產(chǎn)品經(jīng)理數據分析方法

產(chǎn)品經(jīng)理數據分析方法

　　作為產(chǎn)品經(jīng)理，你對用戶(hù)的需求了解多少呢？你知道用戶(hù)想要什么樣的產(chǎn)品嗎？下面是小編整理的產(chǎn)品經(jīng)理數據分析方法，歡迎查看，希望幫助到大家。

　　產(chǎn)品經(jīng)理數據分析方法

　�。ㄒ唬﹥韧庖蛩胤纸夥�

　　內外因素分解法是把問(wèn)題拆成四部分，包括內部因素、外部因素、可控和不可控，然后再一步步解決每一個(gè)問(wèn)題。

　　根據內外因素分解法分析如下：

　　1、 內部可控因素

　　產(chǎn)品近期上線(xiàn)更新、市場(chǎng)投放渠道變化、產(chǎn)品粘性、新老用戶(hù)留存問(wèn)題、核心目標的轉化；

　　2、 外部可控因素

　　市場(chǎng)競爭對手近期行為、用戶(hù)使用習慣的變化、招聘需求隨時(shí)間的變化；

　　3、 內部不可控因素

　　產(chǎn)品策略（移動(dòng)端/PC端）、公司整體戰略、公司客戶(hù)群定位（比如只做醫療行業(yè)招聘）；

　　4、 外部不可控因素

　　互聯(lián)網(wǎng)招聘行業(yè)趨勢、整體經(jīng)濟形勢、季節性變化；

　�。ǘ�）DOSS法

　　DOSS 是從一個(gè)具體問(wèn)題拆分到整體影響，從單一的解決方案找到一個(gè)規�；�解決方案的方式。

　　按 DOSS 的思路分解如下：

　　1、 具體問(wèn)題

　　預測是否有可能幫助某一群組客戶(hù)購買(mǎi)課程。

　　2、 整體

　　首先根據這類(lèi)人群的免費課程的使用情況進(jìn)行數據分析，之后進(jìn)行延伸，比如對整體的影響，除了計算機類(lèi)，對其他類(lèi)型的課程都進(jìn)行關(guān)注。

　　3、 單一回答

　　針對該群用戶(hù)進(jìn)行建模，監控該模型對于最終轉化的影響。

　　4、 規�；�

　　之后推出規�；�的解決方案，對符合某種行為軌跡和特征的行為進(jìn)行建模，將課程推薦模型加入到產(chǎn)品設計中。

　�。ㄈ�）數據分析的應用手段

　　根據基本分析思路，常見(jiàn)的有 7 種數據分析的手段。

　　1、畫(huà)像分群

　　畫(huà)像分群是聚合符合某中特定行為的用戶(hù)，進(jìn)行特定的優(yōu)化和分析。

　　比如在考慮注冊轉化率的時(shí)候，需要區分移動(dòng)端和 Web 端，以及美國用戶(hù)和中國用戶(hù)等不同場(chǎng)景。這樣可以在渠道策略和運營(yíng)策略上，有針對性地進(jìn)行優(yōu)化。

　　2、趨勢維度

　　建立趨勢圖表可以迅速了解市場(chǎng)， 用戶(hù)或產(chǎn)品特征的基本表現，便于進(jìn)行迅速迭代；還可以把指標根據不同維度進(jìn)行切分，定位優(yōu)化點(diǎn)，有助于決策的實(shí)時(shí)性；

　　3、漏斗洞察

　　通過(guò)漏斗分析可以從先到后的順序還原某一用戶(hù)的路徑，分析每一個(gè)轉化節點(diǎn)的轉化數據；

　　所有互聯(lián)網(wǎng)產(chǎn)品、數據分析都離不開(kāi)漏斗，無(wú)論是注冊轉化漏斗，還是電商下單的漏斗，需要關(guān)注的有兩點(diǎn)。第一是關(guān)注哪一步流失最多，第二是關(guān)注流失的人都有哪些行為。

　　關(guān)注注冊流程的每一個(gè)步驟，可以有效定位高損耗節點(diǎn)。

　　4、行為軌跡

　　行為軌跡是進(jìn)行全量用戶(hù)行為的還原。只看 PV、UV 這類(lèi)數據，無(wú)法全面理解用戶(hù)如何使用你的產(chǎn)品。了解用戶(hù)的行為軌跡，有助于運營(yíng)團隊關(guān)注具體的用戶(hù)體驗，發(fā)現具體問(wèn)題，根據用戶(hù)使用習慣設計產(chǎn)品，投放內容；

　　5、留存分析

　　留存是了解行為或行為組與回訪(fǎng)之間的關(guān)聯(lián)，留存老用戶(hù)的成本要遠遠低于獲取新用戶(hù)，所以分析中的留存是非常重要的指標之一；

　　除了需要關(guān)注整體用戶(hù)的留存情況之外，市場(chǎng)團隊可以關(guān)注各個(gè)渠道獲取用戶(hù)的留存度，或各類(lèi)內容吸引來(lái)的注冊用戶(hù)回訪(fǎng)率，產(chǎn)品團隊關(guān)注每一個(gè)新功能對于用戶(hù)的回訪(fǎng)的影響等。

　　6、A/B 測試

　　A/B 測試是對比不同產(chǎn)品設計/算法對結果的影響。

　　產(chǎn)品在上線(xiàn)過(guò)程中經(jīng)常會(huì )使用 A/B 測試來(lái)測試產(chǎn)品效果，市場(chǎng)可以通過(guò) A/B 測試來(lái)完成不同創(chuàng )意的測試。

　　要進(jìn)行 A/B 測試有兩個(gè)必備因素：有足夠的時(shí)間進(jìn)行測試和數據量和數據密度較高。

　　因為當產(chǎn)品流量不夠大的時(shí)候，做 A/B 測試得到統計結果是很難的。而像 LinkedIn 這樣體量的公司，每天可以同時(shí)進(jìn)行上千個(gè) A/B 測試。所以 A/B 測試往往公司數據規模較大時(shí)使用會(huì )更加精準，更快得到統計的結果。

　　7、優(yōu)化建模

　　當一個(gè)商業(yè)目標與多種行為、畫(huà)像等信息有關(guān)聯(lián)性時(shí)，我們通常會(huì )使用數據挖掘的手段進(jìn)行建模，預測該商業(yè)結果的產(chǎn)生；例如：作為一家 SaaS 企業(yè)，當我們需要預測判斷客戶(hù)的付費意愿時(shí)，可以通過(guò)用戶(hù)的行為數據，公司信息，用戶(hù)畫(huà)像等數據建立付費溫度模型。用更科學(xué)的方式進(jìn)行一些組合和權重，得知用戶(hù)滿(mǎn)足哪些行為之后，付費的可能性會(huì )更高。

　　數據分析的基本思路

　　1、挖掘業(yè)務(wù)含義

　　首先要了解市場(chǎng)部想優(yōu)化什么，并以此為核心的 KPI 去衡量。渠道效果的評估，最重要的是業(yè)務(wù)轉化：對 P2P 類(lèi)網(wǎng)站來(lái)說(shuō)，是否『發(fā)起借貸』遠遠比『用戶(hù)數量』重要。

　　所以無(wú)論是 Google 還是金山渠道，都要根據用戶(hù)群體的不同，優(yōu)化相應用戶(hù)的落地頁(yè)，提升轉化。

　　2、制定分析計劃

　　以『發(fā)起借貸』為核心轉化點(diǎn)，分配一定的預算進(jìn)行流量測試，觀(guān)察對比注冊數量及 ROI 效果，可以持續觀(guān)察這部分用戶(hù)的后續價(jià)值。

　　3、拆分查詢(xún)數據

　　根據各個(gè)渠道追蹤流量、落地頁(yè)停留時(shí)間、落地頁(yè)跳出率、網(wǎng)站訪(fǎng)問(wèn)深度以及訂單類(lèi)型數據，進(jìn)行用戶(hù)分群。

　　4、提煉業(yè)務(wù)洞察

　　在不同渠道進(jìn)行投放時(shí)，要根據 KPI 的變化，推測業(yè)務(wù)含義。比如谷歌渠道的效果不好，可能因為谷歌大部分的流量在海外，可能會(huì )造成轉化率低。而金山網(wǎng)絡(luò )聯(lián)盟有很多展示位置，要持續監測不同位置的效果，做出最后判斷。

　　5、產(chǎn)出商業(yè)決策

　　最后根據數據洞察，指導渠道的投放決策制。比如停止谷歌渠道的投放，繼續跟進(jìn)金山網(wǎng)絡(luò )聯(lián)盟進(jìn)行評估，而落地頁(yè)要根據數據指標持續地進(jìn)行優(yōu)化。

　　產(chǎn)品經(jīng)理市場(chǎng)調研的目的

　　我們在做市場(chǎng)調研前，必須有一個(gè)自己的調研思路：我們要調研的對象，需要收集的數據，需要達到的效果等。只有有了明確的目標，才能獲得更加有效的數據。

　　1、通過(guò)調研了解市場(chǎng)需求、確定目標用戶(hù)、確定產(chǎn)品核心，為了更好的制訂MRD；

　　2、為領(lǐng)導在會(huì )議上PK提供論據；

　　3、提高產(chǎn)品的銷(xiāo)售決策質(zhì)量、解決存在于產(chǎn)品銷(xiāo)售中的問(wèn)題或尋找機會(huì )等而系統地、客觀(guān)地識別、收集、分析和傳播營(yíng)銷(xiāo)信息，及時(shí)掌握一手資源；

　　4、驗證我們定的目標客戶(hù)是不是我們想要的，目標用戶(hù)想要什么樣的產(chǎn)品或服務(wù)；

　　5、了解我們能不能滿(mǎn)足目標用戶(hù)的需求并且樂(lè )于滿(mǎn)足目標用戶(hù)的需求；

　　6、找準產(chǎn)品機會(huì )缺口，然后衡量各種因素，制定產(chǎn)品戰略線(xiàn)路；

　　7、調研到最后，目標越明確，需求確明確，也就會(huì )覺(jué)得，產(chǎn)品越難做，難以打開(kāi)市場(chǎng)等；

　　8、對于全新的產(chǎn)品，調研前PM必須先自己有一個(gè)思路，然后通過(guò)調研去驗證自己的想法的可行性。

【產(chǎn)品經(jīng)理數據分析方法】相關(guān)文章：

銷(xiāo)售數據的分析方法07-25

數據整理分析方法10-22

數據分析與辦公軟件：數據分析方法07-10

產(chǎn)品經(jīng)理如何進(jìn)行數據分析07-12

產(chǎn)品經(jīng)理該如何做數據分析07-12

銷(xiāo)售數據分析的方法07-03

銷(xiāo)售數據分析方法07-03

多維數據分析方法04-07

醫學(xué)數據分析方法10-24

傳統數據分析方法09-20