保持”温度感”,产品经理修练之数据篇
最近看到几个群里在讨论“产品经理与运营的关系,是否要参与?”等问题,我想借用黎万强的话, “我们做营销策划的同事,全都是产品经理出身,而且一定要是好的产品经理。如果不懂产品,一定做不好营销。所以,到现在我还坚持在一线做产品和设计,就是为了保持‘温度感’。”
其实这个问题很难回答,虽然产品经理在整个产品的生命周期中,不掌握任何实际的权力(除BOSS级产品经理除外),都需要全程参与整个过程,需要对产品的具体工作组织协调与督促检查,让产品按照正确的航线进行下去。就像需要通过 “经纬度”知道船的航行轨迹,产品经理需要掌握“经纬度”,可能我们不是船长,但我们是“舵手”。
传统互联网对产品的数据分析,核心围绕着“用户”,例如从用户质量分为:狂热用户、核心用户、一般用户及边缘用户;从运营角度分为:活跃用户、留存用户、流失用户、回归用户等,移动互联网也不例外。
然而,移动互联网由于“碎片化”等原因,虽然你已经明确是哪一个用户,如果没有场景支撑,用户也不会来的。例如:我如果最近不看电影,我不会去美团;我在公交车站等30分钟,公交车还没有来,我可能会打开“公交大师”查询公交情况。
所以根据我个人的看法,“用户”的指标体系发展多年应该是相当完备了,但“场景”的指标体系还不太完善,至少我还在学习及摸索中,我的初步解决思路就是尽量在产品中体现“场景元素”,这样便于统计。例如:我会让用户做选择商品内容的时候,能接近场景选择核心内容。
在“前言”中谈到“产品与运营的关系”,如果单从产品角度去分析,个人认为价值不大(运营与产品紧密相关),所以我通常会按照运营三步走“获取游客、激活成员、保留用户”进行数据建模,也便于与运营同事进行沟通。
获取游客
先我先声明一下,我通常把“新用户”称为“游客”,我认为这个称呼更为贴切,运营同事根据前期产品经理整理的用户画像及场景,通过各种手段(活动、软文)在各渠道去获取游客来使用产品。
从数据统计角度,首先最基础的是增长事件是什么、增长的渠道(电子市场、官网等),然后这个时候的“游客”,他们对你这个产品什么都不知道,或者他们抱着很高的希望,所以这个时候要遵循“三秒原则”,快速让用户在3秒内了解产品是什么、能做什么,并且快速上手。
对于“游客”来说,会受内容质量及交互友好方便的影响,我们先要通过排除法把交互流程、信息结构影响用户排除,例如:我会统计新用户访问路径数,与我在产品设计过程中规划的路径是否吻合。
我个人观点,产品经理会放入大部分精力在该阶段,主要是解决交互流程及信息结构对使用者的影响,以下我就举一个我前期在网上收集的例子,让大家更好的理解。
以下这个产品中东的数字音乐流app,设计者的用意很好,通过引导及定制让用户找到真正感兴趣的音乐,从而提高用户使用率和活跃度。设计者需要验证“多少人完整走完了三个步骤的引导页”?数据显示,当用户通过第一页,从第二个引导页到第三个引导页的流失率达到15%,后经过分析原因是在中东,用户听歌认脸多于认音乐的类型!。
另外,第一个引导页,也就是Personalize Anghami,并没有什么用。用作者的比喻就是,你要让用户进门去看里面的房间,还非要把门锁上再给他一把钥匙(Personalize那个按钮),说你用钥匙一开门就可以进去看啦!为什么不直接把门打开呢!
Anghami引导页(改版前)
Anghami引导页(改版后)
激活成员
获取游客就好像“相亲”,在见面之前相互之间不了解对方,通过短时间熟悉后,对双方有一定的好感,这个时候双方之间就会进行“约会”,这个时候需要通过产品让用户从“游客”变为“成员”。
这个阶段采用的手法我称为“激活”,就是让游客做些你事先已经决定,他们应该做的,进一步达到你的目标。这可能是让用户加入一个电子邮件列表、点击广告,或者创建一个帐户,甚至是购买。现在你必须激活游客变为成员,你甚至可以有多个激活,让你更能方便的跟踪,可以通过“埋点”等手段实现。
保留用户
当通过“激活成员”的热恋期后,是解决让“成员”变为真正的“用户”(我称为结婚),说实话把一个“游客”变成“成员”就很难了,把“成员”变成“用户”就更难了。
这个阶段的使用者对产品已经有一个整体的了解,所以交互流程及信息结构可能对用户影响不是特别大,根据我的经验大部分是核心内容能否吸引用户。就像《iOS Human Interface Guidelines》设计基础提到的“以内容为核心,UI能够更好地帮助用户理解内容并与之互动,但却不能分散用户对内容本身的注意力”。所以这就需要运营人员提高产品内容的质量,从而吸引用户。
从数据角度来看,通常有流失用户、留存用户、回归用户数、活跃用户等指标进行分析,但我认为指标都是比较粗的,因为用户许多可能的原因导致用户不想使用该产品,所以这部分我认为应该与具体业务挂钩,在这里我也是一个“学生”也在摸索,不能给大家比较有用的建议。
产品梳理数据点为后续埋点做准备,最理想状态是在产品的每个功能分分支哪里进行“埋点”,但这个工作量太大,我个人也认没有必要。现在虽然第三方统计也提供“自定义事件布点”,但我认为缺乏灵活性,无法层层追查及分析。
通常运维、运营的同事,并不知道哪些节点是具有分析价值的,因此产品经理需要先将要添加数据点的功能和入口梳理出来。我们可以用Mindmanager等软件对产品的主要功能进行拆解。拆解当然是越细越好,需要注意的是,同一个功能模块里边往往包含多个值得记录的点,这时就需要我们先明确好研究的目的,确定到底以哪个点作为分析的基准。
例如:在第4部分的“建立指标体系”的“微观数据”的路径就是我梳理的数据点,这样可以分析出新/老用户通过什么路径达到核心内容,在结合用户在“内容页面”停留时间,大致能推断出来内容与用户兴趣的匹配度。
一个好的指标体系,可以作为数据收集和分析的大纲,可以让我们少走很多弯路。产品经理用思维导图建立这种体系的过程中,可以让我们的思路更清楚,避免遗漏。
需要注意的是,建立指标体系并不是建立标准(标准是人为定义的,要看产品所处的阶段)。所以我把评价体系分为宏观数据和微观数据,以下图供大家参考。
【宏观数据】是指长远的,大的方面,也可以是一个大概的意思,大部分是给领导或运营人员看的。(现在第三方统计都有这个功能,比较容易实现)
【微观数据】比较细的方面,这要看你具体用在什么方面。不同的地方,具体意思不一样的,我通常会分为路径和页面两个角度,可以通过用户使用路径知道问题出在哪里,至于什么原因可以后续在进行详细分析。
宏观数据
产品经理修练系列按照计划已经写完了,最初写这个文集的目的是自己整理一个思路,从最初产品只是领导idea,一步步最后实现过程,在写这个文集的时候发现有许多不足及遗漏的地方。写完这个文集,感觉自己对产品经理有更深入的了解,这是需要你不断学习的职位,因为外部环境发展太快,昨天忽然想到,根据自己的经验PC整整经历了20多年的发展才达到普及的阶段,而移动互联网只用了3年左右的时间。
最后我想对自己说,继续向前,不进则退,享受变化带来的一切。
数据分析咨询请扫描二维码
必备的职业技能 统计学基础 - 理解概率、假设检验、回归分析等统计概念。 - 运用统计方法对数据进行分析和解读。 编程能力 - 掌 ...
2024-11-27基础课程 - 统计学基础: 统计学是数据分析的基石,包括概率、假设检验、回归分析等基本知识。这有助于分析师更好地理解数据背后 ...
2024-11-27数据分析领域涉及众多工具软件,涵盖了从数据处理、分析到可视化的各个方面。在选择适合自己需求的工具时,需要考虑数据规模、分 ...
2024-11-27在数据分析领域,选择合适的工具至关重要。不同的软件适用于不同的需求和技能水平。以下是几款值得考虑的数据分析软件: - Table ...
2024-11-27数据分析中常用的Excel与Python函数公式涵盖了广泛的应用场景。掌握这些基础和高级技巧对于成为一名优秀的数据分析师至关重要。 ...
2024-11-27Python是一种高级编程语言,由荷兰程序员Guido van Rossum于1989年圣诞节期间开始开发,并于1991年首次发布。Python的设计哲学强 ...
2024-11-27课程内容 数学基础: 高等数学、线性代数、概率论与数理统计、微积分等为算法设计和数据分析打下基础。 编程与算法: 掌握 ...
2024-11-27爬虫工程师是互联网时代中至关重要的职业之一,他们的工作内容主要涉及编写和维护网络爬虫程序,进行数据采集与清洗,设计系统架 ...
2024-11-27技能需求 数据管理与建模 - 掌握SQL、HiveQL、Spark SQL等数据库语言,进行复杂数据查询和分析。 - 使用数据建模工具如ER/Studio ...
2024-11-27技术技能 - 编程技能 - 掌握SQL、Python、R语言等编程工具是基本要求,可用于数据提取、清洗和分析。 - 数据分析与建模技能 ...
2024-11-27财务数据分析职业展望 - 需求激增: 随着企业信息化和数字化进程的加速,财务数据产生和积累速度急剧增长,推动了财务数据分析需 ...
2024-11-27技术技能 数学与统计技能:数据分析师需要具备扎实的数学基础,包括统计学、概率论、多变量微积分和线性代数等知识,以帮助理 ...
2024-11-27选择适当的工具和软件 选择恰当的工具对于创建出色的数据分析图表至关重要。Excel提供强大的数据可视化功能,R语言的ggplot2包 ...
2024-11-27初级市场分析师在工作中面临着重要任务之一:评估竞争对手的表现。这项工作不仅有助于描绘行业竞争格局,还能帮助企业发现自身的 ...
2024-11-27基础知识的建立 要想在数据分析领域脱颖而出,首先需要打好坚实的基础。 数据分析的基础知识十分重要,其中包括统计学、概率论、 ...
2024-11-27# 要学习Python数据分析 掌握Python基础知识 - 首先需要掌握Python的基础知识,包括基本语法、数据结构(如列表、元组、字典等) ...
2024-11-27学数据分析能在什么单位工作 数据分析的就业领域概述 数据分析专业毕业生广泛应用于各行各业,包括但不限于以下单位: 政府机关 ...
2024-11-27想学数据分析需要学哪些课程 数据分析学习路径推荐 基础课程: 统计学: 统计学作为数据分析的基石,涵盖概率论、描述性统计、 ...
2024-11-27# 现在什么行业发展前景最好 **人工智能与机器学习** - 人工智能技术快速发展,广泛应用于智能家居、自动驾驶等领域。 - 具备巨 ...
2024-11-27# 未来最有前景的行业 **人工智能与机器学习** - 人工智能被认为是未来最具潜力的行业之一,其应用范围广泛,包括智能家居、医 ...
2024-11-27