美文网首页产品思维
掌握数据分析的第一步 - 学会数据指标

掌握数据分析的第一步 - 学会数据指标

作者: 吴振宇 | 来源:发表于2019-12-06 14:40 被阅读0次

    Hello,大家好,我是牛奶!

    对于很多刚入门的产品经理来说,听到“数据分析”这个词后,会因为这个词很宽泛、很高大上而觉得它无从下手,因此产生了比较高的入门门槛。但是数据分析对于入门的产品经理真的很有难度吗?接下来我将通过两部分了解数据指标数据分析的步骤及方法论,来带大家轻松入门。

    ▍数据分析对于产品经理的意义

    首先我们要清楚数据分析到底难不难?

    它可以非常难,需要使用到非常复杂的数据建模、数据函数,以及非常专业的数据分析工具。但也可以很简单,对于产品经理,不需要过多掌握这些复杂高阶的建模和工具,这是对专业人士的要求。其实你只要会把Execl弄明白,简单的运算搞清楚,使用最基本的工具,其实就已经解决了90%的问题。

    数据分析对于我们产品经理处于什么地位?

    首先我们要知道,产品经理是要求我们需要有一定的综合能力的。核心能力自然不必说,是需求分析的能力。但数据分析却是产品经理的常备武器之一,因为它是我们常用的一个方法。
    为什么不是核心而是常备的呢?因为在很多公司里面,有专门做数据的产品经理,我们叫做数据产品经理,还有的公司把这个岗位叫做数据分析师。所以在很多公司里,专业的数据分析其实不是产品经理给出的,而是数据产品经理、数据分析师给出的。这就是为什么数据分析不会作为产品经理的核心能力。
    那为什么是常备呢?很多创业型的公司、创业型的项目里是不配备数据分析师的,那么这个工作就归纳到产品经理的职责范围之内了。当然他对产品经理的要求不可能向对数据分析师那么高,但是也必须要求我们产品经理要学会最基本的数据分析的方法。

    那我们为什么注重数据分析呢?

    我们都知道一个产品经理去做产品,对于需求的把控是最重要的,所以数据分析的重要度也就提高了。因为很多时候用户的需求他是不会直接、明确、客观表达出来的。所以最直观、最客观的反映用户需求是可以从数据来挖掘的。数据是最能够客观反映用户心声的一个指标。

    ▍数据分析对于产品的意义

    数据分析是指用适当的统计方法对收集得来的大量数据进行分析,将它们加以汇总、整理并消化。以求最大化地开发数据功能,发挥数据的价值。价值主要呈现在一下四点。

    1.了解产品发展现状:

    通过数据我们可以了解到当前的用户规模,整个产品的活跃状态,也可以判断出当前这个产品所处的生命周期等。像用户量猛增,很有可能证明这个产品正处于成长期,数据比较稳定可能处于成熟期,用户量下跌则可能在衰退期。

    2. 客观反应用户需求。

    他可以帮我们来判断,一个用户需求它是真是假?有的时候你会发现做了一个功能,用户点击率很低,但这个产品功能的入口还很明显。这个时候你就要警惕了,如果不是产品设计的问题,那极有可能是需求的问题。很可能不是一个真需求,而是一个假需求。
    除了数据能够帮助我们判断需求的真假,还可以对比出需求之间的强弱、优先级。比如说:强需求用户的点击率比较高,弱需求往往比较低。那么我们会把强需求的优先排高一些,放到更主要的位置。

    3.衡量产品迭代、运营的效果,

    广告做的再好也要看疗效,那么数据就是最好的疗效。一个产品上了一个新功能,如果用户的留存率、月活、该功能模块的使用频率和时长有着明显的激增,这说明迭代点是用户喜欢的。包括产品体验的升级,效果是可以通过数据分析看出来的。
    对于运营活动而言,像促进日活、拉取新增用户的一些目标也可以拿数据指标作为检验。另外一些运营活动是需要消耗经费的,虽然达到了一定的指标,但是我们依然要看这个活动的性价比。而通过数据衡量则是最客观、最直观的。

    4.分析具体问题的原因。

    像产品登陆失败率为什么这么高呀?为什么用户只购买低价格的物品,不进行高消费呢?产品的用户分为哪几类、忠实用户占多少呢、有什么特点?为什么很多用户来到这个界面不支付呀?这些问题都属于具象的问题。那么数据分析不仅能够佐证我们根据经验、逻辑分析的判断,也可能带给我们一些新的思路去发现问题的本质。
    所以,当我们回答一个具象问题的时候,是需要拿一些数据来佐证的,而不只是拍脑袋下定论,不然很可能没有找到问题的本质原因,无法对症下药。

    ▍常用数据指标体系

    数据分析如果没有数据,就像无源之水无本之木,数据指标是数据分析的起点,也是核心的一步。即使对于建模完全没有概念,能把数据指标都了解清楚、应用好、有意识的去观察,数据指标就能够帮助我们分析出很多的问题。数据指标是最初级的数据分析,也是数据分析的第1步。接下来就详细讲一下我们常用的几大指标体系的概念和用途:

    1.用户指标

    我们通常会把指标分成两个层次,用户指标行为指标

    所谓用户指标,可以广义的理解为对用户整体情况的一个指标衡量。像用户规模中主要包括:日活(DAU)/ 日活跃用户数(Daily Active User)周活(WAU)月活(MAU)。其中日活和月活是我们谈论的更多的两个数据指标。而用户规模的指标,会经常会作为我们产品经理、运营甚至包括我们团队最重要的一个KPI指标。其中DAU的指标难度最大,所以经常作为我们核心指标来考核。像WAU、MAU完全可以通过一周、一个月的推送来满足。或者即使产品做得再不好,用户在一个月当中有一次需要了你的产品,他就会启动打开。

    那么日活、周活、月活中的活跃是如何定义的呢?

    每个产品活跃的定义千差万别,如果是有账号的客户端产品,例如IM、端游等,通常会以账号登录作为活跃标识。像有些工具型软件,无需登录账号也能使用的,例如天气类、地图类的app,会把启动作为活跃。但是有些产品需要进行一些核心操作,例如拍照软件,至少是完成一张照片拍摄,才能算活跃。所以有些产品的启动量非常大,如果只考核启动的人数,没有太多挑战的意义,那么他就会把进行核心操作的用户作为活跃用户。所以在看企业财报的时候一定要看一下他们的活用用户是怎么定义的。

    • 新增用户

    用户下载安装应用之后必须要启动的用户,甚至有些app需要加上登录操作。

    我们经常所说的数据分析,其实并不需要你太多的建模,而是有一些成型的数据指标,这些数据指标它就能够分析出一些问题、衡量一些效果,我们只要观测到这些指标,知道这指标做什么用的,它就能够帮助我们完成最基础的数据分析。

    像新增用户量的作用之一,就是用来衡量我们营销推广的渠道效果的。比如说在做完运营活动后产品新增用户占据活用用户的比例特别高,这说明你找的渠道效果特别好。但是若果过犹不及,其实也不好。比例特别高说明你砸钱了,拿到了很多用户,但意味着一旦你停止砸钱,你的用户能不能留得住?这就涉及到我们后面说的留存指标。
    所以新增用户占活跃用户的比例,它其实是衡量我们一个产品的健康度的。在推广运营的时候,我们允许这个指标高一点,但如果在非推广状态下,如果你的新增用户占据整体用户的比例过高,证明你的产品处于非健康状态,也就是用户来了就走了。

    • 用户构成

    包括:新增用户、回流用户、活跃用户、忠实用户、流失用户。

    回流用户:之前流失的用户,现在再回来使用产品。当然这里就涉及到了如何定义流失、如何定义回流。比如说我把三个月之内,不登录的用户叫做流失用户。那么我们再定义三个月流失之后再次回来的第一次或者一周内的用户我们叫做回流用户。
    另外说下一,同样活跃用户的时间周期也有他的定义,比如说有些产品认为连续两周登录的用户我们叫做活用用户,有些是三周、两个月等。忠实用户则比活用要求更高,有的连续4周,5周,5个月。甚至使用时长、核心操作也有要求。
    所以用户构成这几个指标,不同产品有不同的定义标准,并不是所有的产品都一样。
    无论是哪一个产品,如果定义是规范的合理的,那么用户构成是能够帮助我们通过新老用户的结构,来了解整个你的用户的健康路,如果你的用户构成里面,活跃用户和忠实用户占据一个比较大的比例,那说明你的用户构成是非常健康的,但如果你的用户构成里面流失用户非常多,新增用户非常多,那这个产品就很危险,说明这个产品就留不住人。要把用户要留下来,那么这就涉及到一个非常重要的指标叫做留存用户。

    • 留存用户

    留存用户看的重点就是用户的留存率,而用户留存率是指在某一统计时段内,新增的用户中再经过一段时间后仍启动该应用的用户比例。用户留存率通过时间的维度,可以分为三个,次日留存率,七日留存率,30日留存率。
    次日留存率计算方法:今天来了100个新增用户、次日这100个用户中有12个人再次使用,那这个次日留存率就是8%。周、月留存率则是经过一周、一个月后该新增用户中还使用产品的用户比例。
    利用用户留存率可以对比同一类别应用中不同应用对用户吸引力。
    除了横向比较,也可以纵向比较。如果某一应用,在相对成熟的版本情况下,如果用户留存率有明显变化,则说明用户质量有明显变化,很可能是因为推广渠道质量、版本迭代所引起的。

    2.行为指标

    指的是用户在我们的APP里面,是由于他的操作带来的指标。

    • 启动次数

    启动次数是指在某一统计周期内用户启动应用的次数。包括人均启动次数、人均日启动次数。启动次数指标可以衡量一个产品的用户黏性。
    人居启动次数计算方式:在一个时间周期内,所有app的启动次数除以启动app的用户数。

    • 使用时间间隔

    是记录同一用户相邻两次启动产品的时间间隔。使用时间间隔这个指标也是用来反映用户粘性的。

    • 使用时长

    是指在用户从APP启动到结束使用的总计时长。·包括:人均使用时长、单次使用时长。
    单次使用时长计算方式:如果一个网站在一定时间内总停留时间为1000秒,总的访问次数是100次,那么单次使用时长就是1000秒/100 = 10秒。
    使用时长指标是衡量产品活跃度的重要指标。所以现在大家都在拼这个指标。因为用户每天的时间是有限且宝贵的,都是在利用碎片化的时间使用产品。如果用户愿意在你的产品上投入更多的时间,则对应用其他产品的时间就越少,证明你的应用对用户很重要,时间多则能产生更多商业价值的可能性。同时启动次数也可以和使用时长结合一起分析。

    • 访问页面数

    是指用户一次启动访问的页面数。也就是代表着用户使用我们产品的深度。平均访问页面数指标也可以衡量一个产品的活跃度。同时我们也可以通过不同统计周期(但统计跨度相同,如都为7天)的访问页面分布的差异,以便于发现用户体验的问题。

    • 转化率

    转化率是指在一个统计周期内,用户执行定义的关键行为占总访问次数的比例。因为它可以反映了产品某一个功能页面设计的好坏,用户对某一个功能的偏好,功能背后的需求强烈甚至是真伪,也被称为行为指标当中最为重要的一个指标

    计算方法:如果每100次访问中,就有10个登录网站,那么此网站的登录转化率就为10%。而最后有2个用户订阅,则订阅转化率为2%。有一个用户下订单购买,则购买转化率为1%。

    • 重复购买率

    指消费者对该品牌产品或者服务的重复购买次数,对于电商、交易产品来说,它是一个非常重要的指标。重复购买率越多,则反映出消费者对品牌的忠诚度就越高。

    计算方式:有10个客户购买了产品,5个产生了重复购买行为,则重复购买率为50%。

    • ARPU

    Average Revenue Per User,即每个用户平均消费水平,也就是一个用户在我的网站里,在一定周期之内,消费了多少。根据不同时期,也可拆成日均ARPU、周均ARPU、月均ARPU。
    ARPU注重的是一个时间段内从每个用户所得到的的收入,衡量互联网公司收入能力的指标。
    ARPU值高说明平均每个用户贡献的收入高,但高未必说明利润高,因为利润还需要考虑成本。ARPU的高低没有绝对的好坏,只有相对的比较。所以分析的时候需要有一定的标准。

    其实每类产品都有它很多独特的数据指标,像内容类:作者订阅率,内容贡献率。金融类:赎回率(主动、被动),换手率。社交类:互动频次、分享率。这些细分领域的数据指标就不一一描述了。总之学会数据指标是我们数据分析的第一步。我们第二步再见吧!

    ——————————————————————————————————————————
    更多精彩:
    公众号Product thinking Hub (产品思维集中营)
    微博牛奶甜心点
    欢迎来找我~ 比心❤

    相关文章

      网友评论

        本文标题:掌握数据分析的第一步 - 学会数据指标

        本文链接:https://www.haomeiwen.com/subject/hcwjgctx.html