第14期:電商產品的設計和運營需要注意哪些問題?

【天天問每周精選】第13期:身負KPI重壓,運營該如何將產品推廣開來?

【天天問每周精選】第12期:產品經理需要懂技術到什麼程度?

【天天問每周精選】第11期:對於業內近期的熱點,產品經理們是這樣說的

 

精選問題每周有,歡迎食用~配合回復味道更佳(∩_∩)

本欄目由天天問小編@Cecila編輯,歡迎大家踴躍提問,一起交流。