9 métodos de análisis de datos para gerentes de producto
En el trabajo diario, los product managers tienen que analizar datos. Utilizar los resultados del análisis para tomar decisiones y revisiones de productos se ha convertido en una habilidad esencial para los gerentes de producto.
Recientemente, el autor estudió sistemáticamente el curso de análisis de datos del gerente de producto y descubrió que "9 métodos de análisis de datos" son muy prácticos. Los resumiré ahora y haré un resumen basado en mi propio conocimiento.
Estos "9 métodos de análisis de datos" son:
A continuación se explicará según "qué comparar" y "con quién comparar":
En la vida diaria, normalmente existen dos tipos de valores de datos:
1) Valor absoluto: los datos en sí tienen un valor de referencia, como ventas de comercio electrónico y lecturas de artículos
2) Valor proporcional: es necesario ver la proporción de los datos. Solo calculando el valor podemos obtener el valor de los datos relevantes, como la tasa de retención de datos, la participación activa, etc.
Por lo tanto, el análisis comparativo consiste en analizar el valor de la proporción. Generalmente tenemos dos métodos de comparación:
1) Año tras año: se refiere a la comparación del valor de una determinada posición en el rango de tiempo actual con los datos de la misma posición en el rango de tiempo anterior. En inglés, "año tras año": por ejemplo, la primera semana de mayo es la misma que la primera semana de abril.
2) Mes a mes: se refiere a la comparación del valor del intervalo de tiempo actual con el valor del intervalo de tiempo anterior adyacente. Por ejemplo, las ventas totales en mayo aumentaron en 20 meses. intermensual, lo que significa que las ventas totales en mayo fueron superiores a las de abril. Las ventas totales aumentaron un 20%
1) Compara contigo mismo
En el trabajo diario, la mayor parte. El análisis comparativo consiste en comparar los datos actuales con los datos del período anterior. Se pueden hacer comparaciones desde diferentes perspectivas, como la dimensión temporal, la dimensión del canal y la dimensión de la línea de negocio.
2) Comparación con la industria
Al realizar el análisis de datos, es necesario considerar la tendencia general de toda la industria. Por ejemplo, la empresa apunta a la industria de la educación en línea y ha experimentado un rápido crecimiento de usuarios este año, lo que el equipo cree que se debe a las operaciones. Sin embargo, si se comparan los datos de la industria, el crecimiento puede ser inferior al promedio de la industria. Este crecimiento es un crecimiento natural debido a la epidemia y las estrategias operativas deben ajustarse en este momento.
Cuando analizamos datos, debemos esforzarnos por extraer el máximo valor de datos limitados y obtener más información oculta. En este momento, es necesario desmantelar el problema desde múltiples dimensiones.
Usemos un caso práctico para ilustrar:
El producto de la empresa Xiao Ming es una plataforma de ajedrez y cartas, que tiene información sobre ajedrez y cartas, videos de ajedrez y cartas, cursos de mejora, comunidad de preguntas y respuestas. , etc. Las monedas de oro son una moneda virtual. Utilice esta moneda de oro para ver información paga, videos pagos, recompensas, etc. Ahora el jefe quiere saber el consumo de monedas de oro como indicador de datos.
Después de recibir la tarea, Xiao Ming realizó un desmontaje multidimensional del consumo de monedas de oro de acuerdo con escenarios comerciales reales y clasificó las siguientes dimensiones:
1. Tiempo. A principios de junio, la plataforma experimentó una actualización importante y la jugabilidad se volvió más diversa. Por lo tanto, este análisis de datos solo cuenta los datos posteriores a junio y la unidad estadística es semanal.
b. Datos básicos del consumo de monedas de oro: consumo total, número total de consumidores, número de consumos, número de recargas, etc.
c. Escenarios de consumo de monedas de oro: se analizarán todos los escenarios de consumo. Se espera que los escenarios de consumo se clasifiquen según la cantidad de monedas de oro, se enumere el contenido de consumo específico y la extracción de información. se llevará a cabo.
d. Grupos de consumidores de monedas de oro: conozca el retrato del consumidor y analice las características del grupo de consumidores
Es un método de análisis común para analizar un solo indicador desde múltiples dimensiones
p >Este método de análisis es adecuado para situaciones en las que "los usuarios tienen un camino claro para lograr un objetivo determinado". Por ejemplo, analice las tasas de compra de cursos. El hecho de que el usuario compre a menudo está estrechamente relacionado con los pasos anteriores, como iniciar sesión, hacer clic en el anuncio de la página de inicio, intentar mirar, enviar el pedido y realizar el pago. -Pago exitoso.
En este caso, no tiene sentido fijarse únicamente en la tasa de compra. En lugar de ello, conviene desmantelar todo el proceso desde múltiples dimensiones y encontrar los momentos clave que necesitan mejorar.
Los embudos son adecuados para visualizar datos con un proceso de uso claro.
Un embudo es una secuencia de acciones del usuario que afecta el front-end y el back-end capa por capa.
Por ejemplo, si una aplicación de ajedrez y cartas compra un curso y el pago final es el último nivel del embudo, entonces la ruta del embudo es:
Registro de usuario--ver contenido recomendado--haga clic en Curso--Prueba--Enviar pedido--Prueba--Enviar pedido--Haga clic en curso--Prueba--Enviar pedido--Pagar. Entre ellos, si el usuario está registrado e iniciado sesión determina si el contenido recomendado se puede navegar normalmente, y los datos de los usuarios que navegan por el contenido recomendado afectarán los datos de hacer clic en los enlaces del curso, etc.
Cuando utilizamos la observación del embudo a diario, debemos prestar atención a tres malentendidos sobre los embudos:
El proceso anterior del embudo tiene un efecto en el siguiente proceso, por lo que el proceso del embudo es necesario determinar un plazo razonable. Por ejemplo, en el embudo de pago de la aplicación de ajedrez y cartas anterior, el tiempo de toma de decisiones del usuario suele ser el mismo día, pero, por ejemplo, el ciclo de toma de decisiones para comprar una casa puede durar varios meses.
Embudos como: A-B-C-D-E. Al observar, no utilice A-C-E directamente. La conclusión a la que se llega al observar la tasa de conversión correspondiente a cada capa de esta manera es inexacta.
A veces, si quieres que tu sitio web sea más atractivo, entonces tienes que hacerlo más atractivo, no hacer que tu sitio web sea más atractivo.
A veces, si descubre que los datos finales de la encuesta son incorrectos, debe determinar si se omitieron otras rutas de embudo al contar ciertos datos objetivo.
Un evento no es solo lo acumulativo datos de este indicador, sino también del análisis específico de la distribución de eventos en diferentes dimensiones.
Por ejemplo, si analizas el número total de usuarios, podrás ver cómo se distribuyen por sexo, edad y provincia. Por poner otro ejemplo, si desea analizar los datos de navegación del usuario de una determinada página, puede realizar una investigación de distribución sobre el número total de visitas en diferentes momentos y diferentes períodos de tráfico.
Como se muestra en la figura:
Antes de analizar la tasa de retención, es necesario comprender la definición de tasa de retención. Las diferentes empresas tienen diferentes métodos de cálculo para la tasa de retención.
1) Algoritmo de tasa de retención 1 = (Día 7/Día 1) * 100
2) Algoritmo de tasa de retención 2 = (Todos los usuarios del Día 2 al Día 7 Agregar y eliminar) /Día 1* 100
Qué método de cálculo utilizar depende del propósito para el que estemos calculando la retención. Por ejemplo:
1) Utilice el algoritmo 1 para comparar la calidad del usuario en diferentes canales. Debido a que todos los canales usan datos del primer y séptimo día, la información ignorada es la misma, por lo que se puede hacer una comparación justa
2) Si estás analizando un producto que enseña a las personas cómo hacerlo. Si hay una aplicación para arroz, y los usuarios de esta aplicación la abren principalmente los fines de semana, entonces el algoritmo 2 es adecuado. Este es un reflejo más fiel de la retención.
Ten en cuenta también que algunas empresas se refieren al primer día como Día 0. El beneficio de esto es que puede comparar y contrastar la misma "semana" al calcular su tasa de retención de 7 días.
Según el escenario empresarial específico, se deben seleccionar diferentes períodos de tiempo para analizar la tasa de retención, por ejemplo:
1) Para comprender la calidad del canal, es adecuado utilizar la tasa de retención diaria (como la tasa de retención de 7 días).
2) Para observar la situación general de los datos, es adecuado utilizar la retención semanal y la retención mensual, y observar la permanencia del usuario en la plataforma de forma más macroscópica.
Ya lo hemos hecho. Dijo que los retratos de usuarios se dividen en dos tipos:
1) Etiquetas detalladas del usuario. Como identidad, edad, matrimonio, altura y peso, etc. Al identificar las características de varios usuarios, adjuntar varias etiquetas a los usuarios y combinar y clasificar a los usuarios a través de etiquetas, podemos llevar a cabo acciones refinadas de productos/operaciones para diferentes grupos.
2) Establezca usuarios virtuales altamente representativos basándose en entrevistas con usuarios y otros medios. El uso de usuarios virtuales en la planificación del producto puede permitir que el equipo alcance el éxito rápidamente.
Hay muchos tipos de etiquetas de usuario, que se pueden dividir aproximadamente en cuatro categorías:
1) Atributos básicos: edad, sexo, fecha de nacimiento, signo del zodíaco, educación, altura, ingresos. , ocupación, etc.
2) Atributos sociales: relación conyugal, si tienes hijos, orientación sexual, etc.
3) Características de comportamiento: hora de registro, canal de registro, si has adquirido un producto, si le has prestado atención, etc.
4) Relacionado con el negocio: por ejemplo, las aplicaciones de fitness se preocupan por la calidad del sueño de los usuarios, la tasa de grasa corporal, la altura, la altura, el peso, etc.
Ante tantas etiquetas, ¿cómo obtenerlas Suele haber dos formas:
1) Obtenerlas directamente
Para algunos de nuestros productos habituales, debes completar Se requiere información relevante para completar el registro
2) Deducción y análisis del comportamiento del usuario
Por ejemplo, el poder de consumo del usuario se puede deducir a través del modelo de teléfono móvil, el género se puede deducir a través de los productos adquiridos, y los temas que preocupan al usuario se pueden deducir deduciendo sus intereses, etc.
En las operaciones reales, algunos objetivos comerciales claros a menudo se atribuyen a la búsqueda de factores clave para lograrlos, y se invierten recursos limitados en los factores clave.
Según los diferentes escenarios comerciales, existen aproximadamente tres métodos de atribución:
1) Atribución final
Este método es adecuado para rutas de conversión cortas y eventos de escena. Escenas con fuerte correlación entre ellas. Tales escenarios requieren centrarse en los pasos que conducen a la meta.
El siguiente caso de recompensa de transmisión en vivo se centra en el objetivo de recarga:
A través del análisis del caso, se puede ver que la ruta de recarga después de enviar mensajes privados al presentador representa una gran proporción. , por lo que la experiencia de mensajería privada debería mejorarse lo antes posible.
2) Atribución decreciente
Este método es adecuado para eventos que tienen una ruta de conversión larga, poca diferencia entre eventos en la cadena de conversión y no son completamente dominantes.
3) Primera atribución
Este método es adecuado para escenarios comerciales con una fuerte dependencia del tráfico. El enlace de entrada del usuario es más importante que todos los enlaces posteriores. Por ejemplo, productos crediticios.
En el análisis de embudo, todo el proceso suele ser muy claro. Pero en escenarios comerciales reales, no tenemos tan claro el proceso de uso del usuario, o el proceso es complejo y aleatorio, sin una secuencia sólida. Esta vez es más adecuado para la minería de rutas de aplicaciones.
El método específico es encontrar todos los eventos dentro del proceso, configurar las páginas de entrada y salida del proceso, colocar todos los eventos en este proceso y utilizar herramientas de datos para analizar.
Antes del análisis, es necesario aclarar el propósito del análisis, que generalmente se aplica a las dos situaciones siguientes:
1) Existe un escenario de partida claro. Espero analizar los datos para observar qué sucedió exactamente después de este escenario.
1) Tener un objetivo de resultado claro. Esperamos analizar los datos para observar cómo los nuevos usuarios logran sus objetivos paso a paso.
A través de la minería de rutas, podemos encontrar las rutas críticas que necesitan atención. Sólo identificando los comportamientos clave por encima del camino crítico se puede crear una buena experiencia.
La minería de rutas es el proceso de extraer las rutas de comportamiento de una gran cantidad de usuarios, pero a veces prestamos más atención al comportamiento de los individuos y queremos comprender la línea de tiempo completa de los eventos cuando el individuo usa el producto. .
La extracción de la secuencia de comportamiento de un solo usuario suele ser adecuada para las dos situaciones siguientes:
1) Descubrir información oculta por datos estadísticos y restaurar los escenarios de uso específicos del usuario
2) Descubrir características de comportamiento individuales y encontrar oportunidades para mejorar el valor del producto
Caso:
La plataforma de ajedrez en línea lanzó nuevas funciones e invitó a maestros de ajedrez a unirse a la plataforma y enseñar en línea
La plataforma de ajedrez en línea ha lanzado nuevas funciones, invitando a los maestros de ajedrez a unirse a la plataforma y enseñar en línea. Tres días después del lanzamiento de esta función, *** millones de usuarios la han experimentado. Ahora necesitamos asignar tareas a 2 vendedores y permitirles que se comuniquen por teléfono con los profesores interesados.
Ahora utilice el análisis de secuencia de comportamiento individual para encontrar usuarios que usan repetidamente una determinada función y permanecen en el evento durante mucho tiempo, filtre 1000 usuarios y asígnelos a ventas, lo que mejora en gran medida la tasa de conversión de cooperación.
Los anteriores son los 9 métodos de análisis comúnmente utilizados en el análisis diario de datos de productos. Soy el hermano Tennoji, un estudiante de primaria en la industria de productos y espero comunicarme más con usted.