產(chǎn)品運(yùn)營的日常工作中肯定是需要對于一些運(yùn)營指標(biāo)進(jìn)行把控的。當(dāng)面對雜亂無章的數(shù)據(jù)時，產(chǎn)品運(yùn)營的小伙伴需要從不同的角度去分析產(chǎn)品的數(shù)據(jù)，進(jìn)而得到有效的運(yùn)營指導(dǎo)，對于產(chǎn)品運(yùn)營工作的有效推進(jìn)也是一個不小的貢獻(xiàn)。那么什么樣的數(shù)據(jù)分析方法才是合適的呢?今天菜頭先生給大家介紹一下。
第一、多維事件分析
所謂的多維事件，就是需要產(chǎn)品運(yùn)營人員把用戶在產(chǎn)品的所有觸發(fā)的常規(guī)性動作進(jìn)行拆解。以一個電商產(chǎn)品APP來說，用戶從下載、打開、瀏覽、選定、支付等等，這些都叫做用戶事件，雖然每個用的習(xí)慣都是不一樣的，每種產(chǎn)品的業(yè)務(wù)流程也是不盡相同。但是同為互聯(lián)網(wǎng)電商產(chǎn)品，其操作步驟其實最多也就20來種，因此存在很多的共性。
多維事件分析
面對這些用戶事件，其實就是一個個數(shù)據(jù)埋點，產(chǎn)品運(yùn)營人員可以根據(jù)自己的需要讓工程師埋點，并且在運(yùn)營過后拉出自己需要的數(shù)據(jù)。
這里舉個例子，菜頭先生曾經(jīng)遇見過一個問題。就是分析一下最近網(wǎng)站支付情況的數(shù)據(jù)。總是發(fā)現(xiàn)最近支付的訂單在減少。在流量和提交訂單量穩(wěn)定的情況下，支付行為的減少是不是在支付通道上出了問題。于是就把網(wǎng)站的支付通道拆解了一下，分成很多通道，并且埋點。經(jīng)過一段相對穩(wěn)定的運(yùn)營之后，分析支付數(shù)據(jù)，發(fā)現(xiàn)拆解過的兩個支付通道存在明顯的變化，那么這時候就需要繼續(xù)拆解、埋點拉數(shù)據(jù)，就會發(fā)現(xiàn)，每種支付通道在不同環(huán)境下的有效支付情況又是不一樣的。因此，我們針對一些薄弱的支付通道下薄弱的支付環(huán)境進(jìn)行了改進(jìn)。
第二、漏斗分析
其實這個對于很多產(chǎn)品運(yùn)營人員來說是最常見的數(shù)據(jù)分析方法之一。一般是規(guī)劃產(chǎn)品數(shù)據(jù)埋點以后，拉出一段時間的數(shù)據(jù)，通過同比和環(huán)比的方式，分析一下一段時間內(nèi)產(chǎn)品來了多少人、有多少人瀏覽、多少人下單、多少人支付等等。通過對用戶拉新、留存、激活、轉(zhuǎn)化的數(shù)據(jù)進(jìn)行一系列分析，分析每一個階段的比例，這樣才能得出在哪些環(huán)節(jié)進(jìn)行改進(jìn)的策略，以期提高產(chǎn)品用戶的轉(zhuǎn)化率。
漏斗分析
第三、A/B測試
當(dāng)一個產(chǎn)品在設(shè)計階段時，總會面臨二選一的選擇。這個時候千萬不要拍腦袋就把事情決定了。因為，有時候拍對了是幸運(yùn)，但是拍的不對絕對是災(zāi)難。那么如何才能更好的決策呢?這個就需要進(jìn)行一個A和B的決策。
ab測試
舉個例子，當(dāng)我們在設(shè)計產(chǎn)品push文案的時候一定會面臨著好幾種感覺都非常好的文案。但是到底哪種文案是最好的，是最令用戶滿意的，我們并不知道。因此，我們可以把兩種方案都用上。各挑選一半的用戶進(jìn)行推送，看看到底哪個文案轉(zhuǎn)化率更好就用哪個。這就是我們通常說的A/B測試。二選一，不好決斷，拉出來溜溜就能決斷了。雖然有時候我們都不知道為什么用戶會選擇這個，但是請記住用戶的選擇永遠(yuǎn)都是產(chǎn)品得以發(fā)展的正確方向。
其實，針對數(shù)據(jù)分析的方式其實還有很多，比如留存分析、用戶畫像分析、行為序列分析等等。但是不管哪一種方式都是給產(chǎn)品把脈的一種方式，用戶是產(chǎn)品的生命力，因此在給產(chǎn)品把脈前，需要好好的給用戶把把脈。
圖片來源于互聯(lián)網(wǎng)
作者介紹：
菜頭先生
產(chǎn)品運(yùn)營，專欄作家，一個集產(chǎn)品運(yùn)營及設(shè)計的實踐者!微信公眾號：caitoultt
原文鏈接：
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
