想成為數(shù)據(jù)產(chǎn)品經(jīng)理,先掌握這些數(shù)據(jù)分析方法論
一個優(yōu)秀的數(shù)據(jù)產(chǎn)品經(jīng)理必須要具備各種技能, 要了解自己的用戶,明晰用戶的核心需求,而最重要的是一定要掌握數(shù)據(jù)分析技能、會用數(shù)據(jù)分析工具。讓我們通過文章來看看:有哪些實用的數(shù)據(jù)分析方法吧。
產(chǎn)品經(jīng)理的概念在不斷泛化。近些年來,隨著互聯(lián)網(wǎng)行業(yè)的發(fā)展,越來越多的企業(yè)意識到了大數(shù)據(jù)和精細化運營的重要性,為了更好地挖掘數(shù)據(jù)的價值,指導業(yè)務的優(yōu)化和發(fā)展,數(shù)據(jù)產(chǎn)品經(jīng)理應運而生,他們基于數(shù)據(jù)分析方法發(fā)現(xiàn)問題,并提煉關鍵要素,設計產(chǎn)品來實現(xiàn)商業(yè)價值。
雖為產(chǎn)品經(jīng)理,但要真正解決核心問題,不免要在前期和中期進行大量的數(shù)據(jù)分析工作,那么,實用的數(shù)據(jù)分析方法有哪些呢?
一、業(yè)務分析類
1.1?杜邦分析法
杜邦分析法目前主要用于財務領域,通過財務比率的關系來分析財務狀況,其核心要點是將一個大的問題拆分為更小粒度的指標,以此了解問題出在了哪兒,從而對癥下藥。
以電商行業(yè)為例,GMV(網(wǎng)站成交金額)是考核業(yè)績最直觀的指標,當GMV同比或環(huán)比出現(xiàn)下滑時候,需要找到影響GMV的因素并逐一拆解。
GMV下降如果是因下單用戶減少所造成的,那么是訪客數(shù)(流量)減少了,還是轉化率下降了呢?如果是訪客數(shù)減少了,那是因為自然流量減少了,還是因為營銷流量不足?
如果是自然流量下降的話,可能需要在用戶運營和產(chǎn)品運營端發(fā)力,如果是營銷流量不足,那么可以通過營銷活動或者站外引流的形式增加曝光量。
同樣,如果是轉化率的問題,那么需要對用戶進行細分,針對不同階段的用戶采取不同的運營策略,關于用戶的部分,這里不做贅述,有興趣的朋友可以關注后面的文章。
最后,如果是因為客單價不高,那么需要進行定價及促銷的方案優(yōu)化,比如識別具有GMV提升潛力的商品進行定價優(yōu)化,評估當前促銷的ROI,針對選品、力度和促銷形式進行優(yōu)化。同時通過關聯(lián)商品的推薦或商品套裝促銷的形式,激發(fā)用戶購買多件商品,也可以有效提高客單價。
1.2?同比熱力圖分析法
同比熱力圖分析法這個名稱是我自己造的,其實無非是把各個業(yè)務線的同比數(shù)據(jù)放到一起進行比較,這樣能更為直觀地了解各個業(yè)務的狀況。
構建一張同比熱力圖大致需要三步:
- 按照杜邦分析法將核心問題進行拆解,這里仍以電商為例,我們將GMV拆成了流量、轉化率、商品均價和人均購買量,即GMV=流量*轉化率*商品均價*人均購買量;
- 計算每個業(yè)務各項指標的同比數(shù)據(jù);
- 針對每一項指標,對比各業(yè)務的同比高低并設定顏色漸變的條件格式,以上圖中的轉化率同比為例,業(yè)務5轉化率同比最高,為深橙底色,業(yè)務3轉化率同比最低且為負值,因此設定為藍色底色加紅色字體。
通過同比熱力圖的分析,首先,可以通過縱向對比了解業(yè)務自身的同比趨勢,其次,可以通過橫向對比了解自身在同類業(yè)務中的位置,此外,還可以綜合分析GMV等核心指標變動的原因。
除了電商業(yè)務的分析以外,同比熱力圖同樣適用于互聯(lián)網(wǎng)產(chǎn)品數(shù)據(jù)指標的監(jiān)控及分析,該分析方法的關鍵點在于拆解核心指標,在本文后面的產(chǎn)品運營類方法中將會介紹相關指標的拆解方法。
1.3?類BCG矩陣
BCG矩陣大家都非常熟悉了,以市場占有率和增長率為軸,將坐標系劃分為四個象限,用于判斷各項業(yè)務所處的位置。
這里想講的并非傳統(tǒng)的BCG矩陣,而是BCG矩陣的變陣,或者叫類BCG矩陣。
根據(jù)不同的業(yè)務場景和業(yè)務需求,我們可以將任意兩個指標作為坐標軸,從而把各類業(yè)務或者用戶劃分為不同的類型。
比如可以以品牌GMV增長率和占有率構建坐標系,來分析各品牌的狀況,從而幫助業(yè)務方了解到哪些品牌是未來的明星品牌,可以重點發(fā)力,哪些品牌處于弱勢且增長匱乏,需要優(yōu)化品牌內的產(chǎn)品布局。
除此之外,我們還可以根據(jù)以下場景構建類BCG矩陣:
- 分析商品引流能力和轉化率:流量份額-轉化率
- 分析商品對毛利/GMV的貢獻:毛利率-銷售額
- 基于RFM分析用戶的價值:訪問頻率-消費金額
按照上述方法,大家可以根據(jù)需求大開腦洞,按照一定標準對研究對象進行分類分析。
二、用戶分析類
2.1 TGI指數(shù)
在分析用戶時,通常的做法是將目標用戶進行分類,然后對比各類用戶與總體之間的差異性,TGI指數(shù)提供了一個很好的方法,來反映各類用戶群體在特定研究范圍(如地理區(qū)域、人口統(tǒng)計、媒體偏好等)內的強勢或弱勢。
TGI指數(shù)=用戶分類中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例*100
比如在分析用戶的年齡段時,可以通過TGI指數(shù)對比各用戶分類與總體在各年齡段的差異,設用戶分類1中16-25歲的用戶占比為4%,而總體中16-25歲的用戶占比為8.3%,那么用戶分類1在16-25歲用戶中的TGI指數(shù)為4%/8.3%*100=48。依照這一方法,我們可以對各類用戶在各年齡段的TGI指數(shù)進行對比。
如上圖所示,各類目標用戶在16-25歲這個年齡段的占比都比總體?。═GI指數(shù)<100),其中分類1的用戶年齡偏大,因為該類用戶在36歲以上各個年齡段的TGI指數(shù)都明顯高于100,且同時高于其他三類用戶。
當前在互聯(lián)網(wǎng)領域,除了用戶實名數(shù)據(jù)以外,其他用戶的畫像維度一般都通過建立模型進行判斷,因此無法完全保證準確性,但不同于小樣本調研,大數(shù)據(jù)分析是能容忍一定數(shù)據(jù)誤差的,不過,這一切都要建立在對比的基礎上。
所以,在分析用戶畫像時,需要根據(jù)場景進行用戶分類,并對比各類用戶與總體間的差異,這樣才能保證分析結果的可信性和適用性,而TGI指數(shù)就是很好的對比指標。
2.2 LRFMC模型
RFM模型是客戶關系管理中最常用的模型,但這一模型還不夠完善,比如對于M(Money),即消費金額相等的兩個用戶而言,一個是注冊兩年的老用戶,一個是剛注冊的新用戶。對于企業(yè)來說,這兩個用戶的類型和價值就完全不同,因此我們需要更全面的模型。
LRFMC模型提供了一個更完整的視角,能更全面地了解一個用戶的特征,LRFMC各個維度的釋義如下:
- L(lifetime):代表從用戶第一次消費算起, 至今的時間,代表了與用戶建立關系的時間長度,也反映了用戶可能的活躍總時間。
- R(Recency):代表用戶最近一次消費至今的時間長度,反映了用戶當前的活躍狀態(tài)。
- F(Frequency):代表用戶在一定時間內的消費頻率,反映了用戶的忠誠度。
- M(Monetary):代表用戶在一定時間內的消費金額,反映了用戶的購買能力。
- C(CostRatio):代表用戶在一定時間內消費的折扣系數(shù),反映了用戶對促銷的偏好性。
以去哪兒的業(yè)務為例,通過LRFMC模型可以綜合分析用戶的習慣偏好和當前狀態(tài),從而指導精準營銷方案的實施。
- L(lifetime):用戶來多久了?
- R(Recency) :用戶最近是否有消費,如果來了很長時間都未消費,是否需要進行喚醒?
- F(Frequency) :用戶出行的頻率如何,如果是固定周期出行,是否應該進行復購提醒?
- M(Monetary) :用戶的消費金額是多少,是單價高(購買頭等艙),還是頻次高?
- C(CostRatio):用戶對折扣的偏好如何,是為用戶增加權益還是降價促銷?
三、產(chǎn)品運營類
產(chǎn)品運營是一個長期的過程,需要定期對產(chǎn)品的使用數(shù)據(jù)進行監(jiān)控,以便發(fā)現(xiàn)問題,從而確定運營的方向,同時也可以用于評估運營的效果。
產(chǎn)品運營的常用指標如下:
- 使用廣度:總用戶數(shù),月活;
- 使用深度:每人每天平均瀏覽次數(shù),平均訪問時長;
- 使用粘性:人均使用天數(shù);
- 綜合指標:月訪問時長=月活*人均使用天數(shù)*每人每天平均瀏覽次數(shù)*平均訪問時長。
產(chǎn)品所處階段不同,運營的側重點也會有所不同。在產(chǎn)品初期,核心的工作是拉新,應該更加關注產(chǎn)品的使用廣度,而產(chǎn)品的中后期,應該更加注重使用深度和使用粘性的提升。
對于不同的產(chǎn)品也需根據(jù)產(chǎn)品的性質來確定核心指標,比如,對于社交類產(chǎn)品,使用廣度和使用粘性至關重要,而對于一些中臺分析類產(chǎn)品,提升使用深度和使用粘性更有意義。
四、結語
在一款數(shù)據(jù)產(chǎn)品誕生前,應該是先有數(shù)據(jù),再有分析,然后才是產(chǎn)品,分析的廣度和深度直接決定了產(chǎn)品的定位和價值。
如果是做一款數(shù)據(jù)報表類的產(chǎn)品,那么需要了解核心指標,并建立綜合指標的評估體系。如果是做一款分析決策類產(chǎn)品,那么還需要基于業(yè)務需求,將現(xiàn)有數(shù)據(jù)指標進行解構再重構。
以上內容僅僅是提供了一些基礎工具和思考方向,數(shù)據(jù)產(chǎn)品經(jīng)理是一個新興的分支,目前還沒有成熟的學習體系,未來還需繼續(xù)深入淺出,和大家共同成長。
作者:Mr.墨嘰,公眾號:墨嘰說數(shù)據(jù)產(chǎn)品
本文由 @Mr.墨嘰 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉載
題圖來自 Unsplash ,基于 CC0 協(xié)議
大家期待已久的《數(shù)據(jù)產(chǎn)品經(jīng)理實戰(zhàn)訓練營》終于在起點學院(人人都是產(chǎn)品經(jīng)理旗下教育機構)上線啦!
本課程非常適合新手數(shù)據(jù)產(chǎn)品經(jīng)理,或者想要轉崗的產(chǎn)品經(jīng)理、數(shù)據(jù)分析師、研發(fā)、產(chǎn)品運營等人群。
課程會從基礎概念,到核心技能,再通過典型數(shù)據(jù)分析平臺的實戰(zhàn),幫助大家構建完整的知識體系,掌握數(shù)據(jù)產(chǎn)品經(jīng)理的基本功。
學完后你會掌握怎么建指標體系、指標字典,如何設計數(shù)據(jù)埋點、保證數(shù)據(jù)質量,規(guī)劃大數(shù)據(jù)分析平臺等實際工作技能~
現(xiàn)在就添加空空老師(微信id:anne012520),咨詢課程詳情并領取福利優(yōu)惠吧!
關注了作者的公眾號,寫的真的太棒了,希望作者成為高產(chǎn)小王子
謝謝關注,最近有些忙,產(chǎn)量太低,爭取近期出一篇
頂~
自然流量和營銷流量有什么區(qū)別?
其實是對流量進行了歸類,用戶自發(fā)通過搜索等途徑來的就是自然流量,通過廣告或活動頁等渠道過來的就屬于營銷流量。
謝謝!
TGI指數(shù)小代表什么
比如 游戲玩家中,女性占比30%,而總體人群中女性占比50%,那么游戲玩家在女性用戶中的TGI指數(shù)就會比較小
表示目標用戶群的某種特性低于平均水平,大小的尺度以100作為參考
4%/8.3%確定不是0.48?
哦,乘了100
哈哈,指數(shù)嘛,一般都乘100,不用百分比
不過確實寫錯了,應該加個乘以100
類BCG矩陣,怎么理解
就是用類似BCG矩陣的方法構建其他維度的坐標系
公眾號:墨嘰說 歡迎一起交流學習~
大哥,公眾號搜不到啊
sorry,全稱是:墨嘰說數(shù)據(jù)產(chǎn)品