永洪社区

标题: 初步建立数据分析框架 [打印本页]

作者: 小猫咪    时间: 2017-8-14 14:00
标题: 初步建立数据分析框架
本帖最后由 小猫咪 于 2017-8-15 09:58 编辑

初步建立数据分析框架

    实际工作中,面对的数据会很多,自己遇到的第一个问题是看哪些数据?
    时至今日,面对纷杂的业务和避免为了分析数据而看数据,我依旧在思考这个问题,并且试图通过建立自己的数据分析体系解决这个问题。
    通过查找资料和自己的工作经验,总结出适用自己的分析体系:
    1,以具体业务为出发点,去分析数据。
    2,通过AARRR模型解决产品生命周期中用户获取,激活,留存,转化和传播的通用型问题。
    3,以销售额为中心的电商分析框架,能解决许多实际业务问题。(自己从事电商行业)
    4,积累行业其他成熟的分析方法
(, 下载次数: 994)

    一、谨记出于什么具体业务去分析数据

    以始为终是产品的基本思维之一,数据分析框架像是解答数学问题的公式,该用哪个公式,如何用,首先得弄清楚题目的含义。工作中常用到的两个数据分析场景是:
    1,如何评估产品的改版效果?
    2,如何通过数据继续下一次迭代?
    以上两个场景并不需要翻遍所有数据指标来解决问题,有相对成熟的方法去借鉴。
    第一次接触数据的同学建议优先观察产品的日活,月活,次日,7日和30日留存,以及用户的使用时间。这几个数据可以概括地说明产品的概况与用户质量。后面再关注漏斗和页面跳转路劲,分析用户如何使用产品。

二、AARRR模型分析方法

    AARRR模型是产品和运营方法论中较为成熟的思考方式了,她代表了从用户获取,激活,留存,转换和再传播的5个产品阶段。

1,用户获取阶段
    主要是关注新增用户数和用户获取成本,通过安卓渠道包和第三方数据工具,可以快速看到各个渠道用户的获取情况。

2,用户激活阶段
    主要关注用户数量与质量两个维度的数据。
    用户数量可以通过日活跃数,月活跃用户数,活跃系数衡量。
    日活跃用户数:该指标能反应当天的引流效果,波动幅度通常较大。
    月活跃用户数:应用的用户规模通常用月活跃用户数表示,波动幅度不大。(面试时,面试官问到活跃用户时,回答月活跃用户数,相对来说靠谱些。)
    活跃系数:该指标等于日活跃用户数/月活跃用户数,通常来说活跃系数大于0.2较为正常。
    用户质量可以通过用户使用时长,打开次数来判断。
    功能使用率:某功能的使用率/月活跃用户数。这个指标可以用于观察核心功能的使用情况等多个业务场景。

3,用户留存阶段
    主要关注次日,七日和30日留存。
    次日留存:次日留存不佳,表示产品可能在产品形态或者内容方面对用户吸引力不大,存在严重缺陷。或者引流的用户不是目标用户。
    七日留存:七日留存不佳,表示产品缺乏让用户体验更久的功能。例如某些以新奇见长的产品,引入用户后,满足用户的好奇后,用户就会卸载该产品。
    30日留存:表示产品迭代不佳。
    通常次日,七日,30日留存能做到40%,20%,10%是较为不错的结果。

4,用户转化阶段
    通过建立转化漏斗可以观察到转化情况,也可以根据漏斗中的关键事件,定位问题,优化设计。

5,再传播阶段
    关注的是产品的推荐数,分享数量等指标。
    通过AARRR模型五个阶段的各个指标以及对应的行业数据情况,可以在实际工作中推断自己负责产品的现状。AARRR模型进一步的应用场景是精细化运营,例如通过安卓不同的渠道包知道用户从哪儿来,跟踪不同渠道引入的效果。关注各个渠道引入用户的获取成本和用户价值(例如用户的消费情况)比单纯地关注用户ROI会效果更好。
    以上数据指标绝大部分能通过第三方数据分析工具完成。

三,电商业务分析体系

    因为自己从事的是电商,所以以电商举例具体业务的分析体系。
    电商的业务分析可以从销售额=流量*转换率*客单价这个公式拆解。
    分析现有销售额的组成或者提升销售额可以从流量,转化率,客单价三个指标分析

    1,流量增长原因:
    先按终端类型:App,网页端,App可以通过渠道包或者IDFA来标识,网页端可以通过媒体渠道来区分。

    2,客单价原因:
    首先客单价是针对某个时间段而言的,业务上计算客单件的公式:
    客单价=销售额/购买客户数。
    分析客单价变动原因的公式:
    客单价=人均购买件数*件单价来分析客单件
    人均购买件数是指每个客户购买几件商品。这个指标也经常用于衡量关联销售的效果,人均购买件数越多,关联销售效果越好。
    件单价指商品的平均价格,等于销售额除以销售量,这个指标用来衡量网站商品价格高低。
    某日件单价升高,可能是促销活动导致高价格的商品销量增加。
    件单价变动可以 通过热销商品价格变动来分析;人均购买件数可以通过组合装/单件装比例以及  推荐效果(猜你喜欢功能)来分析。

    3,转化率分析
    建立分析转化漏斗可以把问定位到某个页面,详情页的到达率是关键指标。从而提升转换率。

    4,商品详情页来源
    归纳商品详情页来源可以大致分为如下三条:
    A,进入产品后直接进入商品详情,直接观察该商品详情页的访客数。
    B,从商品聚合页进入商品详情(搜索结果页,商品分类页等)。来源的效果可以通过导出率评估,搭配出率等于该页面点击商品的次数除以该页面的访客数。
    C从商品详情页到商品详情页主要依赖关联推荐,可以通过商品点击率来衡量,该指标等于在商品详情页看到推荐的方可中,点击推荐商品的比例。

四,积累行业其他成熟分析方法

    以上两种分析体系还有其他业务场景没有覆盖,需要不断积累,丰富自己的分析方法,开拓思维方式。
    例如衡量改版效果可以:
    1,分析设计功能的使用情况,这里可以引用“功能使用率”概念和其他功能做横向对比。或者是改版的情况下,纵向对比之前的使用率。
    2,关注对核心功能的影响,特别是设计的功能对核心功能有影响时。
    3,持续观察新功能的使用情况,有条件的观察继续使用率。
   
    继续使用率:本周使用过功能A的用户占下周使用过功能A的比例。
    又例如利用导出率概念:
    导出率=上级页面的浏览量比下级页面的浏览量,分析某个页面各个模块的表现情况,对于导出率不佳的模块考虑是否要优化解决问题或者是设计弱化。
注:AARRR模型与电商行业的相关分析方法主要来自网易云课堂《产品经理微专业》


本文转自 PMCAFF,作者:WBS
文章原链接为:http://www.pmcaff.com/article/index/791718866995328


作者: oscarxu    时间: 2024-2-12 17:26
666
作者: oscarxu    时间: 2024-2-14 06:34





欢迎光临 永洪社区 (http://club.yonghongtech.com/) Powered by Discuz! X3.4