產(chǎn)品經(jīng)理數(shù)據(jù)分析入門(四)- 分析方法
本文深入探討了數(shù)據(jù)分析的基礎(chǔ)思維和方法,引用古代兵法“知己知彼,百戰(zhàn)不殆”,強(qiáng)調(diào)通過對比、分類、平均和結(jié)構(gòu)思維來深入了解數(shù)據(jù)的重要性。文章介紹了杜邦分析法、矩陣分析法等基礎(chǔ)分析方法,并通過用戶行為分析等高級技巧,指導(dǎo)讀者如何在實際工作中運用這些技術(shù)。
一、基本數(shù)據(jù)分析思維
在介紹數(shù)據(jù)分析方法之前,來看一下常用的數(shù)據(jù)分析的基本思維。
1. 對比思維
一個孤立的沒有對比的指標(biāo)其作用是很有限的。只有通過不同指標(biāo)的對比,才能知道指標(biāo)好壞。
常見的對比方法有:
- 和外部對比:和同行、競品、行業(yè)平均數(shù)據(jù)對比。
- 和內(nèi)部對比:和內(nèi)部的其他分組、業(yè)務(wù)進(jìn)行對比。如新老用戶之間對比、不同渠道數(shù)據(jù)對比。
- 和預(yù)期對比:實際的數(shù)據(jù)指標(biāo)和預(yù)期的指標(biāo)對比。
- 不同時期對比:同一個指標(biāo)在不同時期的數(shù)據(jù)進(jìn)行對比。如同比、環(huán)比等。
- 事件前后對比:在關(guān)鍵事件前后指標(biāo)的對比,如活動前后、版本更新前后。
2. 分類思維
將數(shù)據(jù)分類進(jìn)行分析,能消除各個分類之間的相互影響。
假設(shè)將已流失的用戶和活躍用戶一起分析,將會極大拉低活躍用戶的數(shù)據(jù)。而分析結(jié)論也會顯得雜亂無章。
分類思維很常見,如用戶分類、渠道分類、市場分級等。
3. 平均思維
平均分析就是將一個整體的數(shù)據(jù)平均成一個一般化的指標(biāo)來進(jìn)行衡量。
平均數(shù)更直觀、更具體,且更容易使用。如人均付費、平均客單價等。
4. 結(jié)構(gòu)思維
結(jié)構(gòu)用于衡量部分占總體的比重關(guān)系,常用占比多少來進(jìn)行表示。
結(jié)構(gòu)數(shù)據(jù)能直觀反映出整體數(shù)據(jù)的各部分的構(gòu)成。如活躍率、付費率等指標(biāo)。
二、數(shù)據(jù)分析的基礎(chǔ)方法
1. 杜邦分析法
杜邦分析法是將核心數(shù)據(jù)一層一層向下拆分,將一個數(shù)據(jù)拆分成多個組成的部分。通過這個方法,可以找到影響數(shù)據(jù)的相關(guān)因素。
將影響因素逐個分析,就可以知道哪些因素影響了核心數(shù)據(jù)指標(biāo)。
2. 矩陣分析法
通過核心的指標(biāo),將數(shù)據(jù)劃分成多個矩陣區(qū)間,然后分析各自區(qū)間的數(shù)據(jù)。避免大而全面面俱到得分析。
RFM模型就是矩陣分析的一個重要的應(yīng)用。通過最近一次消費、消費頻率、消費金額三個維度,將客戶分成了重要發(fā)展客戶、重要價值客戶等8個區(qū)間。然后針對每個區(qū)間用戶的特點制定不同的運營策略。
3. 漏斗分析法
漏斗分析針對用戶的關(guān)鍵路徑從開始到結(jié)束,每個環(huán)節(jié)的轉(zhuǎn)化率進(jìn)行分析的方法。
漏斗分析能直觀的看出用戶在每個環(huán)節(jié)的流失或轉(zhuǎn)換情況,然后有針對性的進(jìn)行優(yōu)化。
4. 交叉分析法
交叉分析是將兩個維度的指標(biāo)放在一起,進(jìn)行對比分析。交叉分析能進(jìn)行多維度對比,使得數(shù)據(jù)更加清晰。
三、數(shù)據(jù)分析法
1. 用戶分析
用戶分析也稱用戶屬性分析,根據(jù)用戶的屬性,分析用戶的構(gòu)成。用戶分析有助于了解用戶構(gòu)成。
常見的用戶屬性有:
- 用戶自然屬性:性別、年齡、職業(yè)、住址等;
- 用戶狀態(tài)屬性:新用戶、活躍用戶、流失用戶、回訪用戶等;
- 用戶終端屬性:Android、iPhone、iPad、軟件版本等;
- 用戶行為屬性:注冊時間、打開次數(shù)、消費金額、發(fā)布內(nèi)容等。
2. 事件分析
所謂事件就是用戶在產(chǎn)品中的一次操作或行為。如登錄、瀏覽頁面、點擊元素等。事件分析就是分析用戶在產(chǎn)品中的操作和行為。
在事件分析中主要通過事件發(fā)生的次數(shù)和執(zhí)行事件的用戶數(shù)兩個指標(biāo)來分析。
1)事件發(fā)生次數(shù)
統(tǒng)計事件發(fā)生的次數(shù),不考慮執(zhí)行的人是否同一個。如一天內(nèi)發(fā)布了多少內(nèi)容、提交了多少訂單。
2)執(zhí)行事件的用戶數(shù)
統(tǒng)計執(zhí)行事件的用戶數(shù),多次執(zhí)行則被統(tǒng)計成一個用戶。如一天內(nèi)登錄系統(tǒng)的用戶數(shù)、參與互動的用戶數(shù)。
3. 漏斗分析
上文也提到漏斗分析是一種基礎(chǔ)的分析方法。漏斗分析主要用于分析一個多步驟的過程,在各個步驟的轉(zhuǎn)換或流失情況。用于衡量轉(zhuǎn)化效果,進(jìn)行轉(zhuǎn)化分析。
漏斗分析需要注意步驟次序和轉(zhuǎn)化周期兩個因素。
1)步驟次序
步驟次序序是指步驟的前后關(guān)系,根據(jù)具體的問題可以選擇是否考慮步驟的次序。
假設(shè)用戶完成一個過程需要A-B-C三個步驟。如果考慮步驟次序,那么用戶通過A-C-B完成這個過程,則不被當(dāng)成是一次轉(zhuǎn)化過程。如果不考慮步驟次序,則會被計算成一次成功的轉(zhuǎn)化。
2)轉(zhuǎn)化周期
轉(zhuǎn)化周期是指一個用戶完成一次轉(zhuǎn)化需要的時間。
我們知道用戶經(jīng)常不是連續(xù)完成整個過程的。用戶可在這次登錄先添加購物車,下次登錄再提交訂單,兩個步驟之間有時間間隔。
根據(jù)業(yè)務(wù)的不同,轉(zhuǎn)化周期可以設(shè)置成同一次登錄、一天、七天等。
轉(zhuǎn)化周期設(shè)置的長短直接影響到轉(zhuǎn)化率的計算,需要根據(jù)具體業(yè)務(wù)適當(dāng)選擇。
4. 路徑分析
路徑分析是分析用戶在一個過程可能存在的多個步驟中,最終的執(zhí)行過程。分析用戶通過哪些步驟最終到達(dá)目標(biāo)事件。
分析過程中,首先選取的若干個關(guān)鍵步驟進(jìn)行統(tǒng)計,然后分析用戶按什么順序執(zhí)行各個步驟的。
到達(dá)目標(biāo)的用戶可能很多,可以通過圖表將直觀的其羅列出來。
路徑分析過濾了沒有到達(dá)目標(biāo)的用戶,也就是說,用戶分析所分析的對象是已經(jīng)完成目標(biāo)事件的用戶。
路徑分析也需要考慮觀察周期的問題。因為路徑觀察的是用戶連續(xù)的操作步驟,所以一般情況下路徑分析的觀察周期相對較短,通常設(shè)置一次登錄過程或者若干小時以內(nèi)。
5. 留存分析
留存簡單來講就是用戶留下來繼續(xù)使用產(chǎn)品。留存分析主要分析用戶的參與度或活躍度。
1)初始事件和后續(xù)事件
用戶觸發(fā)了初始事件即可作為被觀察的初始用戶,然后在一定時期內(nèi),執(zhí)行了后續(xù)事件的用戶則被視為留存用戶。
我們?nèi)粘7治鲂掠脩袅舸娴臅r候,初始事件為用戶完成注冊,后續(xù)事件為重新登錄系統(tǒng)。但是,初始事件和后續(xù)行為并不一定是注冊和登錄。
如果將初始事件設(shè)置成第一天簽到,后續(xù)事件設(shè)置成后續(xù)的簽到行為,可以分析簽到活動的存留情況。如果將初始事件設(shè)置為完成一次內(nèi)容發(fā)布,后續(xù)事件設(shè)置成登錄系統(tǒng),則可以分析發(fā)布內(nèi)容對用戶留存的影響。
2)起始時間和時間間隔
起始時間是選取用戶數(shù)量的時間,后續(xù)的留存分析都以這個起始時間的用戶數(shù)量進(jìn)行對比。
間隔時間是觀察留存情況和起始時間的間隔。在間隔時間后執(zhí)行了后續(xù)事件的用戶則為留存用戶。
3)統(tǒng)計粒度
通常我們以天為統(tǒng)計單位,如次日留存率、三日留存率、30日留存率。但是根據(jù)產(chǎn)品形態(tài)的不同,統(tǒng)計的粒度也不盡相同,也可以以周、月等位單位。
例如購票類APP,因為其使用頻率較低,所以可以考慮以周或月為單位。
6. 分布分析
分布分析是將數(shù)據(jù)劃分成若干個區(qū)間段,然后分析觀察對象在各個區(qū)間段的分布情況。
例如,分析用戶的年齡段分布情況,文章的閱讀次數(shù)分布情況等。
分布分析還可以根據(jù)選定的對象的分布情況,分析所選取對象的共性特征。
例如分析什么樣的產(chǎn)品銷量更好,可以選定銷量好的產(chǎn)品,然后分析其分布情況。按價格區(qū)間分布、按品類分布,然后可以分析出哪些價格區(qū)間、哪些品類的產(chǎn)品銷量更好。
7. 熱力圖分析
通過將用戶在頁面上的操作繪制成熱力圖,可以看出用戶在頁面哪些地方停留或操作的次數(shù)較多。然后觀察熱力圖,用戶停留或操作的地方是否我們所期望的。
在移動端,主要分析用戶的點擊次數(shù)、頁面停留時間、頁面滾動情況等。在PC端,還能分析鼠標(biāo)的滑動軌跡、停留時間等。
8. 用戶行為分析
將用戶的每一步操作都記錄下來,然后單獨分析某一個用戶的行為。
相比于用戶路徑分析,用戶行為的分析是針對單一個用戶進(jìn)行分析。同時,其能記錄的步驟或行為更加詳盡,幾乎能跟蹤到用戶操作的每個步驟。
更多文章
產(chǎn)品要懂點數(shù)據(jù)分析(一)-數(shù)據(jù)采集和數(shù)據(jù)指標(biāo)
產(chǎn)品要懂點數(shù)據(jù)分析(二)-常用指標(biāo)
產(chǎn)品要懂點數(shù)據(jù)分析(三)- 分析過程
產(chǎn)品要懂點數(shù)據(jù)分析(四)- 分析方法
本文由 @林海舟 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(zhuǎn)載
題圖來自 Unsplash,基于 CC0 協(xié)議
該文觀點僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。
- 目前還沒評論,等你發(fā)揮!