1.请根据对此类 APP 的理解,选择不超过 5 个事件创建一个漏斗,以监控最核心体验的健康度
1.1核心体验漏斗
人物卡片曝光-->选择喜欢-->匹配成功-->发送消息
转化漏斗图
1.2分析核心体验
由于一款类似探探,Tinder的基于地理位置以及照片的陌生人社交App,核心的体验是能否通过照片与自己喜欢的人实现匹配继而开展聊天。因此,选择了以上四个事件作为一个漏斗来监控核心体验的健康度。而且考虑到匹配成功具有一定的时间差,因此把时间窗口设置为7天。
1.3如何监控
关注四个事件之间的转化率,从“人物卡片曝光”到“选择喜欢”,这两个事件之间转化率受推荐照片的规则(用户之间兴趣标签的关联度),是否能满足用户预设的条件以及每人每天能喜欢用户的数量上限的影响。
从“选择喜欢”到“匹配成功”之间的转化率,可以通过规则改动来控制,例如,被喜欢过的用户照片,优先出现在前10张中。
从“匹配成功”到“发送消息”之间的转化率想提高,一方面是新匹配成功的好友置顶于好友列表,另一方面就是对于有新匹配成功信息的强化提示,例如通知栏的红点,匹配成功页面的引导等。从运营的角度,可以预设一些便于用户破冰的聊天话题或者小游戏,降低匹配成功后首次交流的决策成本。
2.根据第 1 步中创建的漏斗,试图分析不同人群在核心流程上的不同体验。
2.1按照性别划分
核心流程按性别划分分析:
a)转化率差异最大的是,从“选择喜欢”进入到“匹配成功”。假设用户以寻找异性朋友为主要目的,女性用户匹配成功的几率比男性用户大很多。猜测原因,男性用户选择喜欢更频繁,女性用户相对谨慎一些。另外,也许是女性用户的照片质量更高,个人信息更完善,更容易吸引选择喜欢。
b)从整体数据来看,从进入“人物卡片曝光”到成功“发送消息”,男性用户转化率远低于女性用户,两种用户在同一款产品上对于核心流程是体验差异较大。女性用户更容易匹配成功开始聊天。
2.2按照城市划分
a)上海 与 南京对比
image.png
b)上海 与 揭阳 对比
image.png
c)上海 与 丽江 对比
image.png
分析:
用户核心流程的转化率,与城市规模关系不大。一二三线城市在各个环节的转化率上基本一致。
旅游城市的用户在核心流程的转化率上,除了从“选择喜欢”到“匹配成功”这个环节的转化率略高于非旅游城市外,其他转化率基本一致。
3.国庆期间数据猛涨,试分析其原因。
image.png 用户性别对比 发送消息总次数国庆期间各事件使用人数均大幅度提升,而且女性用户提升的幅度大于男性用户。考虑到是国庆假期,可能是由于空余时间多了,用户想通过社交软件来消耗时间。进一步分析发送消息总次数的用户比例发现,大部分用户是出于猎奇的心态去尝试使用该产品,最终能进入互相聊天状态的用户并没有呈现对应的增长幅度。
4.除国庆节外,还有一天的数据异常,试找出并分析其原因。
image.png通过观察整体事件的触发用户数发现,9月14日(星期五)这一天的数据异常,出现断崖式下跌的现象。可能的原因:
1.服务器出现问题
2.由于版本更新引起的稳定性问题
3.渠道触达出现问题
4.运营活动造成的影响
针对以上猜测,逐一通过数据排查
image.png
通过9-12到9-19这一周的数据观察可得,一周内每一天活跃度的分布大致呈现相同规律,唯一的断崖式下跌发生在9-14日的21:00。可以与开发同事沟通,看看当时数据库是否有在进行升级维护工作。
image.png通过上图,各版本的情况一致,排除了由于版本更新导致的可能性。
image.png通过上图,ios与Android 两大操作系统的数据表现也非常一致,排除了用户渠道的影响可能性。
从用户性别以及用户所在省份的情况可以推断,由于运营活动造成的影响,这个可能性不大,再与运营部门沟通确认,即可排除这个影响。
5.试分析怎样的用户在平台更受欢迎。
更受欢迎的定义是,匹配成功,并且被喜欢数大。
统计方法:采用事件分析功能,筛选出匹配成功的触发用户中,被喜欢数大于8000的人群,然后看他们的一些特征。
影响被喜欢数的要素,
1.性别
2.所在地区
3.年龄
4.照片数量
1.匹配成功的触发用户中,被喜欢数大于8000的,性别比例如下图:
可见,女性用户比男性用户受欢迎。
2.匹配成功的触发用户中,被喜欢数大于8000的,地区分布如下图:
可见,北京地区的用户占比最大,北上广深等一线城市占比超过1/3。
-
匹配成功的触发用户中,被喜欢数大于8000的,年龄段分布如下图:
可见,18-25岁的用户更受欢迎。
4.选择喜欢的触发用户中,被喜欢数大于8000的,图片数量分布如下图:
可见,照片数量分布平均,照片数量对于受欢迎的影响不大,照片质量会更重要。
6.从第 1 步选取的核心体验来看,哪个群体的用户在平台的体验最好。(从不少于3个维度描述)
体验最好的定义:匹配成功并且聊上天。
性别,地域,年龄
如上图所示,女性用户从总量上比男性用户更多的开始聊天;在总体用户中,男性多于女性,因此, 女性用户在核心流程的体验上要优于男性用户。
从省市地区分布情况来看,北京地区使用用户最多,而这款产品是基于地理位置的陌生人交友,因此,北京地区用户在核心流程的体验上优于其他地区。
从年龄上看,各年龄段的人数分布平均。
网友评论