【P1】二、需求挖掘入门-【3-通过数据挖掘发现产品需求】

数据分析在我们日常工作中必不可少,但是很多刚入职的小伙伴不知道如何下手。

常常听说一些名词——

PV、UV、留存率、转化率、活跃用户数、复购率、支付率、KOL、CTR、跳出率、访问深度、等等。

这些名词都是什么意思?

你认为,不同于数据分析师,产品经理和运营工作者应该重点关注哪些指标?

【课程详细内容】

留存:https://www.zhihu.com/question/20267239

留存率本身衡量的是产品指标;

KOL:核心用户、舆论领袖;

Bounce Rate:跳出率;

CTR:转化率;CTR(Click-Through-Rate)即点击通过率;

CTA:call to action;

  • http://mt.sohu.com/20160921/n468889032.shtml
  • http://www.yixieshi.com/13275.html

访问到下单的转化率:

新增用户数:

复购率:二次购买人数在所有购买人中的比例;

考验的是:1、产品;2、服务;3、商品的市场竞争力;4、运营、拉动;

一、梳理数据框架

产品的黑盒子模型:由不高兴,通过产品的黑盒子, 到高兴的过程,带来钱。如图(链接):

链接: https://pan.baidu.com/s/1o8oGcyQ 密码: nn8u

微笑第一、商业第二;

数据分为:产品数据、商业数据;

不高兴的用户,带来产品数据;

带来钱的地方,带来商业数据;

商业数据模型:

收入=用户总量 * 付费率 * ARPU值(客单价=平均客单价*单位日期内平均购买单数)

产品数据模型(如图):

链接: https://pan.baidu.com/s/1pKOV4LH 密码: isj5

包括两个指标:

  1. 流程页面》产品指标,基于在产品的流程和页面级别来衡量产品的表现好坏;产量质量
  2. 行为/动作》用户指标,通过衡量用户的行为和动作指标,来评估用户活跃度和质量;用户质量
  3. 转化指标:存在于产品指标与用户指标之间的交叉点。是一个复合指标,用户通过产品产生的数据;如用户下载、激活、提交订单;
    • 从不同渠道来的用户的质量是不同的,如通过搜索进入的用户,下单欲望很强;而从新华网等地方进入的用户,是通过推荐进入的,下单欲望不是很强,转化率低。
    • 如果产品页面打开很慢,体验很差,也会影响转化,这就是产品质量的问题。

【知识要点】

我们以Google Analytics标准,梳理出在产品指标里面,产品经理需要了解的常见页面及流程数据:

  • PV(PV-page view):即页面浏览量;用户每1次对网站中的每个网页访问均被记录1次。用户对同一页面的多次访问,访问量累计。
  • UV(UV-user view/ UV-user view):即独立访客,访问网站的一台电脑客户端为一个访客。
  • Duration:一次访问的持续时长,也叫做停留时间。
  • Bounce Rate:即跳出率;是指在只访问了入口页面(例如网站首页)就离开的访问量与所产生总访问量的百分比。
  • 页面渗透率:分流到本站点下游页面的pv/本页pv总数
  • referral:指从其他网站点过来的链接,比如友情链接等,这类来源通常是免费的。

二、认识了这么多的基础指标,这些指标都怎么用呢

接下来我们会从注册转化率、用户留存两个真实案例,看看数据的运用。

【案例分析·渠道】growingIO注册转化统计:

量化注册转化的每一步,首先找到衰减的主要步骤:

图:链接: https://pan.baidu.com/s/1i454WBF 密码: va51

总转化率:3.52%

浏览:GrowingIO_首页demo。

  1. 点击:首页中间注册。点击率:8.30%。第一步衰减严重,主要衰减步骤。
  2. 浏览:注册页面第一步。总转化率:3.52%
  3. 浏览:注册页面第二步_demo。总转化率:3.52%
  4. 浏览:全部填完页面_demo。总转化率:3.52%

从【维度对比】中的【访问来源】进行比较,有的渠道高于8.3%,有的是低于8.3%,用户基数相当的情况下,转化率低的渠道拉低了整体转化率,这些渠道的质量肯定有问题。

图:链接: https://pan.baidu.com/s/1kUHCkVd 密码: wrh6

全站UV:这个渠道带来网站的用户数量;

跳出率:用户来到网站什么都没做直接离开网站的比例;

人均PV量:每人来到网站后浏览页面数量。 访问越少,越不感兴趣。

图:链接: https://pan.baidu.com/s/1bpKQ2h5 密码: kj4v

四象限分析:

图:链接: https://pan.baidu.com/s/1qXBwqug 密码: bc7n

质量:这个渠道带来的用户数,跳出率比较低;以注册转化为目的的引流情况下,注册转化表现好的渠道;

数量:这个渠道带来的用户数量;

  1. 质量高、数量多是最好的;降低获取成本,追加投放
  2. 质量低、数量多;提高流量质量,优化渠道投放
  3. 质量高、数量少;提高流量数量
  4. 质量低、数量少;不建议轻易动,这个渠道起到的是辅助转化。涉及:多渠道分析和辅助转化。

回顾:首先衡量每一步的转化,从非核心转化路径,进入核心转化路径之前,我们引来的流量质量怎么样?跳出率高低?表现出转化意愿之前,用户转化率高低?渠道表现怎样?变现不好怎么办?

【案例】核心转化路径:

用户点击了注册按钮,表现出了强烈的注册意愿,但是却没有成功转化,这是什么问题?

老设计中间的注册按钮需要填写:手机号、邮箱、密码;

老设计右上角的注册按钮只需要填写邮箱;

导致在数据转化上,右上角的转化率比中间的注册按钮高20%;

所以,新版设计中,中间的按钮只留下邮箱一项信息;

【案例分析·APP留存分析】音乐APP例子进行分析:

图:链接: https://pan.baidu.com/s/1nvBcEIt 密码: xbga

图例:日期+时长+每日留存(活跃)

通过用户行为的方法来分析留存:

  1. 定义用户行为
  2. 使用不同颜色曲线代表用户行为;

链接: https://pan.baidu.com/s/1jIp4g8A 密码: hi26

对于一款音乐APP来说,首先分析用户行为:

用户听了一首歌之后,喜欢听这首歌的话,可能会点赞,会点喜欢,会收藏、下载、评论;

刚开始的时候,所有用户与点击喜欢大于三次的用户留存曲线对比:发现后者留存概率很大;

那么,大于三的用户与小于等于三的用户会不会有关系?那么曲线做出来之后,对比很强烈:大于三的用户留存概率很大;

得出一个可验证的想法:即通过某种方法引导用户点击喜欢次数大于三次,是不是可以提高用户的流程度呢?

这个想法可能就需要去验证了,如A/Btest等;

此时,再加入新的探索,如果用户加入兴趣社区,会不会增加留存?曲线告诉我们是可以增加的;

大于三且已加入兴趣社区的用户与小于等于三且未加入兴趣社区的用户留存曲线进行对比,发现留存效果会更好;

通过行为分析来判断哪些用户行为影响了留存或者下单,定义这些用户的关键行为,引导用户触发这些关键行为,是可以提升留存或下单概率的;

案例的主要目的说明,找到关键用户行为,这些关键用户行为代表高留存率,找到之后,按照从高到低进行排序,然后产品或者运营就可以通过各种各样的方式让用户快点接触到这些关键行为,或者使用这些功能,从而达到增加用户数量的目的。

(我做的比喻:拉新+留存就像炒股的持续收益,持续增长的话,就是一个复利效应,用户越来越多;流失就是赔钱,用户流失。)

三、数据分析的作用

1、数据分析的作用和基本原则

  • 做完一件特定的事后,评估产出和成效,得出改进思路
  • 产品整体数据不佳,找出核心原因和问题所在,予以解决
  • 接手一款产品,评估其当前状态、发展阶段,得出下一步工作思路,如当前的网站的访问的情况,具体的数据表现等

2、数据分析的基本原则

  • 先明确分析目的,再建立分析方法和思路;一定围绕某个目的的。
  • 要围绕着核心业务流程和重要结论来完成分析;

【案例】

天猫双11购物流程

链接: https://pan.baidu.com/s/1bo5bmSv 密码: d657

围绕目的做数据分析,目的是:

提升付费转化率;

为了提升付费转化率,步骤如下:

  1. 梳理整个用户从访问到付费的整个流程:访问-购物-登录-结算-支付-支付成功;
  2. 把各个环节梳理清楚,看每个环节下的数据表现怎么样?看完之后,评估出每一步到下一步的转化率怎么样?然后找到哪个环节可优化?出了什么问题?如展示不清晰?缺少刺激?等;

【知识要点】

数据对于运营的价值可能包括了如下几方面——

  1. 数据可以客观反应出一款产品当前的状态好坏和所处阶段。
  2. 假如做完了一件事但效果不好,数据可以告诉你,你的问题出在哪里。
  3. 假如你想要实现某个目标,数据可以帮助你找到达成的最佳路径。
  4. 极度精细的数据分析可以帮助你通过层层拆分,对于用户更了解,也对整个站内的生态更有掌控力。
  5. 数据当中可能隐藏着一些潜在的能让你把一件事情变得更好的线索和彩蛋,有待于你去发现和挖掘。

【拓展阅读】

点击阅读全文>>我在阿里三年的运营经验都在这里了

说到数据,阿里的数据系统在整个国内互联网行业应该是最强大的了,很可能没有之一。

此前有一位从阿里离职的芮曦同学写过一篇“我在阿里3年的运营经验都在这里了”。其中对于数据的价值和运营工作中的具体使用场景,很多地方讲得是比较到位的。

发表评论

电子邮件地址不会被公开。 必填项已用*标注