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
0 条评论
回复 删除
下一页