高阶产品经理的66个核心知识点
2023-06-25 16:00:58 0 举报AI智能生成
登录查看完整内容
高阶产品经理的66个核心知识点
作者其他创作
大纲/内容
（1）在当下业务中你的目标是什么 （设置坐标）
（2）距离达成目标可能出现了什么 （问题假说）
（3）如何证明是该问题导致的结果 （数据证明）
（4）分析该问题成因并形成解决方案 （数据分析）
【公式1】
维度1：数据分析体系要解决的问题
【公式2】数据分析 = 北极星指标 + 数据建模 + 事件分析
【公式3】业务调研 = 产品现状 + 产品阶段 + 市场规模
同比增长率=（本期值-同期值）/同期值*100%
环比增长率=（本期值-上期值）/上期值*100%
【公式4】
【公式5】指标 = 业务维度描述 + 技术维度描述
（1）确定数据分析目标；
（2）纵向指标维度定义（层级设计）；
（3）横向指标维度定义（指标填空）
【公式6】指标体系搭建
（1）自上而下（Top-Down strategies）：由业务域驱动进行指标设计；
（2）自下而上（Bottom-Up strategies）：由现有系统的功能模块逆推功能指标；
【公式7】
用户数据
业务数据
后端日志
【公式8】一个完整业务的数据采集应包含
【公式9】4W1H，包括Who、When、Where、How、What，
事件编号：（事件唯一编号）
事件名称：（事件名称）
事件定义：（具体想要分析的事件，如用户在商品列表页浏览）
事件触发：（事件被定义为一个有效事件的触发条件，如浏览超过5s）
属性定义：（事件中需要采集的数据项，如点击次数、页面浏览）
属性类型：（采集的数据项格式，如日期格式，数字格式）
补充描述：（采集的数据单位与特殊定义）
埋点形式：（该事件的采集方式，前端埋点/服务器埋点等）；
【公式10】埋点文档标准格式
【公式11】基于OneData理念的多平台指标管理体系
【公式12】杜邦分析模型：针对某个指标通过梳理对应的影响因素点，将指标逐层展开，从而将一个指标拆解为多个因素组成的单位。
【公式13】用户流失 = 当前日期 - 用户最后一次登录日期 > 流失判定周期
【公式14】当天新用户的流失数 / 当天的新增总注册用户数 = 新用户流失率
【公式15】达到用户留存点 = 新产品带来的价值 > 迁移成本+学习成本
维度1：拆分问题：思考事件的组成层级；
维度2：定义各描述层级：使用不同的指标来描述不同层级的现状；
维度3：结果辅助参考：对结果进行划分，给予辅助参考。
【公式16】通用事件设计公式
【公式17】转化率 = 本环节UV数/上一环节UV数*100%
【公式18】流失率 = 本环节减少UV数/上一环节总UV数*100%
【公式19】整体转化率 = 本环节UV数/初始UV数*100%
（1）确定增长目标（核心指标）：确定当前产品阶段的核心增长目标，通常是北极星指标的具体指标，如增长用户数、增长订单量。
（2）收集与分析数据：根据具体增长目标制定数据分析方案；
（3）假设方案设计：定义能带来增长的尝试性方向是什么，如新增功能，
（4）确定增长实验：将上一步提出的尝试性方向设计成功能，并组织实验进行市场投放，如使用A/B Test进行功能验证；
（5）分析实验效果：对多个尝试性方向的增长实验进行挨个测试，以此确定当前产品内效果最好的优化方案；
（6）系统化全局推广：当确定优化方案后，正式投放至全公司业务中。
【公式20】黑客增长核心6步
【公式21】平均每用户收入ARPU = 总收入 / 总活跃用户
【公式22】电商的营收=流量*转化率*ARPU
当K＞1时，产品有持续传播性，会不断增长；
当K＜1时，产品传播性有限，达到一定水平会停止。
【公式23】K因子的计算公式：K＝（每位产品用户向好友推荐的人数）×（推荐触达的人群成为产品新用户的转化率）
【公式24】NPS分值 = （满意用户数-厌恶用户数）/总投放调查用户数
自然属性：用户性别，年龄，职业，地区；
渠道属性：用户注册时间，渠道来源。
【公式25】用户基础属性画像
【公式26】用户运营体系：（1）用户分层；（2）用户生命周期管理；（3）用户激励体系；
企业战略：企业所选择的商业模式与核心竞争策略；
企业经营阶段：企业从小做到大所需要经历的不同企业发展阶段；
战略执行情况：企业各阶段需要完成的阶段任务与价值判断指标。
【公式27】企业战略建模
维度2：数据分析体系-平台核心公式
Part2：公式类（27个）
任意一个体系要想发挥正确价值，必须要分为产品与使用者这两部分，这两者合二为一称之为软系统。
定义1：软系统
数据分析体系 = 数据分析平台 + 数据使用者的分析模型
定义2：数据分析体系
产品生命周期理论是由美国哈佛大学教授雷蒙德·弗农(Raymond Vernon)在1966年在其《产品周期中的国际投资与国际贸易》一文中首次提出，将产品的完整周期划分为由生到死的四个阶段。
定义3：产品生命周期理论
（1）访问用户：指每日产品UV，能够直接反应产品的受欢迎程度；
（2）新增用户：新增用户反映了产品的发展速度与推广效果；
（3）活跃用户：此类用户是产品真正掌握的用户，只有活跃用户才能为产品带来价值；
（4）流失用户：根据产品定义时间周期，满足周期未访问的用户就可称为流失用户；
（5）挽回用户：通过产品召回，使部分用户再次返回产品中来。
定义4：产品用户划分
注意力博弈（The Attention Game）：用户在你的产品中花费了多少时间；
交易量博弈（The Transaction Game）：用户在你的产品中产生了多少交易量；
创造力博弈（The Productivity Game）：用户在你的产品中创造了多少高价值的内容
定义5：硅谷设计理论——注意力博弈理论
（1）描述分析服务：通过数据确定当前业务的现状是什么样的，在企业建设初期必须要建设，从而帮助企业者确定企业运营总体成效。本类分析最常见的产出就是数据报表。
（2）成因分析服务：通过数据确定当前业务现状的背后是什么因素造成的，如用户下单量不高，此时背后的原因是什么？
（3）预测分析服务：通过找到现象与成因，慢慢的我们就可以建立起预测模型，来预测下一次同类型事件发生时的可能性结果，例如通过收集过往活动促销数据，来预测双十一订单数据，从而提前备货。
定义6：数据平台核心服务
本概念是一个用来反映公司业务基准线的事物，它标志了业务的平均水平是什么样子，而当我们的单位时间内的数据超过这个基准的时候，就真正意味着我们的业务处于增长态势，反之就属于业务衰退态势。
定义7：数据参考系
1）同比：非连续时段下，某个周期的时段与过去上一周期的相同时段比较，如：今年Q3季度交易额与去年Q3季度交易额对比；
（2）环比：两个连续时段下，某个时段与时长相等的上一个历史时段比较，如：本周订单量与上周订单量对比；
定义8：同比/环比
一般来说基于数据仓库的数据处理体系改造后会分为三个层级，分别是ODS层、CDM层与ADS层，分别解决数据获取（Data Acquisition）、数据存储（Data Storage）、数据访问（Data Access）三类问题
定义9：基于数据仓库的数据处理体系
（1）维度表：记录以需要观察的角度进行展开的要素信息，如使用时间维度，观察商品要素为：年，月，日，时，分，秒；
（2）事实表：记录不同维度要求下具体事件的全量信息，包含每个事件的具体要素，如时间，用户ID，购买商品ID，支付单ID；
定义10：维度表(dimension)与事实表(fact table)
指标具体指一组能反映某一业务在单位时间内的规模、程度、比例的数字。
定义11：指标
（1）产品概要类指标：用于评价产品现阶段整体情况概览；
（2）产品流量类指标：用于评价产品内用户的数量与质量；
（3）客户价值类指标：用于评价产品的盈利状况与可持续性。
定义12：指标分类
多个指标以一定的逻辑组合成的能反应当前业务问题，并定位问题背后原因的指标集合。
定义13：指标体系
O（Obejective）：用户使用本功能的目标是什么？该满足了用户的什么需求？
S（Strategy）：为了达成上述目标，我们采取的业务策略是什么？
M（Measurement）：这些策略与之对应的数据指标都有哪些？
定义14：OSM分析框架（Obejective，Strategy，Measurement）
（1）非透明采集：指看不到原始数据，只能通过统计上报采集，常见的方法如：埋点：
（2）透明采集：对业务线中现有的系统数据库进行直接数据提取，如日志服务器数据的整理抽取，POS机的交易数据库中对订单数据抽取。
定义15：数据采集方式
又称事件追踪（Event Tracking） 指通过针对特定标识用户的行为或事件进行捕获，处理与传输的全流程实施过程。
定义16：埋点
定义17：实体商家交易漏斗模型
日常运营：通过数据分析定位产品问题，保证平稳运行；
黑客增长：通过数据分析发现业务短板，实现业绩增长；
定义18：数据驱动业务决策框架
为高层提供业务运行查看
数据看板
帮助业务运营者发现业务运行中的数据问题
趋势比对（同比/环比）
解决具体看板内的需求与解决部分原因性问题判断
指标分析模型
定义19：描述类数据分析模型集
宏观维度：确定用户的消费画像，分析用户行为背后原因
用户标签模型
宏观维度：定义周期内产品留存情况分析
留存曲线模型
宏观维度：对流失用户进行召回，从而降低用户流失
用户召回模型
微观维度：交易链路等核心步骤场景
转化漏斗模型
微观维度：针对高度概要类指标（如GMV）变化时细分具体原因
定义20：成因类数据分析模型集
产品步入成熟期拥有大量用户，其中包含多类特征鲜明的用户群
用户分层模型
分析用户购买行为确定对公司价值最高的用户从而进行精细化运营
RFM模型
渠道价值分析模型
归因分析模型
AARRR增长模型
NPS推荐值模型
A/B Test分析模型
定义21：增长类数据分析模型集
【定义22：用户流失】指定时间周期内历史用户不再登陆本应用，这部分历史用户称之为已流失用户。
【定义23：留存率】某段时间新增用户数，在单位时间波动后，该群用户中继续使用本产品的用户数占原新增用户数的比例。
【定义24：留存渐进线】产品留存率最终维持在一个水平线上，这一水平线称之为留存渐进线
【定义25：数据事件】数据事件是追踪或记录的用户行为或业务过程，使用一组指标组成的对特定用户行为的体系监测的原因。
【定义26：漏斗分析模型】通过监控一个用户任务中从起点到终点各个环节用户的数量以及转化情况，从而定位到流失较大的环节，接下来去寻找每个环节的可优化点。
【定义27：黑客增长（Growth Hacking）】这一概念最早是由美国 Sean Ellis 提出的，指的是一家公司团队在数据分析基础上，利用产品或技术手段来获取自发增长的运营手段。
【定义28：角色演进路线图】所谓角色演进路线图就是我们希望用户在产品中完成对应的任务以及成为对应的角色，
【定义29：RFM模型】RFM模型是20世纪中叶在美国黄页业务中发明的一种用户精细化分层方法，企业可以把客户按最近一次消费(Recency)、消费频率(Frequency)、消费金额 (Monetary)三个维度进行分类。
【定义30：首次互动模型分析法（First Model）】将后续渠道的触发转化归功于消费者第一次互动的渠道。
【定义31：最终互动模型分析法（Last Model）】将销售转化归功于消费者最后一次互动的渠道，与首次互动模型不同的是，最终互动计算是以成交作为一次计数判断。
定义32：线性归因模型分析法】将转化归功于消费者接触的所有路径，罗列销售转化路径，平均分配贡献权重。
（1）用户获取：追求目标：自然新增量，渠道；
（2）提高活跃度：追求目标：日活，月活；
（3）提高留存率：追求目标：次日留率，7日留存率，月留存率；
（4）获取收入：追求目标：成单转化率，付费率；
（5）自传播：追求目标：转发数，评价数。
【定义33：AARRR模型】AARRR的含义是Acquisition、Activation、Retention、Revenue、Refer这个五个单词的缩写，分别对应用户生命周期中的5个重要环节：
【定义34：NPS模型】NPS推荐值模型，英文全称Net Promoter Score，最早由贝恩咨询公司的创始人弗雷德在2003年提出，NPS的作用就是能够帮助我们直接反映用户对产品的喜爱度是多少。
【定义35：第一次悖论】这是数据分析中最常见的一个悖论，众所周知数据驱动运营需要依赖于数据分析的结果，但是在第一次设计对应运营活动时，我们往往是没有该类活动的效果数据。此时就陷入到一个悖论：没有数据的情况下如何能做出最优解。
【定义36：企业战略规划】简称企业战略（Enterprise Strategy），指的是企业为达成特定的商业目标而定义的一系列企业执行动作的集合。
需求侧：该产品不能是个性化需求，需要有一定规模潜在用户；
供给侧：该产品/服务有可以规模化与标准化提供的生产形式
定义37：企业成立因素
不断在市场中寻找愿意为企业产品/服务付费的新用户，拓展需求侧
通过创造并组织生产要素，使用户需求能规模化生产，解决供给侧
定义38：企业的本质
（1）问题的解决方案匹配（PSF）：真正挖掘到目标市场的痛点并能产出解决方案；
（2）产品与市场匹配（PMF）：创造能解决目标市场痛点的可规模化解决方案产品；
（3）渠道和产品匹配（CPF）：寻找能低成本且快速推广的渠道帮助产品推向市场；
（4）企业与市场匹配（EMF）：在不断开拓市场中，不断调整企业结构以适应发展；
（5）下一个增长周期。
定义39：企业增长生命周期
Part1：定义类（39个）
高阶产品经理的66个核心知识点
0 条评论
回复 删除
下一页
