美文网首页互联网产品干货管理
7.2 上线前后 - 上线后数据监控

7.2 上线前后 - 上线后数据监控

作者: 勤劳的馒头 | 来源:发表于2018-11-25 17:03 被阅读3次

    ​上线啦!!是八是很开心?然鹅,产品经理还不能闲着,上线后不仅需要关注运营,同时对于上线后数据的监控和分析也一样都不能少,是不是感觉又回到了收集挖掘需求的奇点了?没错,是结束也是开始。

    针对上线后数据监控,主要还是指标拆解的处理,前面咱们聊过两次数据指标和分析,第一次是在需求挖掘模块的2.4 需求分析 - 从数据发现产品需求,还有一次是4.6 功能设计 - 需求考核指标。相信大家对于数据指标和分析应该是有一定的认识了,本篇分享呢,主要还是集中在指标拆解,举些例子以及补充部分方法加深理解。

    1. 销售额的目标拆解思路

    销售额是最经典的数据指标拆解案例,如下:

    销售额 = 付费用户 x ARPU客单价,进一步细化:

    销售额 = 用户总量 x 付费率 x ARPU客单价

    所以要想提升销售额,赚更多钱,可以从公式中的三个方面考虑,提升用户总量、提高付费率、提高ARPU客单价。

    这里举提升用户总量的例子吧,要提升用户总量,首先得从拉新上进行思考,新用户增长得快,自然总量就会增长,所以新用户增长公式:

    新增用户量 = 新访客流量 x 用户转化率

    a、新访客流量

    可以看出加大访客流量以及提升转化率都可以促进用户量增加,所以再次细分,新访客流量等于渠道优劣,与曝光率有关系,这部分要在渠道上下功夫,在2.4 需求分析 - 从数据发现产品需求咱们聊过渠道优劣的分析,不知道你有没有印象。

    简单来说就是列出产品或内容投放的所有渠道,分析每个渠道的质(转化率)与量(渠道或平台流量、曝光量),例如:

    每个渠道流量 = 推广内容展示量 x 推广内容转化率 x 渠道/平台基础用户量

    这部分其实与我目前公众号策略也有关联,类似的思考,要想提高公众号的关注,就必须提升文章曝光量,以及下面说到的转化率,提升曝光量就是通过各个渠道发布文章,借此引流。所以,曝光和展示量就是广撒网,不断测试每个渠道。

    b、用户转化率

    谈到转化率就不得不说的东西就是——漏斗模型,谈到漏斗模型又不得不说最经典的电商购物流程的漏斗模型

    当然,这只是超级简化版的漏斗模型,有兴趣的话你也可以自己梳理一次。

    有了购物流程的漏斗模型,咱们后续的产品优化、运营活动都有相应的指导了。例如:想提高网站UV,通过每日抽奖、签到,都可以提升网站的UV;想促进用户的消费欲望,促使他加入购物车,那么产品方面可以优化推荐策略,以及运营方面做加购物车得优惠券的活动;或者支付行为UV -> 支付成功UV的转化率略低,可以考虑支付满减的活动,促使用户完成支付等等。是不是感觉这些动作在电商产品上很常见?没错,这就是它在促进你完成整个购物流程,让你买买买。

    转化率提升呢,方法说起来很简单,就是好好“梳理流程”以及不断“A/B测试”,不断优化流程,找到最好的运营方式。

    这里还有一张黄有璨老师整理的图,梳理了产品四个层次以及相应的运营手段,值得学习。

    这里借电商的例子,其实也讲了付费率的转化,仔细想一想消费与转化不就是付费率的提升么?就是优化付费流程以及增加优惠活动嘛。

    ARPU目前电商的做法本质上也都趋同,本质上都是基于满减优惠,促使用户一次性买较多的物品,自然客单价就上去了。产品方面呢,支持这类的功能,根据转化率不断优化就是产品经理的工作。

    2. 指标拆解的核心思想

    不管是拆指标还是需求梳理,都是将一个东西不断拆解,展开思维,穷举可能,最终得到结论的过程。这种结构化拆解和思考的方法来源于《金字塔原理》这本书,其实咱们从小就在接受这种类似的思维方式,如下:

    image

    这就是结构化思考的核心思想,不断拆解,需求梳理、HMW等等都是类似的思维方式。书中还整理了四个原则:

    • 结论先行。每个主题只有一个论点

    • 以下统上。每个上层论点都是下层论据的概括

    • 归纳分组。每组中的论点都属于一个范畴

    • 逻辑递进。每组中的论点必须按逻辑顺序排列

    在工作和生活中,结构化思维都可以说是咱们的必备思维,能够大大帮助我们提高思考效率。如果觉得理解起来还是比较比较难,建议还是从书中找答案,读书百遍其义自见。

    想看更多干货分享就快来关注我的个人公众号吧!!
    花名:馒头
    个人公众号:我是馒头
    座右铭:博学之,审问之,慎思之,明辨之,笃行之

    相关文章

      网友评论

        本文标题:7.2 上线前后 - 上线后数据监控

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