從數據底層邏輯看產品數據體系搭建

3 評論 8618 瀏覽 93 收藏 9 分鐘

關于互聯(lián)網產品數據分析的文章和書籍,各大社區(qū)可以說發(fā)文已經數不勝數。本篇文章不會在基礎性的DAU、ARPU等等基礎性詞匯上做深究,而是在為什么需要這些數據,以及如何設計這些數據指標上做深入探討,旨在解構數據指標設計的底層邏輯,在創(chuàng)新不窮的互聯(lián)網領域,方便大家能夠更加自定義地為自己的產品創(chuàng)造和制定數據指標。

數據指標的依附,仍然在產品本身的層面上。交付你一份產品,并需要你為之設計需要追蹤的數據指標的時候,假設你對基礎指標一無所知,那么你的思考思路應該是怎樣的?

這里先交代解構數據的基本知識和方法。一般來說,事物的基本解構方法包括: 要素、屬性和行為。

  1. 要素:要素就是構成事物的組成部分。一件事情由人和事兩個要素組成;一支筆由各個零部件組成;一個訂單由產品、數量、定價、交期、品質說明、付款方式等部分組成。這些都是事物的構成要素;
  2. 屬性:屬性是事物自身的特征或者特性,也包括各種要素的特征或者特性,這些特征或者特性包括顏色、硬度、強度、導電性、隔熱性、靈活性、可燃性、阻燃性等;
  3. 行為:因為事物的構成要素和其所具有的屬性,所以事物會具有行為上的特征。而一個產品當中所含有的業(yè)務流程,就是這個產品的行為特征。

那么我們接下來會按照如上的三個基本概念去建構一整套的產品數據體系,建構利用的概念的順序依次為行為、屬性、要素。

指標基建

第一步:在進入數據之前,需要首先解構產品/服務的核心流程

假設我們要為一套電商平臺搭建數據指標體系。那么核心流程圖應該繪制如下:

圖示:核心流程圖

這里可以更加細化地產出對應的場景描述,用戶體驗地圖,服務藍圖,為了簡化概念,這里暫時用核心流程圖來示范。

第二步:根據第一步的梳理,我們接下來創(chuàng)造【流程轉化性】指標

轉化指標(應用的是<行為>概念):

買家端核心流程指標:

  • 訪問->注冊完成轉化率
  • 訪問->登錄完成轉化率
  • 商品詳情頁瀏覽->下單轉化率
  • 商品詳情頁瀏覽->客服咨詢轉化率
  • 商品詳情頁瀏覽->收藏轉化率
  • 商品下單->支付轉化率
  • 商品支付->賣家發(fā)貨轉化率
  • 賣家發(fā)貨->確認收貨轉化率
  • 下單->退貨轉化率

賣家端核心流程指標:

  • 賣家入駐轉化率(注冊->通過審核正式簽署協(xié)議入駐)
  • 賣家入駐->賣家上架商品轉化率

第三步:根據第一和第二步的梳理,我們再接下來創(chuàng)造【流程節(jié)點屬性】指標

節(jié)點屬性指標(應用的是<屬性>概念)

買家端核心節(jié)點指標:

訪問/注冊/登錄節(jié)點相關:瀏覽量(訪客量),即PV、訪客數,即UV

下單 & 支付節(jié)點相關:

  • 訂單金額、訂單數量、訂單用戶數、有效訂單、無效訂單
  • 成交金額、成交數量、成交用戶數
  • 客單價、件單價

退貨節(jié)點相關:退貨金額、退貨數量、退貨用戶數、金額退貨率、數量退貨率、訂單退貨率

賣家端核心節(jié)點指標:

  • 貨物入庫節(jié)點相關:庫存金額、庫存數量、庫存天數、庫存周轉率、售罄率
  • 發(fā)貨節(jié)點相關:送貨金額、送貨數量、訂單滿足率、訂單響應時長、平均送貨時間

指標擴展

那么第二、第三個層面的數據梳理,基礎的核心數據框架已經出來,在產品/服務不斷成長的過程中,我們應該如何進一步深化一整套的數據體系?

這時候就需要應用<要素>概念,解構與建構:

首先,往上建構

由于這一套核心流程仍然要往企業(yè)、行業(yè)這一層面上服務的,所以這時候一定要及時跳出,Zoom Out,【全局維度】,從企業(yè)和行業(yè)的角度看全盤的數據(如圖所示):

包括財務數據,關心企業(yè)的三表,包括利潤表、資產負債表、現(xiàn)金流量表(雖然這一部分數據屬于企業(yè)核心數據,非高管很難拿到,但是可以關心的時候還是盡量關心一下,如果公司是上市公司的話可以去公司財報中尋找)

再往上升,還有行業(yè)分析,產業(yè)鏈表現(xiàn),通過一些市面上專業(yè)的行業(yè)數據分析公司出具的報告可以拿到全行業(yè)的競爭數據。

圖示:從核心流程指標出發(fā),Zoom Out俯視全局

再次,往下解構

Zoom In,在每一個核心流程節(jié)點之間與節(jié)點上看【深化數據】:

將原有的流程節(jié)點進一步深入結構,分解出更多的【轉化性質】和【屬性性質】的分解指標,方便對單個節(jié)點的數據進行進一步的優(yōu)化,創(chuàng)造價值,為未來的發(fā)展指點迷津。

例如轉化率層面,商品下單->賣家發(fā)貨上,

可以進一步細化轉化分支路徑,細化數據追蹤(如圖示),兩步可以進一步拆解出額外的4小步(瀏覽確認付款彈窗、點擊立即付款、身份驗證、瀏覽支付成功頁)出來形成6步轉化節(jié)點進行數據分析,用于后續(xù)產品優(yōu)化。

圖示:流程轉化2節(jié)點之間可以進一步細化

第三,向左向右建構

Zoom Aside,【另起維度】:是在不同于原有的流程節(jié)點上挖掘更多的流程分支,挖掘場景,例如可以在用戶生命周期的流程上繼續(xù)深挖指標,比如:

注冊會員數、活躍會員數、活躍會員比率、會員復購率、平均購買次數、會員回購率、會員留存率、會員流失率等等

這樣呢,重點的全盤數據追蹤框架算是基本完成。

結語

本篇分享更加側重數據體系背后的搭建思維和方法論,在很多細節(jié)上沒有做大量滲透,希望讀者朋友們可以多多體會背后的搭建體系的思維而非表層的數據指標,因為只有掌握了思維,才能運用到實戰(zhàn)中去對不同行業(yè)的產品進行數據指標搭建。

另外,筆者希望說的是,好的數據體系也是一步一步演化出來的,尤其是新興產業(yè)。從一開始就搭建起龐大的數據體系,唯一的方法只有在成熟產業(yè)中向成熟大型企業(yè)直接參考,而這些大型企業(yè)的數據體系也是一步一步發(fā)展出來的,對待數據,希望大家也能有發(fā)展思維去看待;那么今天的分享就到這兒了,感謝大家的閱讀!

 

本文由 @菠蘿飯 原創(chuàng)發(fā)布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協(xié)議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 謝謝!

    回復
  2. 寫得很好,感謝

    來自廣東 回復
  3. 干貨還錯,但是

    來自北京 回復