一个优秀的产品经理该如何做好数据分析?|数据分析

这两年,随着大数据、精益化运营、增长黑客等概念的传播,数据分析的思维越来越深入人心。处于互联网最前沿的产品经理们接触了大量的用户数据,但是却一直困扰于如何做好数据分析工作。

那么产品经理该如何搭建自己的数据分析知识体系?数据分析的价值又在哪里?产品经理做数据分析有哪些具体的方法?又如何学习数据分析?本文将和大家分享一下这些问题。

数据分析体系:道、术、器

“道”是指价值观。产品经理要想是做好数据分析,首先就要认同数据的意义和价值。一个不认同数据分析、对数据分析的意义缺乏理解的人是很难做好这个工作的。

“术”是指正确的方法论。现在新兴的“Growth Hacker”(增长黑客)概念,从AARRR框架 ( 获取、激活、留存、变现与推荐五个环节)入手进行产品分析,这是一个非常好的分析方法。

“器”则是指数据分析工具。一个好的数据分析工具应该能帮助产品经理进行数据采集、数据分析、数据可视化等工作,节省产品经理的时间和精力,帮助产品经理更好理解用户、更好优化产品。

数据分析的价值

产品经理不能为了数据分析而分析,而要将落脚点放到产品和用户上。数据分析应该帮助产品经理不断优化产品设计和迭代,驱动产品和用户增长。

当我们上线了一个新的产品(product)或者功能时,需要对其进行数据监控和衡量(measure)。然后从监控中采集到产品的用户行为数据(data),并对这些数据进行分析和总结(learn)。最后从分析中得出结论和观点(idea),如果数据证明我们的新产品/功能是优秀的,那么可以大力推广;如果数据说明我们的产品还存在问题,就需要对产品进行新一轮的优化(build)。

在“产品——数据——结论”的不断循环中,我们不断用数据来优化我们的产品,加快产品迭代的步伐、提升用户体验。

数据分析的方法

方法1:流量分析

分析不同获客渠道流量的数量和质量,进而优化投放渠道。常见的办法有UTM代码追踪,分析新用户的广告来源、广告内容、广告媒介、广告项目、广告名称和广告关键字。

实时监测产品的访问走势,尤其要关心流量异常值。举个例子,某互联网金融平台因为一个产品BUG导致用户疯狂抢购造成的流量峰值,产品经理发现实时数据异常后迅速下线该产品修复BUG,避免了损失扩大。

方法2:转化分析

广义上所有的商业网站都是电商网站;因为都需要用户转化、需要用户变现。在我们的产品里面有很多地方需要做转化分析:注册转化、购买转化、激活转化等等。一般我们借助漏斗来衡量用户的转化过程。

影响转化率的因素很多,我们总结了三个大的方面:渠道流量、用户营销、网站/APP体验。以渠道流量为例,通过优选渠道并且量化分配我们的投放资源,可以有效提升总体的转化率。

更详细的转化分析方法,可以参考这篇文章《如何打破用户“只看不买”魔咒,把流量转化为注册和购买?》

方法3:留存分析

留存,顾名思义是指用户首次访问你的网站/APP后多少天后回访。留存是产品增长的核心,用户只有留下来,你的产品才能不断增长。一条留存曲线,如果产品经理不做什么的话,那么影虎就慢慢流失了。

从产品设计的角度出发,找到触发留存的关键行为,帮助用户尽快找到产品留存的关键节点。之前我们发现我们产品里面,使用过“新建”功能用户的留存度非常高;于是我们做了产品改进,将“新建”按钮置于首页顶部刺激用户使用,效果非常好。

硅谷流行的Magic Number(魔法数字)也是留存分析的一部分,比如Facebook发现”在第一周里加10个好友“的新用户留存度非常高。作为产品经理,我们也需要通过数据分析来不断探索我们产品里面的魔法数字,不断提高用户留存度和活跃度。

更详细的留存分析方法,可以参考这篇文章:《提升用户留存,市场、产品和运营都有哪些方法?》

方法4:可视化分析

用户体验,是一个非常抽象的概念,我们可以对其进行形象化。目前一个普遍的方法就是对用户的数据进行可视化,以热图的形式呈现。

借助热图,产品经理可以非常直观了解用户在产品上的点击偏好,检验我们的产品设计或者布局是否合理。

热图的概念、原理、类型和应用,可以参考这篇文章:《产品经理:没看过这张图,谈不上懂数据分析?》

方法5:群组分析

千人千面,产品经理对用户精细化的分析必不可少。不同区域、不同来源、不同平台甚至不同手机型号的用户,他们对产品的使用和感知都可能存在巨大的差异。产品经理可以对不同属性的用户进行分群,观察不同群组用户的行为差异,进而优化产品。

之前我们做过一次分析,网站的总体注册转化率是6%;但是使用Chrome浏览器的新用户注册转化率高达12%,使用IE浏览器的新用户注册转化率才1%。这样一分的话,问题就很明显了,极有可能是浏览器兼容性的问题,产品经理应该关注一下这个问题。

详细的群组分析操作流程,可以参考这篇文章:《产品经理如何通过数据分析来发现用户的“怒点”》

数据分析的书籍

做好数据分析,不是一朝一日就可以的,需要在产品规划设计、产品升级迭代中不断实践。下面的这些书籍对于产品经理学习数据分析都有一定的帮助:

推荐1:范冰的《增长黑客》

这是国内对于增长黑客的第一本详细介绍,作者从AARRR的视角切入,描述了大量产品优化、产品增长的案例,对于产品经理非常有益。

推荐2:埃里克•莱斯的《精益数据分析》

在这本书里面,作者介绍数据分析的相关指标、不同行业的数据分析要点,并且有大量的数据分析案例和翔实数据。如果想要把数据分析落地,这本书对产品经理是非常有帮助的。

推荐3:GrowingIO的产品和分析师写的《互联网增长第一本数据分析手册》

这里面汇编了我们一年多来数据分析、产品优化的实战案例,里面不少文章被被大号转过,例如《如何成为一个优秀的数据产品经理》等。

推荐4:埃里克•莱斯的《精益创业》

作者提出了最小可行性产品(MVP)、小步快跑,快速迭代等产品设计和优化的理念,影响深远。

结语

数据分析是一门多学科、多领域的交叉学问,涉及到的东西非常多。产品经理要想做好数据分析,应该有一套完整的思维体系,在价值观、方法论和工具三个层面上储备相关知识。同时立足于产品和用户,用数据来打磨产品,用数据来检验迭代,不断提升用户体验。

作者:张梦溪


原文发布于微信公众号 - 数据科学与人工智能(DS_AI_shujuren)

原文发表时间:2016-08-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏云计算D1net

驱动多云应用和发展的5个因素

210100
来自专栏钱塘大数据

解析丨未来数据质量项目成功的三大支柱

我们现在处在一个新的时代:商业成功取决于比以前更快的从更多的系统和用户中获取可信任的数据。这个新时代的核心是大数据,它引进了新技术、新数据源、新数据类型,可以让...

29840
来自专栏达摩兵的技术空间

如何平衡研发与开发

对于程序员来讲,很多时候会纠结一个问题,我做了这么多项目,除了上线了产品,自己的逻辑、对产品的设计进步了哪些,这一点对前端、后端其实都是一样的具有迷惑性。

11830
来自专栏EAWorld

大数据治理关键技术解析

在企业数据建设过程中,大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量,到自服务和智能化的数据应用,大数据治理的内容在不断地发展和完善,其落地实施...

76750
来自专栏数据猿

金融科技&大数据产品推荐:Chinapex创略智能客户数据平台——开启智慧营销之旅

智能、实时的客户数据平台是一个独特的解决方案,由AI和机器学习驱动,助力企业完成从多数据源采集、分析,到数据运用的闭环,支持各种客户相关的应用场景,包括营销、客...

1.3K50
来自专栏WeTest质量开放平台团队的专栏

WeTest&TesterHome联合手游测试沙龙(第1期)精彩分享

12月3日, WeTest&TesterHome在上海腾讯大厦联合举办了第1期手游测试沙龙。本次联合沙龙,是由腾讯WeTest发起,与优质社区TesterHom...

8410
来自专栏新智元

AI时代市场营销生存指南:8大应用方向,无限搜索与超级个性化

【新智元导读】AI 已经成为营销技术(MarTech)中最受关注和期待的部分。利用 AI 技术,营销人员将加快实现一对一营销活动的自动化,不仅使营销内容更有针对...

386130
来自专栏ThoughtWorks

TW洞见 |建设DevOps能力到底有多重要?典型问题+对症方法

当软件行业进入互联网时代,市场对软件产品和服务的交付提出了更高的要求:不仅要快速实现需求,而且要快速发布上线,并且必须保证业务可靠、高效运行。为了满足这些要求...

34870
来自专栏SDNLAB

YunEx云迅公司推出智能边缘云OpenMEC解决方案

21840
来自专栏PPV课数据科学社区

【资讯】甲骨文融合中间件即服务满足企业云需求

甲骨文公司亚太及日本区融合中间件管理高级总监李国东 像所有新概念一样,“大数据”经历过一段炒作期后,已经被企业所普遍接受。IDC的报告显示:全球...

29860

扫码关注云+社区

领取腾讯云代金券