閱讀96
標籤:
資料思維產品運營一、資料趨勢分析
趨勢分析一般而言, 適用於產品核心指標的長期跟蹤, 比如, 點擊率, GMV, 活躍用戶數等。 做出簡單的資料趨勢圖, 並不算是趨勢分析, 趨勢分析更多的是需要明確資料的變化, 以及對變化原因進行分析。
趨勢分析, 最好的產出是比值。 在趨勢分析的時候需要明確幾個概念:環比, 同比, 定基比。 環比、同比大家都比較瞭解, 定基比就是和某個基點進行比較, 比如2016年1月作為基點, 定基比則為2017年2月和2016年1月進行比較。 趨勢分析另一個核心目的則是對趨勢做出解釋,
在資料分析的過程中, 有很多因素影響到指標, 那麼我們可以不同維度來逐一考察, 比如:管道, 產品版本, 來源, 關鍵字, 網路, 地域, IP, 系統流覽器及版本等。
二、資料對比分析
資料的趨勢變化獨立的看, 其實很多情況下並不能說明問題, 比如如果一個企業盈利增長10%, 我們並無法判斷這個企業的好壞, 如果這個企業所處行業的其他企業普遍為負增長, 則5%很多, 如果行業其他企業增長平均為50%, 則這是一個很差的資料。 對比分析, 就是給孤立的資料一個合理的參考系, 因為, 孤立的資料毫無意義。
以A/B測試為例,
三、 資料細分分析
在得到一些初步結論的時候, 需要進一步地細拆, 因為在一些綜合指標的使用過程中, 會抹殺一些關鍵的資料細節, 而指標本身的變化, 也需要分析變化產生的原因。 這裡的細分一定要進行多維度的細拆。 常見的拆分方法包括:
分時:不同時間段資料是否有變化。
分管道:不同來源的流量或者產品是否有變化。
分用戶:新註冊用戶和老用戶相比是否有差異, 忠誠用戶和小白用戶相比是否有差異。
分地區:不同地區的資料是否有變化。
構成拆分:比如搜索由搜索片語成, 可以拆分不同搜索詞
細分分析是一個非常重要的手段, 多問一些為什麼, 才是得到結論的關鍵, 而一步一步拆分, 就是在不斷問為什麼的過程。
四、業務場景舉例
1、整體路徑:在核心流程上加快決策
當我們被某個產品的賣點吸引後, 我們的潛意識將“憑感覺”快速替我們做出決策, 沒有立刻執行決策, 不過是因為我們還在尋找理由說服自己, 讓這個決策看起來合理罷了。
人的欲望是無限的, 很多時候, 人的欲求會超過一貫的自我認知和行為準則, 同時, 人又是一個會極度自洽的動物, 當我們的某個決策意向明顯不符合自我認知與行為準則時, 我們潛意識裡就會去尋找更多的理由,
以某電商類產品為例, 凡註冊成功後24小時內沒有創建訂單的使用者都會收到一條短信, 短信內容大概是:你有價值128元的新手紅包待領取, 下載APP立享優惠, 一個小小的紅包, 便終止了一部分用戶“猶豫不決”成功下單。 PS:上圖中的資料來自我們的客戶, 基於諸葛io的精准觸達, 有68人成功完成了支付, 即, 這一條短信帶來了核心業務的轉化(變現)。
2、業務偏好:不同需求用戶精准行銷
當我們獲取了用戶之後, 就會對使用者的相關資料做分析, 得知使用者行為習慣, 為產品運營所用。 通過對使用者行為監測獲得的資料進行分析, 可以讓我們更加詳細、清楚地瞭解用戶的行為習慣,
例如在什麼時間段用戶活躍度最高, 在這個時間段推送活動, 參與度會更加積極, 用戶接受程度更大。 比如分析出在22:00~24:00之間, 20-30歲之間的女性最為活躍, 那麼在這個時候可以選擇對女性用戶更有價值的活動來做定向推送, 設置好推送的活動、時間點和用戶群體, 以此來增強用戶生命力, 延長用戶生命週期。
3、沉默啟動:圍繞活躍特點貼心提醒
沉默用戶大部分是低介入用戶, 是否能夠再細分出各自的需求, 再做用戶觸達和用戶運營, 滿足其某一次需求。 如果用戶只是使用基本功能, 就不要騷擾他, 如一個月做運營觸達而用戶無反應, 持續幾次皆如此,則不要再騷擾了,否則產品都不會使用,這類長時間的沉默用戶要謹慎處理。
總之,趨勢,對比,細分是資料分析中最基礎的思維。無論是資料核實,還是資料分析,都需要不斷地找趨勢,做對比,做細分,才能得到最終有效的結論。
微信公眾號:諸葛io(ID:zhugeio1)
持續幾次皆如此,則不要再騷擾了,否則產品都不會使用,這類長時間的沉默用戶要謹慎處理。總之,趨勢,對比,細分是資料分析中最基礎的思維。無論是資料核實,還是資料分析,都需要不斷地找趨勢,做對比,做細分,才能得到最終有效的結論。
微信公眾號:諸葛io(ID:zhugeio1)