社交产品方法论(八):数据分析的二三事

时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络

小提示:您能找到这篇{社交产品方法论(八):数据分析的二三事}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的社交产品方法论(八):数据分析的二三事内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您!

数据分析如何指导产品优化?实用的数据分析方法有哪些?带着这2个疑问,请听我为您慢慢分享。

作为产品的设计师,我们做出的决策要逻辑自证。尽量避免“我认为”或“我觉得”这类主观拍脑袋的决策。因此,用数据驱动产品迭代是一个产品设计方法论,也是我们必须掌握的一项能力。

如 何做数据分析驱动产品迭代?我们可以分为三个步骤。

第一步:明确数据分析的目的

数据分析的目的一般有2个:

  • 了解产品或指定功能表现
  • 验证假设

验证假设的数据需要根据具体情况来设计。了解产品或指定功补品企业网络营销战略能的数据主要有5个维度:

  1. 产品规模,如:DAU/MAU,付费
  2. 产品健康度,如:新增,留存,使用时长
  3. 用户属性,如:用户画像属性,终端数据属性
  4. 用户行为,如:用户使用产品的路径
  5. 渠道质量,如:各个渠道的新增留存

我们可以自建后台收集以上数据,这是自由度最大化的做法,但成本较高。也可以利用第三方数据分析平台的SDK快速构建,如:友盟或神策。对于竞品数据,我们可以通过艾瑞,易帆进行查询。

通过收集到的数据,我们可以判断产品目前处于产品发展的哪个阶段,从而制定相应的产品策略。 详见《》。

产品发展阶段

切记数据分析一定要有目的性的去做。对于每一个收集的数据,要问自己,我们可以做些什么优化的事情吗?如果不能回答这个问题,可能这个数据本身就没有太多意义。比如:我们收集了日活数据,一定要思考如何提升日活,日活需要提升到多少,相应的我们需要做哪些事。单纯的天天盯着日活数据毫无意义的。

第二步:确定收集的数据指标

明确数据分析的目的后,我们需要收集相关的数据来帮助我们决策。数据指标的选择要有重点,尽量选择当下对产品最具有建设意义的,不要为了收集数据而收集。

我们可以参考下在《Lean Analytics》一书中,Alistair 和 Benjamin 提出的用户生命周期 AARRR 5个阶段,根据每个阶段确定相应的重点数据指标。

  1. A:acquisition (获取),如何获取用户。数据有推广点击量,单个用户获取价格等。
  2. A:activation(获取),如何激活用户。数据有新增,注册成功率等。
  3. R:retention(留存),如何留住用户。数据有留存,活跃,使用时长等。
  4. R:revenue(付费),如何让用户付费。数据有付费金额,付费频率等。
  5. R:referral (推广),如何让用户推广。数据有分享量,点击量等。

第三步:选择合适的分析方法

针对不同的目的和场景,我们需要选择合适的分析方法。

最常用的就是“埋点”,对不确定的事件进行埋点。比如:预埋一个功能的用户量,使用频率,付费数量等。从而判断该功能的表现如何,或者判断功能优化后是否起了作用。其次,对若干套无明显区别的方案,我们可以使用 A/B Test,让用户投票哪一种方案更好。

最后,推荐下《Lean Analytics》一书中提及的漏斗分析方法,根据用户所处不同阶段,假设用户预期行为,用数据验证假设从而驱动产品迭代。

细节如下:



Tunnel Analysis

综上,数据分析的逻辑图如下:



数据分析逻辑图

举几个笔者最近分析的案例

(1)产品首页的游戏模块布局优化

  • 分析目的:了解功能优化效果
  • 收集数据:产品留存和游戏模块使用时长
  • 分析方法:埋点,取上线前后一周时间对比

(2)连击礼物2种动效的选择

  • 分析目的:验证哪一种连击礼物动效更能促进付费
  • 收集数据:礼物的赠送数量
  • 分析方法:A/B Test,根据送礼玩家的UID对2取模分为A/B组,取每组的礼物赠送数量平均数。结果需要考虑统计显著性和置信区间。

三、语音房小程序各流程优化

  • 分析目的:数据驱动产品模块优化;
  • 收集数据:每个漏斗阶段用户转化率,使用时长,分享转化率;
  • 分析方法:漏斗分析。

漏斗分析图

四、根据用户行为进行精细化运营

  • 分析目的:产品策略优化
  • 收集数据:最先使用的功能,功能日活,好友数,留存
  • 分析方法:埋点,发现导致留存差异的明显数据区别。强化关键数据,如:引导用户加好友,通过最先使用的功能给其他功能导流,重点优化日活高的功能。

小结

数据分析作为一种方法论,可以在产品设计的各个阶段发挥作用。我们设计产品时,时常问自己三个问题:这个需求值得解决吗?设计方案能解决需求吗?如何用数据验证我们的假设?

从概率论的角度而言,样本量足够大的数据接近于真理。可能从李世石输给阿尔法狗的那天起,信自己就注定比不上信数据了。

尽请关注下一篇:社交产品方法论(九):产品运营的二三事。

相关广州微营销课程阅读

 

作者:小强Joey,一个努力ing的社交产品经理。

本文由 @小强Joey 于。,

题图来自 Pexels,基于 CC0 协议

社交产品方法论(八):数据分析的二三事

上一篇:数据运营入门:一个流程,三个用途,三个工具
下一篇:阿里10年老兵在用的数据化活动运营,竟然就这么


版权声明:以上主题为“社交产品方法论(八):数据分析的二三事"的内容可能是本站网友自行发布,或者来至于网络。如有侵权欢迎联系我们客服QQ处理,谢谢。
相关内容
扫码咨询
    社交产品方法论(八):数据分析的二三事
    打开微信扫码或长按识别二维码

小提示:您应该对本页介绍的“社交产品方法论(八):数据分析的二三事”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通社交产品方法论(八):数据分析的二三事的相关事宜。

关键词:2年, 产品优化, 初级, 数据

关于 | 业务 | 案例 | 免责 | 隐私
客服邮箱:545321@QQ.com
电话:400-021-1330 | 客服QQ:545321
沪ICP备12034177号 | 沪公网安备31010702002418号