優秀產品人必懂的數據驅動增長模型
在實際的業務中,產品人很少有機會經歷完整的數據體系搭建過程,本文將系統的介紹如何搭建一個完成的數據驅動模型。
在實際的業務中,大多數人可能只會遇到以下一種或幾種常見的場景,並且對於各個細分場景,所需要解決的問題和關注重點都是不一樣的。
場景一:你剛加入一個成熟產品的用户增長部門,會發現業務當前有非常全面詳實的用户和業務數據,但由於個人缺少數據分析的經驗,面對一堆數據,除了能簡要了解到產品基本情況,不知如何從數據中挖掘出更有價值的信息。
- 待解決問題:面對大量數據,不知如何入手分析。
- 所需的能力:各種可以從數據分析中找到增長線索的方法論。
場景二:你熟練掌握了基本的數據分析技能,能夠基於現有數據找到增長線索,你想針對某些關鍵指標的異常情況進行分析,但不知道哪些數據相關性高,如何將多維度的數據關聯分析。
- 待解決問題:有明確的問題需求,但不知如何有效拆解數據問題。
- 所需的能力:基於目標行為的拆解用户路徑的方法。
場景三:拆解完用户路徑後,發現目標的轉化路徑中有部分數據缺失,無法有效支撐你的分析。
- 待解決問題:如何快捷有效的收集缺失的數據。
- 所需的能力:制定數據採集方案。
場景四:需要的數據採集到位後,發現數據統計混亂,每次查詢和分析數據的效率成本都很高。
- 待解決問題:數據如何高效可視化呈現,降低查詢使用的成本。
- 所需的能力:創建數據儀表盤。
診斷上述的工作場景,大多數增長人的工作順序可能是:數據分析→用户路徑拆解→收集數據→搭建儀表盤。
基於數據驅動用户增長可以分為以下五個步驟:
對大多數增長從業者來講,最重要的是先掌握一套數據分析方法,從現有數據中快速找到增長線索,取得一些增長業績,再反過來檢查數據埋點、統計等地方有沒有問題。當掌握了數據分析方法,但所在的公司or負責的業務沒有基礎數據也無從下手,才需要思考如何拆解用户路徑、數據採集。而數據儀表盤,則是為了提高查詢效率,支持數據分析工作快速、準確開展。
一、分析數據:多維度數據分析從數據分析中尋找增長機會,可分為“宏觀”和“微觀”兩個角度。
- 宏觀:在基礎數據中,找到較大的增長機會。
- 微觀:對比精細化的用户數據進行分析,挖掘相對隱蔽的增長線索。
無論所在的公司是否有用户的精細化數據,都可以通過從整體的角度進行數據分析,找到增長乏力點。然後再考慮要不要分析更精細的數據。
案例:某內容類APP產品本節將會圍繞北極星指標和全鏈漏增長模型,通過一個案例(數據虛擬)展開關於宏觀數據分析的分享。
- 北極星指標:指導增長工作方向最重要的指標,也可以理為業務現階段的唯一重要的指標。制定北極星指標時,需要在服務於業務的長期健康增長下,同時考慮商業目標和用户價值。
- 全鏈漏斗增長模型:是把影響北極星指標的主要細分指標梳理梳理出來,並標註轉化率。通過模型,可以將北極星指標細化拆解,從中找到增長的機會點。
案例場景:剛剛入職一家內容類APP,負責用户增長,公司沒有完善的後台數據系統,無法通過詳細的用户行為埋點數據,如何找到一些增長的線索。公司現有後台可提高的數據指標:下載量、註冊量、登錄量、平均閲讀時長、基本用户信息。
第一步:構建全鏈漏斗增長模型
從轉化漏斗可發現:
- 拉新轉化率較高:新用户下載到註冊的轉化率為70%,新用户下載轉化率不錯。
- 老用户活躍度低:當月活躍老用户佔總註冊用户數的10%,老用户活躍較低。活躍用户主要靠新用户補充。
- 用户感知的產品價值較低:當月人均閲讀時長較低,遠低於行業均值。
第二步:分析歷史趨勢,觀察趨勢、異常點、拐點
從歷史數據中發現:
- 拐點:2019年11月,下載到註冊完成的轉化率從71%開始大幅度下降,發送了什麼?
- 趨勢:2019年10月,人均閲讀時長提高了一倍。因為那個時間段增加了內容社區版塊。
第三步:按獲客渠道分解
在瞭解了現狀和歷史數據情況後,可通過獲客渠道對數據進行維度分解。
- 公眾號的新用户下載轉化率一直維持在63%-71%左右。
- 2019年11月份開始抖音廣告,轉化率僅有10%-15%,因此導致了總體轉化率下降。
第四步:瞭解用户的基本屬性特徵,根據APP收集的用户信息,畫出分佈餅圖
通過年齡、性別、城市、職業等發現:
- 18-25,25-30的用户佔比最大。
- 職業:白領和大學生為主。
第五步:瞭解用户的基本活躍度
發現:
- 超過80%的活躍用户每月登錄少於4次;
- 但每月登錄4次以上的用户,有接近80%的用户為18-25歲的大學生用户羣體。
總結:
- 新用户下載到活躍的轉化率尚可。
- 老用户活躍度低。
- 人均閲讀時長低於行業均值。
- 公眾號轉化率遠高於抖音廣告。
- 18-25歲的大學生用户羣活躍度較高。
在通過數據分析得到增長線索後,可以通過取長補短的方式來制定增長策略。
- 取長:強化增長,在已經顯出成功信號的方向上,繼續加強。
- 補短:修補漏洞,找到整個業務漏斗中流失問題最嚴重的環節,通過策略降低流失。
繼續針對上述案例,進行分析,假設發現:
(1)公眾號來源的新用户質量高
對應策略:取長。增加公眾號的內容數量,提升公眾號的內容質量。
(2)大學生用户活躍度高
對應策略:取長。進一步分析大學生的獲客渠道來源,通過用户問卷瞭解大學生感興趣的內容和功能,加強對應的產品體驗。
(3)來自抖音廣告的新用户轉化率低
對應策略:補短。找到漏斗轉化率低的原因,測試提升轉化率。
(4)老用户活躍度和留存率低
對應策略:補短。進一步分析活躍和留存曲線,找到用户流失最大的問題。
二、理解數據:梳理用户行為路徑梳理用户路徑的意義:新項目開啓時,需要明確北極星指標和增長模型,之後還需要進一步加深對用户和產品認知的顆粒度。需要快速結合產品功能、業務邏輯,梳理清楚用户行為路徑,為後續的確立指標、數據埋點、數據分析奠定基礎。
梳理用户行為路徑的方法(1)梳理核心路徑:根據北極星指標,構建轉化漏斗。轉化漏斗一般為設定的用户主路徑。
(2)細化核心路徑:將核心路徑中加入更多的漏斗步驟,理想形態是拆到不能再細化為止。
(3)加入其他重要路徑:梳理重要的產品功能和業務邏輯,描繪主漏斗之外的重要行為路徑,找到路徑之間的關係。
案例:某電商類APP小編通過針對電商類的產品,簡要分享一下如何梳理用户行為路徑。
第一步:梳理核心路徑
第二步:加入其他重要路徑
第三步:輸出用户行為路徑圖
制定數據採集方案是數據驅動用户增長的第二步。沒有用户行為數據,數據顆粒度不夠,也就難以發現業務指標變化背後的原因,從而難以發現增長線索。通過數據埋點追蹤用户行為,可以用數據描述用户在產品中的行為軌跡,也構成了指標儀表盤和分析數據的基礎。
增長團隊經常面臨的問題:
- 沒有詳細用户行為數據,無法進行比較細緻的數據分析。
- 做過用户行為的埋點,但不準確,無法使用,不能滿足分析需求。
埋點的目的是追蹤所有的用户關鍵行為。
確定埋點數據指標常見的兩種需要數據埋點的情況:
- 已有基本埋點,只需進行缺失的數據埋點。
- 如從頭埋點採集用户行為數據:分級分步,由主到次。
埋點需要記錄的信息:
行為本身(event):用户做了什麼操作?
行為的屬性(property):
- who:誰參與了這個行為(設備ID,用户ID等)。
- when:行為發生的時間。
- where:行為發生的地點。
- how:用户參與這個行為的方式(設備型號,版本號等)。
- what:根據行為類型,細化更多情況(商品名稱、價格、數量、query詞等)。
制定事件埋點方案是產品運營的基本技能之一,這裏小編就不做過多的分享了。
簡單總結幾點埋制定埋點方案是常見問題:
埋點的常見問題一:思路不清,事無鉅細。
問題現象:什麼都想埋點,導致上線時間晚,且埋點過多對產品負擔較大,影響用户體驗。
避免建議:
- 從重點出發:如從北極星指標,增長模型和重要問題出發,規劃埋點計劃。
- 從問題出發:帶着需要解決的問題和分析目標,通過數據解讀進行埋點規劃。
埋點的常見問題二:事件命名格式不統一
- 問題現象:同一個事件,存在多個名字。因為版本迭代導致前後版本命名不同等。
- 避免建議:統一規定事件結構和命名規範,做好文檔管理,定期更新。
埋點的常見問題三:錯過重要的事件或屬性
- 問題現象:因為突發情況導致的某路徑或環節數據異常,但未針對這個路徑進行埋點。
- 避免建議:埋點前,從問題出發:想清楚為了回答哪些問題,要追蹤哪些事件,事件需要哪些分支路徑和環節。發現錯漏後,逐漸補齊。
埋點方案常常分為前端(客户端)埋點和後端(服務器端)埋點兩類方向。
前端埋點:主要是記錄用户端操作行為,如點擊事件,頁面打開事件等。
- 埋點方法:通過客户端代碼進行埋點。
- 優點:真實記錄產品內用户行為和路徑,不需要請求服務器數據。
- 缺點:不能記錄業務結果,網絡加載慢時,可能導致數據不完整,更新埋點時需要進行版本更新,界面視覺交互修改時,可能需要更新對應埋點。
後端埋點:主要記錄用户特徵變化及前端操作導致的業務結果,如付款成功,交易失敗等。
- 埋點方法:通過從接口調用後端數據。
- 優點:實時性好,產品界面改變不需更新埋點。能夠收集不在APP內發送的行為,記錄最終的結果,數據相對更準確。
- 缺點:不能收集不需調用接口請求服務器的數據。例如用户的按鈕點擊事件。
小編在此通過一個攜程的登錄頁面埋點來簡要説明一下如何埋點。
因對登錄功能進行埋點,所以需要記錄如下信息:
行為(event):
- 註冊流程各個節點的轉化率。
- 第三方登錄流程各個節點的轉化率。
- 驗證碼登錄流程各個節點的轉化率。
- 密碼登錄流程各個節點的轉化率。
- 密碼找回流程各個節點的轉化率。
- 用户從登錄頁面直接退出的點擊次數
行為的屬性(property):
- who:用户設備ID,用户ID,用户使用的產品版本號,用户手機號的國家號段(國內,國外)。
- when:用户操作各個流程的服務器時間,用户登錄成功的服務器時間。
- how:用户登錄時的產品版本號。
- what:根據行為類型,細化更多情況(商品名稱、價格、數量、query詞等)。
作者&公眾號:楊三季
本文由 @楊三季 原創發佈於人人都是產品經理,未經許可,禁止轉載
題圖來自 Unsplash,基於 CC0 協議