数据是反映产品设计效果的一种有力辅助手段,因此在设计一款产品、迭代一个功能,甚至完成一个优化前,最好都提前规划好本次“更新换代”的数据体系。
但是,面对繁杂的数据指标和功能流程,究竟该如何快速而清晰搭建起合适的数据衡量体系,是一个很重要的问题。
数据体系搭建四步走
数据,无论是搭建一套完整的体系,还是单纯用于衡量某个功能/优化的上线效果,一般而言,可以从下面四个步骤进行:
明确要验证的业务/功能
明确衡量指标
寻找对比数据
明确数据获取渠道
一、明确要验证的业务/功能
数据是产品效果的表达方式,因此,在搭建数据体系前,必须先明确业务类型、明确验证目标:
业务区分上,除市场份额、用户数等大家共同追逐的目标之外,互联网金融领域,更看重的可能是资金保有量、申购量、用户财富指数等;电商行业,更看重的可能是购买量、购买频次、复购周期等;社交类产品,更看重的可能是用户活跃程度、社区健康度和可持续性……
场景区分上,是功能优化迭代验证效果?是差异化竞争的对比分析?是基于用户场景的拉新、留存、促活?还是流失场景的挽留?
不同的业务、不同的目标,决定了我们要选取什么数据指标来衡量。
二、明确衡量指标
明确了业务/目标,下一步要确定的,就是选择合适的衡量指标。以下举例说明几个类型的指标:
A.转化率
转化率一般可分为注册转化率、申购转化率、场景用户转化率、入口转化率等,亦即“路转粉”的过程。
当然,我们在选择用户时,大多数情况下会有倾向性地面向潜在目标用户以提升转化率。
转化率的关键数据是每一步的UV和最终的用户转化数量,主要分为两种:
流程转化率,统计新用户从接触到最终被成功转化的转化率,多用漏斗模型来表现转化率数据;
渠道入口转化率,多渠道多入口可到达产品场景,对比每一个入口的转化率高低。
B.活跃度
活跃度可分为用户登录/访问频次、场景设置频次、申购/购买频次、互动频次等,主要是看用户在产品上的留存和活跃程度,比如用户近30天内登录过10次,用户近90天内发生了30次申购行为。
有些产品/功能上线后,用户留存率很高,但是基本不活跃(僵尸用户),即可明确下一阶段的工作重点可能是促活。
C.健康度
产品的健康度在某种意义上说跟活跃度有点交叉,有些广义的概念可把活跃度包含于健康度内。
arpu值、用户流动性、会员体系下的用户升降级速度…都是衡量一款产品健康度的指标。
以会员体系下的用户升降级速度为例:
设计一套会员体系时,数据体系的搭建就必须有事前规划测算、事中验证跟踪、事后调整这3个阶段。
事前的规划测算一般需花费较大的时间和精力演算,因为一旦会员规则对外放开了,就不好轻易做调整。
也因此,第3个阶段的调整,最好是能避免则避免。
会员体系需要拟合升降级曲线,一般达到的效果就是升级先易后难,降级留有一定buffer值。
升级太快降级太慢有导致体系被击穿、成本hold不住等风险,升级太慢降级太快用户不买账没粘性。
升降级速度,体现的是该产品的健康程度。
D.流失
主要关注用户的流失率和流失节点,好做出应对策略。
很多产品上线一段时间后,发现流失率越来越高,但又无从下手解决问题。这个时候可关注用户的流失节点:用户主要是在哪一步开始流失的,用户流失的集中时间点是在什么时候,从流失节点着手进行产品优化、适当的流失挽留堵漏等操作。
如定投功能的使用,可能经过观察和分析会发现,用户在第一次扣款前后的流失率最高,则可能的原因有以下:
扣款前:设置时用户仅抱着尝鲜的心态,在扣款(实际发生资金行为)前及时终止定投“止损”;或对扣款行为的安全感不足等
扣款后:对资金的安全和流动性存在担忧;自身无法保证银行卡资金在扣款日是充足的等
找到了可能的问题所在,即可对齐进行相应的用户教育和引导,降低流失率。
一个水缸多个孔,堵住其中1个或几个,水流失的速度自然就慢了下来。
E.渠道触达
产品上线后,触达用户的渠道多种多样:公众号消息、短信、push、广告投放等,统计分析各渠道的触达率和转化率,可为接下来的用户分层精细化运营提供更有效的辅助信息。
三、寻找对比数据
没有利弊衡量标准的效果评价,都是耍流氓。
一款产品上线效果,产品经理要看到其中的利弊,并且找到合适的参照物来对比效果,才可以做出评价和结论。
举个栗子:一款社区类产品上线至今,总用户数100万,日均活跃用户8万人。
这个数据是好是坏?
我们需要找到一个对比衡量的标准,如对比竞品,我们这个活跃用户水平算是较高的?如对比过去的日均活跃用户5万人,则很明显有了提高。
因此,得到本身产品的上线效果数据后,需要找到对应的产品做标的,而这个标的,可以是:
竞品、自身的历史数据、行业内默认的标准等。
四、明确获取数据渠道
数据规划好了,接下来就是产品上线前的数据埋点工作。有下面的一串口诀:
产品活跃点击流,用户属性渠道号,定性定量用问卷,广义普适第三方。
产品活跃点击流:在看用户转化、登录访问等产品的活跃数据时,我们采用用户数为计算维度,这个时候,用相对简单的点击流埋点,一般都可以满足需求;
用户属性渠道号:在申购金额、购买数量和金额、评论互动等带有用户属性的场景下,需要适当深挖,这个时候,渠道号是最好的埋点方式;
定性定量用问卷:探究用户行为,了解用户主观操作的原因时,如果能够覆盖到较大的样本量,可以选择问卷的方式进行;
广义普适第三方:有一些第三方数据平台,如友盟、TalkingData、百度指数等数据平台,在看一些大数据类型的东西,可以为我们所用。
按照数据体系搭建的四步法则,为产品做适配,验证效果不再无从下手!
End.
作者:D.Z
来源:人人都是产品经理