产品数据分析 产品数据分析(一):怎样解读出深层次信息?

当前位置:首页 > 军事

产品数据分析 产品数据分析(一):怎样解读出深层次信息?

发布时间:2020-12-24 20:54:20

本文将告诉您如何从产品数据中解读比描述当前情况更深层的信息。

一、数据分析水平

产品的数据分析经常遇到这样的问题:只有数据,没有分析。描述一下数据,告诉你产品怎么了。

比如第二天的留存率只有5%,很低。可见这个功能的用户粘性并不好。

然后呢往往,没有未来。

为什么不同的人可以用相同的数据看到不同的内容?专家如何通过数据发现产品中的问题?

本文将告诉您如何从产品数据中解读比描述当前情况更深层的信息。

数据分析过程中有四个层次的问题需要解决。

一楼,怎么回事?如果保留率降低,用户粘性降低。初步分析基本到此结束。

二楼,为什么?这个答案应该在用户层面实现,这是第一步的延伸。是用户找不到想要的功能,还是功能没有达到用户的预期?通过数据分析,基本分析到这个水平。

第三层,继续问为什么?这个问题的答案应该在产品层面实现,也就是我们产品的哪些内容导致了用户的二级问题。优秀的数据分析可以分析到这种程度。

四楼,怎么办?未来如何改进产品?高级数据分析到此结束。

以这种思维方式作为整个分析的核心思路,在掌握各种数据技巧、优化图表等的同时,不容易走弯路,更快更好的发现产品问题。都是为了最终发现和解决问题,所以这种思维水平是数据分析的核心。

我们主要讨论本文的前两个步骤:发生了什么,为什么会发生(用户级)。

第二,从数据中发现问题

下面就要说明如何从数据中发现问题。发现问题才能继续分析。应该注意的是,这里的问题不仅仅是指数据的不足,而是指数据的异常,过高和过低都是异常。

先解决第一个层面的问题,发生了什么。

最简单的方法就是看单一指标来发现问题。比如一个产品或功能的留存率很低,就可以断定页面的用户粘性很差。这个结论解决了“发生了什么”的问题。刚开始做数据分析,往往止步于这个深度。

至于为什么差,留存率本身无法告诉我们。

其他的例子,比如停留时间短,说明用户可能对页面不感兴趣,我们无法知道他们为什么不感兴趣。

要达到这个层次,你只需要理解每一个数据的含义,有一个基本的业务理解。

如果想分析的更深入,通常需要一起看多个指标。

比如刚才,对于一个粘性差的产品,是页面信息没有吸引力,还是页面设计太混乱,还是入口位置太深?有了这些猜想,我们就可以通过结合不同的维度来发现问题。从而解决了“为什么会发生”的问题。

举几个例子。

这是一个二维数据矩阵,模拟几个虚拟产品。点击率是指进入产品/功能后每个按钮的点击率,保留率是指产品/功能的整体保留率。

二维数据可以获得的信息比一维数据丰富得多。我们可以通过两个数据来模拟一个小用户的真实使用场景。

比如右下角点击率低、留存率高的功能或产品,往往是经过多次迭代优化的版本。如果不是,因为这个页面的点击率低,我们不知道用户的真实行为,也很难从数据中知道用户的真实需求在哪里,所以也就谈不上后面的迭代了。

我们来看看右上角,点击率高,留存率高。这种产品看起来很不错,但是前面说了,我们不仅是在找数据的不足,也在找异常。这种高点击率高保留率是有问题的,问题是点击率高。

让我们恢复用户的使用场景。如果一个用户每天都来使用这个产品(高保留率),并且每天都点击这个按钮(高点击率),那么这个按钮里面的内容可以直接取出来吗(保存点击动作,直接使用)?

我们来看看左上角,点击率高,留存率低。用户点击量很高,说明用户在找东西?留存率低是因为没找到吗?

矩阵中的其他问题可以自己考虑。我在图上写了自己的猜测,但是这些猜测不一定适合所有的产品。这个图只是希望传播你的思维,让你发展这种思维方式。

维度的组合有很多种,可以尝试不同的维度组合来识别问题。例如,点击率分散和保留率的维度组合。

点击率的分散度是一种主观感受,但有时也能反映出一些问题。

我们以左下角的低保留率和分散点击率为例。这种情况下,每个功能用户都愿意点击,但是保留率不高。模拟用户的使用场景,用户点击后会发现自己解决不了自己的需求吗?当然这需要结合实际的产品形态,结合你自己产品页面的特点,来模拟用户的实际使用过程,你应该可以得到一系列的猜想。

比如左上角点击率集中,留存率低。在这种情况下,让我们想象一下,用户进入页面后,直接进入一个功能,其他功能并不太在意,但是使用这个功能后,用户就不再来这个页面了。什么原因?你是不是用了那个功能,却让他失望了,没有解决他的问题?有了这个猜想,我们重点分析点击率集中的功能,就可以猜测用户想要做什么。

这里不介绍不同维度的矩阵,只是希望大家能掌握通过数据发现问题的方法。读者可以将不同类型的数据组合成一个矩阵,并分析不同数据组合的含义。为了增强从数据中解读信息的能力。

通过结合数据发现问题,可以轻松突破描述数据的阶段,进入数据分析的及格线。

欢迎订阅我的专栏,我会继续讨论最后两个层面的分析。

这篇文章最初是@Jason发表的,大家都是产品经理。未经允许,禁止复制

标题图来自Pexels,基于CC0协议

欢迎分享转载 →产品数据分析 产品数据分析(一):怎样解读出深层次信息?

Copyright © 2002-2020 鲁旭娱乐网 版权所有 备案号:粤ICP备14025430号-1

收藏本站 - 网站地图 - 关于我们 - 网站公告 - 广告服务