23 views

在實際的業務中,產品人很少有機會經歷完整的數據體系搭建過程,本文將系統的介紹如何搭建一個完成的數據驅動模型。

在實際的業務中,大多數人可能只會遇到以下一種或幾種常見的場景,並且對於各個細分場景,所需要解決的問題和關注重點都是不一樣的。

場景一:你剛加入一個成熟產品的用戶增長部門,會發現業務當前有非常全面詳實的用戶和業務數據,但由於個人缺少數據分析的經驗,面對一堆數據,除了能簡要了解到產品基本情況,不知如何從數據中挖掘出更有價值的信息。

  • 待解決問題:面對大量數據,不知如何入手分析。
  • 所需的能力:各種可以從數據分析中找到增長線索的方法論。

場景二:你熟練掌握了基本的數據分析技能,能夠基於現有數據找到增長線索,你想針對某些關鍵指標的異常情況進行分析,但不知道哪些數據相關性高,如何將多維度的數據關聯分析。

  • 待解決問題:有明確的問題需求,但不知如何有效拆解數據問題。
  • 所需的能力:基於目標行為的拆解用戶路徑的方法。

場景三:拆解完用戶路徑后,發現目標的轉化路徑中有部分數據缺失,無法有效支撐你的分析。

  • 待解決問題:如何快捷有效的收集缺失的數據。
  • 所需的能力:制定數據採集方案。

場景四:需要的數據採集到位后,發現數據統計混亂,每次查詢和分析數據的效率成本都很高。

  • 待解決問題:數據如何高效可視化呈現,降低查詢使用的成本。
  • 所需的能力:創建數據儀錶盤。

診斷上述的工作場景,大多數增長人的工作順序可能是:數據分析→用戶路徑拆解→收集數據→搭建儀錶盤。

基於數據驅動用戶增長可以分為以下五個步驟:

對大多數增長從業者來講,最重要的是先掌握一套數據分析方法,從現有數據中快速找到增長線索,取得一些增長業績,再反過來檢查數據埋點、統計等地方有沒有問題。當掌握了數據分析方法,但所在的公司or負責的業務沒有基礎數據也無從下手,才需要思考如何拆解用戶路徑、數據採集。而數據儀錶盤,則是為了提高查詢效率,支持數據分析工作快速、準確開展。

一、分析數據:多維度數據分析

從數據分析中尋找增長機會,可分為「宏觀」和「微觀」兩個角度。

  • 宏觀:在基礎數據中,找到較大的增長機會。
  • 微觀:對比精細化的用戶數據進行分析,挖掘相對隱蔽的增長線索。

無論所在的公司是否有用戶的精細化數據,都可以通過從整體的角度進行數據分析,找到增長乏力點。然後再考慮要不要分析更精細的數據。

案例:某內容類APP產品

本節將會圍繞北極星指標和全鏈漏增長模型,通過一個案例(數據虛擬)展開關於宏觀數據分析的分享。

  • 北極星指標:指導增長工作方向最重要的指標,也可以理為業務現階段的唯一重要的指標。制定北極星指標時,需要在服務於業務的長期健康增長下,同時考慮商業目標和用戶價值。
  • 全鏈漏斗增長模型:是把影響北極星指標的主要細分指標梳理梳理出來,並標註轉化率。通過模型,可以將北極星指標細化拆解,從中找到增長的機會點。

案例場景:剛剛入職一家內容類APP,負責用戶增長,公司沒有完善的後台數據系統,無法通過詳細的用戶行為埋點數據,如何找到一些增長的線索。公司現有後台可提高的數據指標:下載量、註冊量、登錄量、平均閱讀時長、基本用戶信息。

第一步:構建全鏈漏斗增長模型

從轉化漏斗可發現:

  • 拉新轉化率較高:新用戶下載到註冊的轉化率為70%,新用戶下載轉化率不錯。
  • 老用戶活躍度低:當月活躍老用戶佔總註冊用戶數的10%,老用戶活躍較低。活躍用戶主要靠新用戶補充。
  • 用戶感知的產品價值較低:當月人均閱讀時長較低,遠低於行業均值。

第二步:分析歷史趨勢,觀察趨勢、異常點、拐點

從歷史數據中發現:

  • 拐點:2019年11月,下載到註冊完成的轉化率從71%開始大幅度下降,發送了什麼?
  • 趨勢:2019年10月,人均閱讀時長提高了一倍。因為那個時間段增加了內容社區版塊。

第三步:按獲客渠道分解

在了解了現狀和歷史數據情況后,可通過獲客渠道對數據進行維度分解。

  • 公眾號的新用戶下載轉化率一直維持在63%-71%左右。
  • 2019年11月份開始抖音廣告,轉化率僅有10%-15%,因此導致了總體轉化率下降。

第四步:了解用戶的基本屬性特徵,根據APP收集的用戶信息,畫出分佈餅圖

通過年齡、性別、城市、職業等發現:

  • 18-25,25-30的用戶佔比最大。
  • 職業:白領和大學生為主。

第五步:了解用戶的基本活躍度

發現:

  • 超過80%的活躍用戶每月登錄少於4次;
  • 但每月登錄4次以上的用戶,有接近80%的用戶為18-25歲的大學生用戶群體。

總結:

  • 新用戶下載到活躍的轉化率尚可。
  • 老用戶活躍度低。
  • 人均閱讀時長低於行業均值。
  • 公眾號轉化率遠高於抖音廣告。
  • 18-25歲的大學生用戶群活躍度較高。

通過增長線索的制定應用策略的兩個方向

在通過數據分析得到增長線索后,可以通過取長補短的方式來制定增長策略。

  • 取長:強化增長,在已經顯出成功信號的方向上,繼續加強。
  • 補短:修補漏洞,找到整個業務漏斗中流失問題最嚴重的環節,通過策略降低流失。

繼續針對上述案例,進行分析,假設發現:

(1)公眾號來源的新用戶質量高

對應策略:取長。增加公眾號的內容數量,提升公眾號的內容質量。

(2)大學生用戶活躍度高

對應策略:取長。進一步分析大學生的獲客渠道來源,通過用戶問卷了解大學生感興趣的內容和功能,加強對應的產品體驗。

(3)來自抖音廣告的新用戶轉化率低

對應策略:補短。找到漏斗轉化率低的原因,測試提升轉化率。

(4)老用戶活躍度和留存率低

對應策略:補短。進一步分析活躍和留存曲線,找到用戶流失最大的問題。

二、理解數據:梳理用戶行為路徑

梳理用戶路徑的意義:新項目開啟時,需要明確北極星指標和增長模型,之後還需要進一步加深對用戶和產品認知的顆粒度。需要快速結合產品功能、業務邏輯,梳理清楚用戶行為路徑,為後續的確立指標、數據埋點、數據分析奠定基礎。

梳理用戶行為路徑的方法

(1)梳理核心路徑:根據北極星指標,構建轉化漏斗。轉化漏斗一般為設定的用戶主路徑。

(2)細化核心路徑:將核心路徑中加入更多的漏斗步驟,理想形態是拆到不能再細化為止。

(3)加入其他重要路徑:梳理重要的產品功能和業務邏輯,描繪主漏斗之外的重要行為路徑,找到路徑之間的關係。

案例:某電商類APP

小編通過針對電商類的產品,簡要分享一下如何梳理用戶行為路徑。

第一步:梳理核心路徑

第二步:加入其他重要路徑

第三步:輸出用戶行為路徑圖

三、收集數據:制定埋點方案

制定數據採集方案是數據驅動用戶增長的第二步。沒有用戶行為數據,數據顆粒度不夠,也就難以發現業務指標變化背後的原因,從而難以發現增長線索。通過數據埋點追蹤用戶行為,可以用數據描述用戶在產品中的行為軌跡,也構成了指標儀錶盤和分析數據的基礎。

增長團隊經常面臨的問題:

  • 沒有詳細用戶行為數據,無法進行比較細緻的數據分析。
  • 做過用戶行為的埋點,但不準確,無法使用,不能滿足分析需求。

埋點的目的是追蹤所有的用戶關鍵行為。

確定埋點數據指標

常見的兩種需要數據埋點的情況:

  • 已有基本埋點,只需進行缺失的數據埋點。
  • 如從頭埋點採集用戶行為數據:分級分步,由主到次。

埋點需要記錄的信息:

行為本身(event):用戶做了什麼操作?

行為的屬性(property):

  • who:誰參與了這個行為(設備ID,用戶ID等)。
  • when:行為發生的時間。
  • where:行為發生的地點。
  • how:用戶參與這個行為的方式(設備型號,版本號等)。
  • what:根據行為類型,細化更多情況(商品名稱、價格、數量、query詞等)。

制定事件埋點方案

制定事件埋點方案是產品運營的基本技能之一,這裡小編就不做過多的分享了。

簡單總結幾點埋制定埋點方案是常見問題:

埋點的常見問題一:思路不清,事無巨細。

問題現象:什麼都想埋點,導致上線時間晚,且埋點過多對產品負擔較大,影響用戶體驗。

避免建議:

  • 從重點出發:如從北極星指標,增長模型和重要問題出發,規劃埋點計劃。
  • 從問題出發:帶著需要解決的問題和分析目標,通過數據解讀進行埋點規劃。

埋點的常見問題二:事件命名格式不統一

  • 問題現象:同一個事件,存在多個名字。因為版本迭代導致前後版本命名不同等。
  • 避免建議:統一規定事件結構和命名規範,做好文檔管理,定期更新。

埋點的常見問題三:錯過重要的事件或屬性

  • 問題現象:因為突發情況導致的某路徑或環節數據異常,但未針對這個路徑進行埋點。
  • 避免建議:埋點前,從問題出發:想清楚為了回答哪些問題,要追蹤哪些事件,事件需要哪些分支路徑和環節。發現錯漏后,逐漸補齊。

埋點方案常常分為前端(客戶端)埋點和後端(伺服器端)埋點兩類方向。

前端埋點:主要是記錄用戶端操作行為,如點擊事件,頁面打開事件等。

  • 埋點方法:通過客戶端代碼進行埋點。
  • 優點:真實記錄產品內用戶行為和路徑,不需要請求伺服器數據。
  • 缺點:不能記錄業務結果,網路載入慢時,可能導致數據不完整,更新埋點時需要進行版本更新,界面視覺交互修改時,可能需要更新對應埋點。

後端埋點:主要記錄用戶特徵變化及前端操作導致的業務結果,如付款成功,交易失敗等。

  • 埋點方法:通過從介面調用後端數據。
  • 優點:實時性好,產品界面改變不需更新埋點。能夠收集不在APP內發送的行為,記錄最終的結果,數據相對更準確。
  • 缺點:不能收集不需調用介面請求伺服器的數據。例如用戶的按鈕點擊事件。

埋點案例

小編在此通過一個攜程的登錄頁面埋點來簡要說明一下如何埋點。

因對登錄功能進行埋點,所以需要記錄如下信息:

行為(event):

  • 註冊流程各個節點的轉化率。
  • 第三方登錄流程各個節點的轉化率。
  • 驗證碼登錄流程各個節點的轉化率。
  • 密碼登錄流程各個節點的轉化率。
  • 密碼找迴流程各個節點的轉化率。
  • 用戶從登錄頁面直接退出的點擊次數

行為的屬性(property):

  • who:用戶設備ID,用戶ID,用戶使用的產品版本號,用戶手機號的國家號段(國內,國外)。
  • when:用戶操作各個流程的伺服器時間,用戶登錄成功的伺服器時間。
  • how:用戶登錄時的產品版本號。
  • what:根據行為類型,細化更多情況(商品名稱、價格、數量、query詞等)。

 

作者&公眾號:楊三季

Share
Go Top