杏鑫注册登录_一个公式,5大指标帮你构建产品经理数据分析思维!

   |    2020年10月30日  |   杏鑫官网  |    0 条评论  |    189

问题:
产品对于数据分析能力方面的提升,有什么具体建议及好的学习资源(电商方面),跪求大神干货!
回答一:
顾先森,淘米 产品经理
 
1. 了解业务,熟悉数据框架、体系
 
了解你的业务是做什么的,业务的发展规划有什么,衡量的核心指标有哪些,列出KPI或是核心指标,一般重点指标就那么几个;然后对几个核心指标进行拆解,这点也需要根据你的业务属性进行,你的业务凡是会影响到这个指标的有哪几个元素。
 
拆分的好处是你能对一个具体的指标很清晰它是怎么组成的,好像庖丁解牛,当然这个过程可以不断拆分下去,加上一些公共属性,例如时间、用户性别、用户年龄、用户职业等公共的纬度进去细切。
 
2. 对现有数据指标进行思考;多维度集中分析找规律
 
在熟悉产品需要关注的指标、框架之后,了解现有每个指标的运营现状,如果有同行业指标对比更好,看是否有提高的空间。或者是,希望通过某个运营的动作,提高哪一个指标,提高到多少;通过一系列的比较精准命中,预估运营能够提升指标到一个什么水准。
 
另 外有一个精准模型的好处是了解你的核心用户后,你可以单独针对这部分用户进行产品用研与需求挖掘,更利于你内心确定哪些指标是可以通过什么手段提升的;同 时找规律,对于拆解出来的指标,想办法做一些分析,这里的分析个人觉得并不一定需要很复杂的手段,更重要的是一种感觉和意识。
 
 3. 规律验证,经验总结
 
找 到规律了,内心明白了,下一次做事情心里会更透亮一些,对产品的理解又会更深一些。很多事情,就是这样一点点去熟悉,去深入慢慢产生亲切感的。数据是让你 和你的产品心灵贴近的一个话题而已,更高级更深入人心的数据沟通,不妨还是交给专业的数据处理人员吧,就好像不是人人都是心理咨询师一样。
 
 总之,对于PM而言,个人觉得数据是一种意识,而非技术,是一种方法总结,而非理论科学,关注数据是个优点。 每个产品经理在产品设计前就需要明白一个最简单的公式:
 
产品价值=产品带来的收益-设计研发运营成本>0
 
例 如积分类的产品,如果使用了积分产品后净增的销售额*利率-积分充抵的商品价值(运营成本)-设计研发成本>0,如果用户会长期使用积分,设计研发 成本可以忽略,其它数据可以比较容易拿到。再如页面改版类产品,改版带来忠实用户数*每忠实用户价值-新页面的设计研发运营成本>0,说明改版是成 功的。
 
产品经理只要把握好这个基本公式,其它深入的数据分析交给更专业的人员去做吧,产品经理的主要精力还是放在用户需求分析层面。
 
(以上回答略删减,想看详细举例版本请戳阅读原文)
 
回答二:mrjesse 电商 产品经理
 
楼上已经说的很详细了,我来补充下:
 
作为一个电商产品经理,毕竟不是专业数据产品经理,我们不需要了解的太深,只需要关注最核心的一些内容,在明确数据分析之前,首先我们要明确电商产品的数据分析几大业务指标:
 
一. 用户角度
 
1、总活跃用户数、新注册用户数、总PV;
 
2、一定时间的活跃用户数、新注册用户数、总PV;
 
3、一定时间的转换关系;
 
4、不同渠道下,注册转换情况;
 
5、不同注册渠道下,注册用户的后续留存率;
 
6、一定时间有购买行为的用户的重复购买的分布情况
 
二. 订单角度
 
1、今日的订单总数、销售额、订单单价、有订单用户数、补贴比例;
 
2、过去一周每天的订单总数、销售额、订单单价、有订单用户数、补贴比例;
 
3、过去一周每天的订单平均送达时间;
 
三. 商品角度
 
1、按照商品分组,今日每个商品的浏览数、购买用户数、订单数、销售额;
 
2、按照商品分组,过去一周每天每个商品的浏览数、购买用户数、订单数、销售额;
 
四. 品类角度
 
1、按照商品品类分组,今日每个品类的浏览数、购买用户数、订单数、销售额、订单单价;
 
2、按照商品品类分组,过去一周每天每个品类的浏览数、购买用户数、订单数、销售额、订单单价;
 
五. 店铺角度
 
1、按照店铺分组,今日每个店铺的浏览数、购买用户数、订单数、销售额、订单单价;
 
2、按照店铺分组,过去一周每个店铺的浏览数、购买用户数、订单数、销售额、订单单价;
 
在基于以上指标进行数据的统计,我们再进行数据分析:
 
首先数据分析建模,我们知道电商类产品模型一般以事件(点击,浏览等)用户属性进行建模。然后我们进行正式的数据分析:
 
方法一:多维度数据分析
 
我们需要定义一些事件,如取消订单,提交订单,支付订单,浏览商品,加入购物车等等。
 
然后基于这些事件,我们需要一个指标,比如说次数,总和。
 
可是我们知道光有个数据罗盘还不够,我们需要对数据进行细分,这里我们做了事件,指标。所以还需要筛选用户的属性了,比如说城市,用的设备,支付方式,来源渠道。
 
这个方法,我们常用于用户画像,用户行为分析,数据异常排查分析等。
 
方法二:转换率数据分析
 
我们进行一场活动,我们需要进行评估,这二天注册了多少人,订单转换率是多少,支付率是多少,我们就需要一个分析方法了。
 
从我刚讲的我们基于事件分析,所以我们就可以定义一个事件,筛选时间,先定义事件(注册),再次定义事件(提交订单),在次定义事件(支付订单),我们可以得到一个转换率。
 
这个方法,我们常用于转换率分析,也称漏斗分析。
 
方法三:留存数据分析
 
留存分析正如字面意思留存,我们需要对一段时间的用户就像数据分析,比如说我们搞了一个活动,我们需要看那段时间的注册用户,提交订单的情况,第一有多少提交,第二天有多少人提交,第三天有多少人提交等。
 
数据分析一般为,我们还是根据我们的数据模型,首先定义一个事件(如注册用户),在次定义一个事件(如提交订单)得到一定事件的比列。
 
这个方法,我们常用于观测一定事件的留存情况。
 
方法四:活跃或回访数据分析
 
我们知道,我们定义了用户的行为数据分析了,可是我们需要看一段时间的,一个事件的使用次数,或者某个地方的用户使用情况,那我们怎么办呢。这里就是我所说的活跃数据分析情况了,
 
我们首先需要定义一个事件(如注册用户),在定义一个事件(如提交订单)的情况(这里一般为次天数),然后我们筛选用户的事件为什么,得到一个数据。
 
这个方法,我们常用于调查用户使用情况,也是衡量一个用户活跃的关键数据分析指标。
 
说了这么多,我们这些能干嘛呢
 
1、数据异常排查,细分逐一查看
 
2、关键页面的转换率提升
 
3、活动的情况评估,渠道数据分析评估

ASO优化服务点击链接:ASO优化服务介绍

IOS加速审核点击链接:http://www.opp2.com/8854.html

噢!评论已关闭。