
一名優(yōu)秀的產(chǎn)品經(jīng)理,該如何做好數(shù)據(jù)分析?
這兩年,隨著大數(shù)據(jù)、精益化運(yùn)營(yíng)、增長(zhǎng)黑客等概念的傳播,數(shù)據(jù)分析的思維越來越深入人心。處于互聯(lián)網(wǎng)最前沿的產(chǎn)品經(jīng)理們接觸了大量的用戶數(shù)據(jù),但是卻一直困擾于如何做好數(shù)據(jù)分析工作。
那么產(chǎn)品經(jīng)理該如何搭建自己的數(shù)據(jù)分析知識(shí)體系?數(shù)據(jù)分析的價(jià)值又在哪里?產(chǎn)品經(jīng)理做數(shù)據(jù)分析有哪些具體的方法?又如何學(xué)習(xí)數(shù)據(jù)分析?本文將和大家分享一下這些問題。
“道”是指價(jià)值觀。產(chǎn)品經(jīng)理要想是做好數(shù)據(jù)分析,首先就要認(rèn)同數(shù)據(jù)的意義和價(jià)值。一個(gè)不認(rèn)同數(shù)據(jù)分析、對(duì)數(shù)據(jù)分析的意義缺乏理解的人是很難做好這個(gè)工作的。
“術(shù)”是指正確的方法論?,F(xiàn)在新興的“Growth Hacker”(增長(zhǎng)黑客)概念,從AARRR框架 ( 獲取、激活、留存、變現(xiàn)與推薦五個(gè)環(huán)節(jié))入手進(jìn)行產(chǎn)品分析,這是一個(gè)非常好的分析方法。
“器”則是指數(shù)據(jù)分析工具。一個(gè)好的數(shù)據(jù)分析工具應(yīng)該能幫助產(chǎn)品經(jīng)理進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)可視化等工作,節(jié)省產(chǎn)品經(jīng)理的時(shí)間和精力,幫助產(chǎn)品經(jīng)理更好理解用戶、更好優(yōu)化產(chǎn)品。
產(chǎn)品經(jīng)理不能為了數(shù)據(jù)分析而分析,而要將落腳點(diǎn)放到產(chǎn)品和用戶上。數(shù)據(jù)分析應(yīng)該幫助產(chǎn)品經(jīng)理不斷優(yōu)化產(chǎn)品設(shè)計(jì)和迭代,驅(qū)動(dòng)產(chǎn)品和用戶增長(zhǎng)。
當(dāng)我們上線了一個(gè)新的產(chǎn)品(product)或者功能時(shí),需要對(duì)其進(jìn)行數(shù)據(jù)監(jiān)控和衡量(measure)。然后從監(jiān)控中采集到產(chǎn)品的用戶行為數(shù)據(jù)(data),并對(duì)這些數(shù)據(jù)進(jìn)行分析和總結(jié)(learn)。最后從分析中得出結(jié)論和觀點(diǎn)(idea),如果數(shù)據(jù)證明我們的新產(chǎn)品/功能是優(yōu)秀的,那么可以大力推廣;如果數(shù)據(jù)說明我們的產(chǎn)品還存在問題,就需要對(duì)產(chǎn)品進(jìn)行新一輪的優(yōu)化(build)。
在“產(chǎn)品——數(shù)據(jù)——結(jié)論”的不斷循環(huán)中,我們不斷用數(shù)據(jù)來優(yōu)化我們的產(chǎn)品,加快產(chǎn)品迭代的步伐、提升用戶體驗(yàn)。
分析不同獲客渠道流量的數(shù)量和質(zhì)量,進(jìn)而優(yōu)化投放渠道。常見的辦法有UTM代碼追蹤,分析新用戶的廣告來源、廣告內(nèi)容、廣告媒介、廣告項(xiàng)目、廣告名稱和廣告關(guān)鍵字。
實(shí)時(shí)監(jiān)測(cè)產(chǎn)品的訪問走勢(shì),尤其要關(guān)心流量異常值。舉個(gè)例子,某互聯(lián)網(wǎng)金融平臺(tái)因?yàn)橐粋€(gè)產(chǎn)品BUG導(dǎo)致用戶瘋狂搶購(gòu)造成的流量峰值,產(chǎn)品經(jīng)理發(fā)現(xiàn)實(shí)時(shí)數(shù)據(jù)異常后迅速下線該產(chǎn)品修復(fù)BUG,避免了損失擴(kuò)大。
廣義上所有的商業(yè)網(wǎng)站都是電商網(wǎng)站;因?yàn)槎夹枰脩艮D(zhuǎn)化、需要用戶變現(xiàn)。在我們的產(chǎn)品里面有很多地方需要做轉(zhuǎn)化分析:注冊(cè)轉(zhuǎn)化、購(gòu)買轉(zhuǎn)化、激活轉(zhuǎn)化等等。一般我們借助漏斗來衡量用戶的轉(zhuǎn)化過程。
影響轉(zhuǎn)化率的因素很多,我們總結(jié)了三個(gè)大的方面:渠道流量、用戶營(yíng)銷、網(wǎng)站/APP體驗(yàn)。以渠道流量為例,通過優(yōu)選渠道并且量化分配我們的投放資源,可以有效提升總體的轉(zhuǎn)化率。
留存,顧名思義是指用戶首次訪問你的網(wǎng)站/APP后多少天后回訪。留存是產(chǎn)品增長(zhǎng)的核心,用戶只有留下來,你的產(chǎn)品才能不斷增長(zhǎng)。一條留存曲線,如果產(chǎn)品經(jīng)理不做什么的話,那么影虎就慢慢流失了。
從產(chǎn)品設(shè)計(jì)的角度出發(fā),找到觸發(fā)留存的關(guān)鍵行為,幫助用戶盡快找到產(chǎn)品留存的關(guān)鍵節(jié)點(diǎn)。之前我們發(fā)現(xiàn)我們產(chǎn)品里面,使用過“新建”功能用戶的留存度非常高;于是我們做了產(chǎn)品改進(jìn),將“新建”按鈕置于首頁(yè)頂部刺激用戶使用,效果非常好。
硅谷流行的Magic Number(魔法數(shù)字)也是留存分析的一部分,比如Facebook發(fā)現(xiàn)”在第一周里加10個(gè)好友“的新用戶留存度非常高。作為產(chǎn)品經(jīng)理,我們也需要通過數(shù)據(jù)分析來不斷探索我們產(chǎn)品里面的魔法數(shù)字,不斷提高用戶留存度和活躍度。
用戶體驗(yàn),是一個(gè)非常抽象的概念,我們可以對(duì)其進(jìn)行形象化。目前一個(gè)普遍的方法就是對(duì)用戶的數(shù)據(jù)進(jìn)行可視化,以熱圖的形式呈現(xiàn)。
借助熱圖,產(chǎn)品經(jīng)理可以非常直觀了解用戶在產(chǎn)品上的點(diǎn)擊偏好,檢驗(yàn)我們的產(chǎn)品設(shè)計(jì)或者布局是否合理。
千人千面,產(chǎn)品經(jīng)理對(duì)用戶精細(xì)化的分析必不可少。不同區(qū)域、不同來源、不同平臺(tái)甚至不同手機(jī)型號(hào)的用戶,他們對(duì)產(chǎn)品的使用和感知都可能存在巨大的差異。產(chǎn)品經(jīng)理可以對(duì)不同屬性的用戶進(jìn)行分群,觀察不同群組用戶的行為差異,進(jìn)而優(yōu)化產(chǎn)品。
之前我們做過一次分析,網(wǎng)站的總體注冊(cè)轉(zhuǎn)化率是6%;但是使用Chrome瀏覽器的新用戶注冊(cè)轉(zhuǎn)化率高達(dá)12%,使用IE瀏覽器的新用戶注冊(cè)轉(zhuǎn)化率才1%。這樣一分的話,問題就很明顯了,極有可能是瀏覽器兼容性的問題,產(chǎn)品經(jīng)理應(yīng)該關(guān)注一下這個(gè)問題。
做好數(shù)據(jù)分析,不是一朝一日就可以的,需要在產(chǎn)品規(guī)劃設(shè)計(jì)、產(chǎn)品升級(jí)迭代中不斷實(shí)踐。下面的這些書籍對(duì)于產(chǎn)品經(jīng)理學(xué)習(xí)數(shù)據(jù)分析都有一定的幫助:
推薦1:范冰的《增長(zhǎng)黑客》
這是國(guó)內(nèi)對(duì)于增長(zhǎng)黑客的第一本詳細(xì)介紹,作者從AARRR的視角切入,描述了大量產(chǎn)品優(yōu)化、產(chǎn)品增長(zhǎng)的案例,對(duì)于產(chǎn)品經(jīng)理非常有益。
推薦2:埃里克·萊斯的《精益數(shù)據(jù)分析》
在這本書里面,作者介紹數(shù)據(jù)分析的相關(guān)指標(biāo)、不同行業(yè)的數(shù)據(jù)分析要點(diǎn),并且有大量的數(shù)據(jù)分析案例和翔實(shí)數(shù)據(jù)。如果想要把數(shù)據(jù)分析落地,這本書對(duì)產(chǎn)品經(jīng)理是非常有幫助的。
推薦3:GrowingIO的產(chǎn)品和分析師寫的《互聯(lián)網(wǎng)增長(zhǎng)第一本數(shù)據(jù)分析手冊(cè)》
這里面匯編了我們一年多來數(shù)據(jù)分析、產(chǎn)品優(yōu)化的實(shí)戰(zhàn)案例,里面不少文章被被大號(hào)轉(zhuǎn)過,例如《如何成為一個(gè)優(yōu)秀的數(shù)據(jù)產(chǎn)品經(jīng)理》等等。
下載電子版的分析手冊(cè),請(qǐng)參考這里。
推薦4:埃里克·萊斯的《精益創(chuàng)業(yè)》
作者提出了最小可行性產(chǎn)品(MVP)、小步快跑,快速迭代等產(chǎn)品設(shè)計(jì)和優(yōu)化的理念,影響深遠(yuǎn)。
數(shù)據(jù)分析是一門多學(xué)科、多領(lǐng)域的交叉學(xué)問,涉及到的東西非常多。產(chǎn)品經(jīng)理要想做好數(shù)據(jù)分析,應(yīng)該有一套完整的思維體系,在價(jià)值觀、方法論和工具三個(gè)層面上儲(chǔ)備相關(guān)知識(shí)。同時(shí)立足于產(chǎn)品和用戶,用數(shù)據(jù)來打磨產(chǎn)品,用數(shù)據(jù)來檢驗(yàn)迭代,不斷提升用戶體驗(yàn)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11