分享

产品经理,如何真正的实现数据驱动

 底层渐进 2019-01-23

本文就产品经理的日常工作如何用数据驱动进行主要描述,帮助大家理论落地实践。


作为一个产品经理,是不是经常碰到下面的情况:


A:竞品分析中做了个功能,到底要不要跟上呢,和我的用户群体有关系吗

B:日活下降了,怎么办,老板要骂我了,我没做什么啊

C:产品迭代改版以后,留存变低了,粘性下降,然后呢,不知道然后了

D:很难说数据直接指导怎么去优化的,都是做了优化以后看数据效果确定优化的效果

E:老板说,你这个功能我不喜欢,你给我把这个功能下掉。

F:研发说,你这个功能对产品影响不大,技术上还特别复杂,延期上吧

……


其实问题的本质为:

不知道如何评估产品功能

评估之后发现问题了,不知道怎么深层次挖掘

挖掘到原因之后,又不知道怎么去指导工作

不知道如何说服别人,不能确保每个人理解你做什么

……

                                                                

1





如果你也遇到了上面的问题,就让我们先来听一个故事吧:


小A刚毕业没多久,在星星公司(随便起的)担任产品经理,星星公司是一家内容媒体行业的创业公司,app上线刚刚半年,之前的产品表现一直都在有序增长,可是就在最近这一个月为什么日活却不增反降,要知道对于一家刚起步的内容app,最重要的指标不是支付金额,是日活(发生了点赞、订阅、付费、播放、互动、评论、发布等关键行为的活跃用户),日活下降了,怎么给领导交代,怎么给投资人交代,小A特别焦虑忐忑的向新来的产品总监汇报了下情况,产品总监不仅没有责怪小A,反而安慰到:莫慌、莫慌、让我们来看一下到底是为什么呢?于是产品总监给小A列了一些问题,追随着总监的思路,问题竟然迎刃而解,让我们也一起看看吧。


思考一:日活下降,到底是谁在下降呢?


过程:先分析到底是特征群体用户,还是所有的用户。通过观察用户的地域、年龄、渠道来源发现都没有明显的活跃区别,最终定位到了是新用户的活跃,明显下降了。如图中所示,因为老用户的日常不降反升,所以新用户的日活下降,短暂时间内没有被发现,等发现的时候已经是下降了一段时间了。


结果:是新用户的日活下降了。


   

思考二:新用户的活跃下降,是市场那边没钱了,引来的新用户少了吗?

 

过程:观察每天各个渠道引流的总用户数并无明显波动。

 

结果:并不是,假设不成立

 



思考三:难道渠道引流来的用户,不是我的目标用户?

 

过程:这个时候我们把新用户分为新用户留存下来的活跃用户、流失新用户,对新用户 分好组以后,小A观察到留存下来的用户都发现过订阅行为,而流失的用户,当天的首页页面跳出率非常高。

 

结果:首页优化,引导新用户订阅,缩短用户到核心流程的路径。




思考四:到这就完了吗?没有,日活降低,那次日、周、月留存呢?

 

过程:这个时候惊奇的发现,当天活跃的新用户当天是留下来了,但是7日留存却是明 显低于老用户的。老用户既然留存很高,说明产品的功能与客户需求还是匹配的,新用户已经愿意留下来了,为什么最后还是走了呢。


结合之前对产品的了解,和对用户的回访调查,发现是因为产品新版本上线了一个功能,每天推送订阅的内容并且爆款的话题,对用户已经构成了一定的打扰。而老用户因为之前的app大部分未更新版本,所以受到影响不大。


结果:减少推送的频次,提升用户体验。咦,上面不是说要优化首页嘛,那么不会再像推送这个功能拍脑袋决定了,用A/Btest观察用户表现差异,最终确定下来优化的页面究竟是什么样的。

2






  再让我们重新回顾下整个过程吧:


那么我们可以总结出整个方法体系如下:


发现问题

      

确定现阶段企业可量化的第一关键指标,比如支付金额、日活、月活、会员数等。以第一指标为中心扩散其他指标,因为本文以产品为主要角色,所以指标主要围绕产品展开。通过对整体指标体系的建立,对每个功能、包括每个模块的产品表现有了一个基础的了解。


  •  单指标查看

    各个功能模块使用的深度(使用频次,分布分析)

    各个功能模块使用的带来的留存(初始行为和后续行为都设为功能模块)

    各个功能模块对我的北极星指标的贡献(贡献率、相关性)

    各个功能模块本身流程转化率(转化率)

    页面浏览时长、跳出率等

    ……


  • 多维指标分析

        例如点击和留存可以得出下图

            


      区域1:高点击、低留存:没有给用户想要的

      区域2:高点击、高留存:缩短核心路径

      区域3:低点击、低留存:重新思考功能或者模块存在的意义

      区域4:低点击、高留存:增加曝光


当然了,所有的指标表现得到的信息不能一概而论,也要结合自己的产品的实际场景,做出专业的判断。


定位用户


无论任何产品,最终走向的都是用户,互联网把在现实生活中各种各样的用户群体,聚集到一处来,那么我们如何通过用户表现特征,找出背后的用户群体来呢?为了更方便的挖掘用户,我们把如何定位用户分为两种角度:


  • 用户的静态信息,静态信息是指用户本身所自带的长期信息,例如用户性别、年龄、地域、首次渠道来源等


  • 用户的行为信息,行为信息是指根据用户的表现,是会不断发生变化的。比如最近一个月发生三次以上消费的用户(活跃用户)或者最近三个月内毫无登录的用户(流失风险用户),或者是上面故事中我们提到的新老用户维度的划分,也包含用户在访问时的渠道、操作系统等。


通过对用户静态信息和行为信息的划分,准确的定位到是哪部分用户,有助于挖掘指标出现变化的本质原因,群体的特征不同,表现的差异就会不同。


比如说下图中我们看到10月对比9月的数据,不管是付费用户还是全部用户以及付费率,都是明显上升的,但是当我们以性别维度展开时,却发现,男性用户的付费率确是有显著下降。


如果这个时候我们只看全量数据,并且对指标的上升沾沾自喜,那么我们就会错过很多对产品以及用户信息的解读,失去了最佳的干涉时间。


就比如上图中,我们可以得到的信息是:男性用户付费率明显降低,女性付费率明显上升,那么这个时候就可以思考,如果产品本身的定位:是对性别没有任何区别对待,那么是因为产品内容对于男性用户的吸引力偏低嘛,这个时候就可以去做些及时的用户调研,扩充产品内容的丰富度,来满足男性用户的需求。如果产品本身的定位就是以女性群体为主,那么在产品本身并没有特别大的改变的情况下,这部分男性用户为此付费的原因是什么呢?通过其行为信息做更深层次的展开,也许可以探寻到一条新的路线。


收敛问题


上述两步已经定位到了具体的人,具体的功能,下面我们就要对事件层面上去分析。比如上述描述中的男性付费用户付费的原因,我们就可以去看这部分用户的用户路径,以及在整个行为层面上有没有什么共同点,从而引发我们进一步对产品的思考。


  • 行为的特征采集,去寻找共同的行为特征。

  • 根据功能之间的关系看是否受其他的影响,比如支付分享之后更容易复购。


定性问题


  • 是不是没注意到(产品醒目)

  • 是不是曝光不足(产品曝光)

  • 是不是结构不合理,导致找不到,核心路径太长(产品结构)

  • 是不是想要的功能,关心的根本不在页面中,页面提供的内容与用户对功能的预期根本不否,愿意进入但是失望(产品内容)

  • 是不是用户根本没这个需求


得出结论


结合自己产品的理解,回到定性的问题再发散,确定产品的改版方向




每个产品提供多方位的价值,每个用户也有多方位的需求,如何让更多用户更好的体验到产品的核心价值,是保持生命力的关键。尤其是在这个冬天,我们把视线从扩张性增长的层面,转移一定的视线到可控的内生性增长,也许会有别样的天地。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多