每一次优化、迭代都是为了更好的让产品形成闭环。更好的留住用户、打造一个完整的产品。 什么是数据? 数据就是数值,也就是我们通过观察、实验或计算得出的结果。数据有很多种,最简单的就是数字。数据也可以是文字、图像、声音等。数据可以用于科学研究、设计、查证等。 那什么是互联网产品数据呢?
而互联网产品数据在不同产品类型有着不同的定义和指标,但是所有的互联网产品数据都将朝着一个共同的方向——驱动产品加速形成闭环。 互联网产品闭环我个人最简单粗暴的理解是:用户——转化——反馈——用户。 但是对不同的产品形态有不同的闭环,如最常见的用户增长闭环、支付闭环、商业闭环、页面跳转闭环等等,这些都是比较小范围,而较大的闭环可以说是生态链了。 数据驱动产品形成闭环的7大循环数据分析互联网产品数据分析的4个步骤
最后再利用工具:百度移动应用统计、腾讯mta移动统计、诸葛、友盟 、Google Analytics等。 比如:某个产品通过观察上周的数据发现周四当天数据增长特别惊人。这个时候我们不能只是高兴一下就好了,而是需要对这个惊人的数据进行分析。 因为我们需要知道为什么出现这种情况,是否可以借助这次增长下一次再次复用? 主要通过以下五个维度进行分析:
比如:某个APP在各大渠道上线后,我们发现A、B渠道的下载用户特别多,注册用户也正常,但是到了进入应用的流程转化率骤降。通过排查、重现找到原因是因为部分设备不兼容,而刚好A、B渠道该部分设备最多。 再比如:某产品在1.0版本的时候是以工具产品作为定位的。但是上线了社交功能后,发现用户体量不断上升的这个问题。 从上线新功能后的数据来看用户增长的主要原因:社交功能的出现,从而发现了产品的潜在需求——社交功能。 至于如何体现社交功能就在后期的步骤中。 确定指标什么是确定指标? 对于发现问题,我们可以确定的是将问题数据拉高/低,还是回到正常的趋势。当然还会从偏高异常数据中发现一些额外的潜在需求,这个时候我们需要分析需求找到解决需求的方案。
在第一个问题中,AB渠道的用户安装量很高,但是进入应用就出现了bug。这个时候我们就要确定一个指标,假设将原来的50%转化率提升到80%(当然这个80%是相对于其他正常渠道进行对比后定下的),而这个80%就是我们确定下的指标。 第二个问题提到的某工具产品上线轻社交功能后发现,轻社交功能带来的流量明显是优于纯工具的。这个时候我们需要确定两个指标,一个侧重社交功能,另一个则是侧重纯工具功能。也就是进行产品的A/Btest。 产品设计 回到第一个问题中,我们需要提升80%的转化率。我们已经找到了问题的所在是兼容问题,那么我们接下来便是从机型设备进行处理,并且得出相关的解决方案。 这里的方案比较偏向于技术方面,对于产品侧可能更多的是偏向于方案的决策和取舍。 而第二个问题产品进行不同功能的A/Btest是比较常见的,我们只需要在A/B分别设计不一样的功能,将其分别投向2个不同的渠道或者嵌入不同的链接等等方法,只要能够在后期区分两者的数据即可。 又比如:对于活动类型,根据活动的指标KPI进行任务的拆解来设计活动的方案。 开发测试在产品(功能)设计后,接下来的步骤便是到开发测试环节。这里需要注意的是将设计的细节尽可能的提现在需求中,避免因为细节问题导致不断翻工,投入的成本又超出预期了。 最理想的状态如下图所示: 产品上线
当然太大的调整就需要回归到产品设计的步骤,这是相当浪费时间,有时候也是无法避免的。 回归验证
再次回归到我们第一个下载问题中,如果决策是对的,这次数据将会发现转化率>50%。从闭环角度来讲我们是解决了体验→反馈的问题,将不断引流,从而行成一个用户增长的闭环。 而第二个问题中,同样如果我们决策是对的,我们会发现做了社交功能后,用户增长也是不断提升,同样让产品形成一个用户增长的闭环。 产品闭环会有很多种,这里只是举例最常见的用户增长闭环,比如:还有支付闭环、功能闭环、商业闭环等等,都是可以通过数据驱动产品形成闭环的。 最后虽然我们说的是利用数据驱动产品形成闭环,我们需要注意的是数据驱动不变的是产品发展的大方向,一切产品的诞生离不开市场调研,不能脱离一开始的市场调研转战另一个领域。 比如:你今天做了个工具、通过数据验证将工具马上改为社交,发现又不行再改为UGC等等。这样都是违背了当初的定位,定位只能通过升华,而不能改变。 文章纯属个人总结的拙见,如有不妥请指正。 |
|