1. 首頁
  2. 產品運營

如何快速搭建數據運營分析體系?

如何快速搭建數據運營分析體系?

 

針對如何快速搭建數據分析體系這個問題,本文給出了四個搭建原則:明確要統計分析的業務功能、拆分衡量指標/提出分析假設、尋找對比數據、明確數據獲取渠道。

產品設計和優化基于數據而高于數據。數據是反映產品效果的一種有力輔助手段,因此,在設計產品、迭代功能前,最好都提前規劃好本次“更新換代”的數據統計分析體系,并在上線后不斷觀察,根據數據反饋指導進一步的產品優化。然而,面對繁雜的數據指標和功能流程,該如何快速而清晰搭建起合適的數據衡量體系,是一個很重要的問題。

無論是搭建一套完整的體系,還是單純用于衡量某個功能/優化的上線效果,一般而言,可以從下面四個步驟進行:

  1. 明確要統計分析的業務功能
  2. 拆分衡量指標/提出分析假設
  3. 尋找對比數據
  4. 明確數據獲取渠道

1. 明確要統計分析的業務功能

數據是產品效果的表達方式,在搭建數據體系前,必須先明確業務類型、明確驗證目標:

A. 業務區分上,不同的行業領域,其關注點是有很大差異的:

(1)互聯網金融領域,看重的是保有量非0的用戶數、用戶的資金保有量、申購量、用戶財富指數等;

(2)電商行業,看重的是產生購買行為的用戶數、用戶購買金額、購買頻次、復購周期等;

(3)社交類產品,看重的是用戶活躍程度,如日活躍時長、社區活躍度(評論、發帖)等。

B. 場景區分上,是功能優化迭代驗證效果?是差異化競爭的對比分析?是基于用戶場景的拉新、留存、促活?還是流失場景的挽留?

產品數據體系,一般而言可以分為數據統計、數據分析兩大類。

(1)數據統計更多與產品功能效果掛鉤,用于衡量某一個產品指標,如用戶數量、DAU、MAU、用戶購買金額等。

(2)數據分析則更多用于產品路徑流程剖析、問題發現、迭代指導、運營效果反饋等場景。

不同的業務、不同的目標,決定了我們要選取什么數據指標來衡量。

2. 拆分衡量指標/提出分析假設

明確了業務場景、統計/分析目標,下一步則是繼續拆分合適的衡量指標;對于數據分析需求來說,還需要在此之前提出分析的假設。以下舉例說明:

A. 分析某個產品功能的轉化率

轉化率一般可分為注冊轉化率、申購轉化率、場景用戶轉化率、入口轉化率等,亦即“用戶對某款產品路轉粉”的過程。

進一步拆分,轉化率鏈路上的關鍵數據,分別有:曝光UV→點擊UV→轉化用戶數,對應的則是“用戶看到→用戶感興趣并嘗試→用戶被轉化”的行為。

將轉化率放到場景中做分析,目標一般有兩種:

(1)看某個產品/運營流程的轉化效果,統計新用戶從接觸到最終被成功轉化的轉化率,多用漏斗模型來表現轉化率數據;

(2)對于多渠道多入口觸達的產品,或產品功能正在進行A/B test,需通過比較多渠道多入口的轉化率,對比每一個路徑的效果。

B. 通過用戶活躍度分析指導產品優化方向

活躍度指標可分為用戶登錄/訪問頻次、場景設置頻次、申購/購買頻次、互動頻次等,主要是看用戶在產品上的留存和活躍程度,比如用戶近30天內登錄過10次,用戶近90天內發生了30次申購行為。

有些產品/功能上線后,用戶抱著嘗鮮的態度被轉化,使用為數不多的幾次后即流失,即可明確下一階段工作重點是提升用戶的留存率。相反,有的產品用戶留存率很高,但深究發現用戶大部分處于不活躍狀態,即可明確下一階段的工作重點是用戶促活。

C. 監控用戶健康度

產品的健康度在某種意義上說跟活躍度有點交叉,有些廣義的概念可把活躍度包含于健康度內。

比如,ARPU值、用戶流動性、會員體系下的用戶升降級速度…都是衡量一款產品健康度的指標。

以會員體系下的用戶升降級速度為例:設計一套會員體系時,數據體系的搭建就必須有事前規劃測算、事中驗證跟蹤、事后調整這3個階段。事前的規劃測算一般需花費較大的時間和精力演算,因為一旦會員規則對外放開了,就不好輕易做調整。也因此,第3個階段的調整,最好是能避免則避免。

會員體系需要擬合升降級曲線,一般達到的效果就是升級先易后難,降級留有一定buffer值。升級太快降級太慢,有導致體系被擊穿、成本hold不住等風險,升級太慢降級太快,用戶不買賬沒粘性。升降級速度,體現的是該產品的健康程度。

D.?用戶流失節點分析

很多產品上線一段時間后,發現流失率越來越高,這個時候可關注用戶在整個鏈路上的流失節點:用戶主要是在哪一步開始流失的,用戶流失的集中時間點是在什么時候,從流失節點著手進行產品優化、適當的流失挽留堵漏等操作。

如互金平臺定投功能的使用,經過觀察和分析可能會發現,用戶在第一次扣款前后的流失率最高,且扣款高峰會伴隨著流失高峰,可能的原因有以下:

  • 扣款前:用戶設置時僅抱著嘗鮮的心態,在扣款(實際發生資金行為)前及時終止定投“止損”;或者對扣款行為的安全感不足。
  • 扣款后:對資金的安全和流動性存在擔憂;自身無法保證銀行卡資金在扣款日是充足的,因資金不足扣款失敗而放棄。

找到了可能的問題所在,即可對齊進行相應的用戶教育和引導,降低流失率。一個水缸多個孔,堵住其中1個或幾個,水流失的速度自然就慢了下來。

E. 通過假設潛在用戶畫像進行投放和驗證

產品對用戶做觸達的時候,總會選擇潛在目標用戶,以提高轉化率等各項指標。但何為“目標用戶”,用戶的年齡?用戶所在的地區?用戶的在線支付頻次?需要通過多次投放嘗試總結,可假設多個變量,通過調整潛在目標用戶的畫像進行用戶包提取觸達,比較多個投放渠道之間的數據差異,從而達到驗證的目的。

3. 尋找對比數據

沒有對比的效果指標評價,都是耍流氓。一款產品上線效果,產品經理要看到其中的利弊,并且找到合適的參照物來對比效果,才可以做出評價和結論。

舉個例子:一款社區類產品上線至今,總用戶數100萬,日均活躍用戶8萬人。

這個數據是好是壞?我們需要找到一個對比衡量的標準,對比競品,我們這個活躍用戶水平算是較高的?對比過去的日均活躍用戶5萬人,則很明顯有了提高。

因此,得到產品的上線效果數據后,需要找到對應的產品做標的,而這個標的,可以是競品、可以是歷史經驗數據沉淀、也可以是行業內默認的標準等。

4. 明確獲取數據渠道

規劃好了數據衡量體系,接下來即是產品上線前的數據埋點工作和上線后的數據獲取來源,有下面的一串口訣:轉化數據點擊流,用戶屬性渠道號,反饋抽樣用問卷,廣義普適第三方。

A. 轉化數據點擊流

在看用戶登錄訪問、購買等產品的路徑轉化數據時,常選擇用戶數為統計分析維度,這個時候,用相對簡單的點擊流埋點,一般可滿足需求;主要統計產品流程中,每一步操作的用戶數量,可形成漏斗模型。

B. 用戶屬性渠道號

在申購金額、購買數量和金額、評論互動等帶有用戶屬性的場景下,需要適當深挖,這個時候可以用渠道號等標記對用戶進行“打標”,方便跟蹤監控用戶的后續行為。

C. 反饋抽樣用問卷

有的時候,我們需要探究用戶行為原因,了解用戶的主觀操作意向,獲取用戶使用反饋時,通過上述的純客觀數據是難以得出合適的指導意見的,該情況下可以選擇問卷的方式進行;可以獲取足夠反饋問題的樣本數據。

D. 廣義普適第三方

有一些第三方數據平臺,如友盟、TalkingData、微信指數、百度指數等數據平臺,適用于監控大行業大領域數據。如通過微信指數,可知道某個詞匯的近期網絡搜索次數,環比增減情況,添加對比詞匯等。

方法論講完,是不是還有點似懂非懂?那就給大家舉一個案例:

對于luckin coffee來說,品牌定位更多在“職場咖啡”與“社交咖啡”上,因此,在獲客初始節點,進行了不同商圈的線下試點門店鋪設,通過各類優惠福利做app的推廣下載和刺激用戶分享獲客。該階段,如若進行數據分析,則首先需要明確分析目標:

  1. 線下不同商圈的試點效果
  2. 用戶對職場咖啡的訴求及預期
  3. app推廣效果/社交咖啡營銷裂變效果

針對上述3點,可進一步提出對應的分析假設并尋找、拆分衡量指標:

  1. IT白領辦公區域的門店效果優于市中心商圈;外帶門店銷售量高于堂食門店。
  2. 中午13:00~14:00和下午15:00~17:00是點單高峰;外賣訂單30~40分鐘內送達符合用戶心理預期,30分鐘內則可超出預期;職場白領更偏好美式,女生更偏好瑞納冰系列等。
  3. 社交分享推廣目標,如老用戶人均分享3次/周,人均轉化拉新3人/周,人均購買3杯/周,復購率在60%以上等。

針對上述分析假設,為更客觀進行數據比較,可將上述假設進一步抽象為數據衡量指標,例如:

  1. 用各商圈門店的日均銷售咖啡杯數、各品類咖啡(價格)銷售數量占比、外賣&堂食銷售數量占比來衡量各試點門店的銷售效果,輔助擴張鋪設/縮減投入的決策;
  2. 收集購買咖啡的用戶畫像屬性數據,匹配性別、年齡、購買時間段、品類愛好、客戶對外送單的反饋等,進而篩選出業務主打客群,完善飲品和服務細節;
  3. 通過數據埋點的方式,追蹤客戶的app UV/PV、咖啡購買杯數、優惠券鏈接分享次數、通過該分享鏈接點擊進入并注冊轉化的新用戶數量、用戶在注冊1周內二次下單的占比等數據;可得出對應app下單轉化率、分享率、分享點擊率、老拉新轉化數、復購率等可精準客觀對比的數據。

很多人都用luckin coffee來對標星巴克、連咖啡,將三者作為競爭對比。同理,如何衡量luckin coffee交出的這份答卷數據的好壞,則可通過對標星巴克、連咖啡相關業務的數據情況,如星巴克門店日銷售量、日銷售額,星巴克用星說禮品卡的銷售量、贈送量等,將兩者進行數據對比,進而得出結論。

按照數據體系搭建的四步法則,在產品上線前后提前做好產品數據的統計分析布局,驗證效果、功能優化不再無從下手!

 

作者:漏網之魚

來源:漏網之魚

本文由青瓜傳媒發布,不代表青瓜傳媒立場,轉載聯系作者并注明出處:http://thelinguateam.com/152710.html

聯系我們

18205969981

在線咨詢:

郵件:jay@opp2.com

工作日:9:30-18:30,節假日休息

QR code