一个菜鸟PM的数据思维自述
2022-06-05 14:29:28 0 举报AI智能生成
登录查看完整内容
PM的数据分析入门
作者其他创作
大纲/内容
第一步：确定用户群，分出不同的角色
态度
能力
动机
技能
活动
行为类型
行为频率
第二步：定义行为，找出行为变量
第三步：用户与行为变量的对应
组合行为，形成具备特征的行为模式组合
第四步：确立行为模型
有了行为组合，便可以从细节中挖掘用户的目标和其他特性
第五步：根据不同的特征，表述目标
合并行为模型
第六步：检查完整性和冗余
应对不同的功能，我们需要建立不同类型的画像，同时确定主要、次要、补充、负面的用户画像
第七步：指定用户画像的类型
第八步：进一步描述特征和行为
步骤
1、访谈加上观察建立用户画像
第一步：直接对用户进行分群
第二步：提取行为数据，分析行为数据，归类行为数据
第三步：推测目标动机
第四步：访谈验证
第五步：纠正并建立第一个用户画像（在初识认知的用户画像上）
2、构建临时的用户画像
个人观点：目前建立用户画像的方式有很多，个人觉得借助行为数据去进行画像的建立和修复。每种方法都有长处和短处，但是：质量和效率很难兼得，特别是在这个快节奏又卷的互联网团队
构建方法
用户画像的构建
推荐一本书籍《用户体验要素》
确定优化目标，结合行为数据，得到想要的衡量结果，将结果作为基准线
衡量
这里就是看个人对于衡量结果的剖析，硬件、用户场景、网络环境等等都是影响因素
发现
优化
对比基准线
评估
一般来说：衡量---发现---优化---评估---衡量 的过程环，是一种常用的方法
个人观点：数据是能够带来创意的
用户体验的优化，数据能够帮助我什么
这个很重要，这个很重要、这个很重要
例如：80后、90后、00后
一种用户分群的方式，是根据新增时间将用户进行分群
周期的颗粒度根据实际目标进行划分
首先，了解“同期群”
就是同期群，同指标对比，得出差异，分析差异背后的原因
理解同期群后，那么怎么分析呢
例如：搞活动，发卷，对于新老用户的效果会有差别
一个石头砸向不同的事物的影响是不同的，分开衡量才能反映真实的情况
同期群分析的好处
要理解，理解后，可以应用于很多的场景
了解同周期群分析
1、用户行为统计
2、漏斗分析
3、留存分析
建立用户档案
4、用户洞察
5、用户群细分
分析模型
第一步：弄清楚目前和当前的主要问题
第二步：找出问题的相关数据指标
第三步：对问题指标的用户，建立画像，探究问题背后的可能原因
第四步：以分析结果，改进产品或者是运营方式
第五步：验证改版效果，持续性观察，以确认是否达到了预期效果
产品数据分析的一般过程
一些常见的分析模型及数据分析的一般过程
出生
繁衍方式
现活人数
寿命
年死亡
死亡方式
死亡
创造者视角
日、周、年
新增
病毒系数、传播周期
传播
DAU（日活）、MAU（月活）
活跃
留存率（次日、周、月）
留存
流失率
流失
产品视角
1、新增用户的速度，是产品增长的基础
2、只有活着的人，才有可能给产品、给社会带来价值
3、活的越久，对产品的潜在价值越大
4、每个活着的人能带来多少新用户（病毒系数），带来新用户的需要多久（传播周期）；也就是说：病毒系数大于1，传播周期越短，产品才会有爆发式的增长，并且增长速度极快
5、危机感：死亡大于新增，代表着负增长的开始
个人结论
例如：人口
确定产品的用户，从创造者的视角去看待用户的那些数据需要被关注
应该关注那些数据指标
你怎么养让用户知道你的产品，用户如何去发现，并且来到你的产品
获取
首次使用的体验，从你呈现第一界面开始，第一的体验决定了用户是否会被你激发继续使用的乐趣
激活
是否会愿意重复使用产品，你定位的用户的喜欢策略或者新奇的玩法等等
是否会愿意分享给其他人，凭什么，为什么人家会给你带来新用户
在拥有一定的用户基础，你怎么通过这批用户赚钱，让用户自愿掏钱
收入
AARRR数据模型
在理想状态下：用户会随着产品的迭代不断的增长，直到走向成功。但是，我要是这么想，那我就玩完了。
活跃用户的数量对比：需要根据同时期的过往数据进行比较
1、新旧功能活跃比
功能重复使用的用户比例
2、新旧活跃用户比
使用流程是否得到优化：行为耗时漏斗
用户流程的转化率和完成率（对比改版前后）
3、新旧效率/时效的提升
也就是说一款好的产品or一个优秀的新功能，会增加用户对产品的喜爱，而增加重复使用率。
从初始用户量--回访用户比（定下一个监测周期）
4、对用户留存的影响
行为属性统计
用户行为记录
5、用户的行为路径和预期路径的对比
行为数据指标
这种低成本的用户行为数据的监控，虽然不能完全替代用户的真实场景的观察和研究，但是搭配着一起使用，在提升产品整体的效率和准确率上，有着一定的帮助。
个人观点
我所理解的迭代闭环：在每一迭代开始前，需要通过数据去衡量改版的效果
当你在更改你的产品功能后，怎么去观测效果
前提条件：需要拥有大量的用户行为数据
第一步：确定目标，确定监控的产品or某个功能甚至是某个商业目标
第二步：确定目标对应的用户，并对用户进行群体划分
第三步：对比分类的用户群体，找出差异化的特征，以及罗列出导致差异化的原因，从而去映射产品的操作环节及功能点
第四步：根据自己的发现，改进产品，在有一定的数据分析基础上，优化改进产品的功能
第五步：衡量、量化改版是否达到预期，如果达到了预期 说明该阶段的工作是取得了成绩的
个人观点：在面对业务端或者C端类的产品，要做好区分。数据驱动的决策，偏移侧重点事不一致的，我们需要一次又一次的打磨，从数据中发现关键机会，有机会在短时间取得有效的进展。
还是回到“用户行为”上来：一个人的行为包含着他所有的喜好和不满，以及渴望！
那我们通过哪些渠道发现产品的改进关键点
一个菜鸟PM的数据思维自述
职业：社会
0 条评论
回复 删除
下一页
