1、一个优秀的产品经理该如何做好数据分析? 这两年,随着大数据、精益化运营、增长黑客等概念的传播,数据分析的思维越来 越深入人心。 处于互联网最前沿的产品经理们接触了大量的用户数据,但是却一直困扰于如何做 好数据分析工作。 那么产品经理该如何搭建自己的数据分析知识体系?数据分析的价值又在哪里? 产品经理做数据分析有哪些具体的方法?又如何学习数据分析?本文将和大家分享 一下这些问题。 数据分析体系:道、术、器 “ 道” 是指价值观。 产品经理要想是做好数据分析,首先就要认同数据的意义和价值。 一个不认同数据分析、对数据分析的意义缺乏理解的人是很难做好这个工作的。 “ 术” 是指正确的方法论。 现在新
2、兴的 “Growth Hacker”(增长黑客)概念,从 AARRR 框架 ( 获取、激活、留存、变现与推荐五个环节)入手进行产品分析,这是一个非 常好的分析方法。 “ 器” 则是指数据分析工具。一个好的数据分析工具应该能帮助产品经理进行数据采 集、数据分析、数据可视化等工作,节省产品经理的时间和精力,帮助产品经理更 好理解用户、更好优化产品。 数据分析有什么价值?怎样驱动用户增长? 产品经理不能为了数据分析而分析,而要将落脚点放到产品和用户上。数据分析应 该帮助产品经理不断优化产品设计和迭代,驱动产品和用户增长。 当我们上线了一个新的产品(product )或者功能时,需要对其进行数据监控和
3、衡量 (measure )。然后从监控中采集到产品的用户行为数据(data),并对这些数据 进行分析和总结( learn)。最后从分析中得出结论和观点(idea )。 如果数据证明我们的新产品/功能是优秀的,那么可以大力推广;如果数据说明我们 的产品还存在问题,就需要对产品进行新一轮的优化(build)。 在“ 产品 数据结论” 的不断循环中,我们不断用数据来优化我们的产品,加 快产品迭代的步伐、提升用户体验。 产品经理做好数据分析,有哪些实用的方法? ?方法 1:流量分析 分析不同获客渠道流量的数量和质量,进而优化投放渠道。常见的办法有UTM 代 码追踪,分析新用户的广告来源、广告内容、广告
4、媒介、广告项目、广告名称和广 告关键字。 实时监测产品的访问走势,尤其要关心流量异常值。举个例子,某互联网金融平台 因为一个产品BUG 导致用户疯狂抢购造成的流量峰值,产品经理发现实时数据异 常后迅速下线该产品修复BUG,避免了损失扩大。 ?方法 2:转化分析 广义上所有的商业网站都是电商网站;因为都需要用户转化、需要用户变现。在我 们的产品里面有很多地方需要做转化分析:注册转化、购买转化、激活转化等等。 一般我们借助漏斗来衡量用户的转化过程。 影响转化率的因素很多, 我们总结了三个大的方面: 渠道流量、用户营销、网站/APP 体验。 以渠道流量为例,通过优选渠道并且量化分配我们的投放资源,可
5、以有效提 升总体的转化率。 ?方法 3:留存分析 留存,顾名思义是指用户首次访问你的网站/APP 后多少天后回访。 留存是产品增长 的核心,用户只有留下来,你的产品才能不断增长。一条留存曲线,如果产品经理 不做什么的话,那么用户就慢慢流失了。 从产品设计的角度出发,找到触发留存的关键行为,帮助用户尽快找到产品留存的 关键节点。之前我们发现我们产品里面,使用过“ 新建” 功能用户的留存度非常高; 于是我们做了产品改进,将“ 新建” 按钮置于首页顶部刺激用户使用,效果非常好。 硅谷流行的 Magic Number (魔法数字)也是留存分析的一部分,比如Facebook 发现” 在第一周里加10 个
6、好友 “ 的新用户留存度非常高。作为产品经理,我们也需要 通过数据分析来不断探索我们产品里面的魔法数字,不断提高用户留存度和活跃度。 ?方法 4:可视化分析 用户体验,是一个非常抽象的概念,我们可以对其进行形象化。目前一个普遍的方 法就是对用户的数据进行可视化,以热图的形式呈现。 借助热图,产品经理可以非常直观了解用户在产品上的点击偏好,检验我们的产品 设计或者布局是否合理。 ?方法 5:群组分析 千人千面,产品经理对用户精细化的分析必不可少。不同区域、不同来源、不同平 台甚至不同手机型号的用户,他们对产品的使用和感知都可能存在巨大的差异。产 品经理可以对不同属性的用户进行分群,观察不同群组用户的行为差异,进而优化 产品。 之前我们做过一次分析,网站的总体注册转化率是6%;但是使用 Chrome 浏览器 的新用户注册转化率高达12%,使用 IE 浏览器的新用户注册转化率才1%。这样一 分的话,问题就很明显了,极有可能是浏览器兼容性的问题,产品经理应该关注一 下这个问题。 最后 做好数据分析,不是一朝一日就可以的,需要在产品规划设计、产品升级迭代中不 断实践。