想成為數(shù)據(jù)產(chǎn)品經(jīng)理,先掌握這些數(shù)據(jù)分析方法論

20 評(píng)論 62837 瀏覽 488 收藏 13 分鐘

一個(gè)優(yōu)秀的數(shù)據(jù)產(chǎn)品經(jīng)理必須要具備各種技能, 要了解自己的用戶,明晰用戶的核心需求,而最重要的是一定要掌握數(shù)據(jù)分析技能、會(huì)用數(shù)據(jù)分析工具。讓我們通過(guò)文章來(lái)看看:有哪些實(shí)用的數(shù)據(jù)分析方法吧。

產(chǎn)品經(jīng)理的概念在不斷泛化。近些年來(lái),隨著互聯(lián)網(wǎng)行業(yè)的發(fā)展,越來(lái)越多的企業(yè)意識(shí)到了大數(shù)據(jù)和精細(xì)化運(yùn)營(yíng)的重要性,為了更好地挖掘數(shù)據(jù)的價(jià)值,指導(dǎo)業(yè)務(wù)的優(yōu)化和發(fā)展,數(shù)據(jù)產(chǎn)品經(jīng)理應(yīng)運(yùn)而生,他們基于數(shù)據(jù)分析方法發(fā)現(xiàn)問(wèn)題,并提煉關(guān)鍵要素,設(shè)計(jì)產(chǎn)品來(lái)實(shí)現(xiàn)商業(yè)價(jià)值。

雖為產(chǎn)品經(jīng)理,但要真正解決核心問(wèn)題,不免要在前期和中期進(jìn)行大量的數(shù)據(jù)分析工作,那么,實(shí)用的數(shù)據(jù)分析方法有哪些呢?

一、業(yè)務(wù)分析類

1.1?杜邦分析法

杜邦分析法目前主要用于財(cái)務(wù)領(lǐng)域,通過(guò)財(cái)務(wù)比率的關(guān)系來(lái)分析財(cái)務(wù)狀況,其核心要點(diǎn)是將一個(gè)大的問(wèn)題拆分為更小粒度的指標(biāo),以此了解問(wèn)題出在了哪兒,從而對(duì)癥下藥。

以電商行業(yè)為例,GMV(網(wǎng)站成交金額)是考核業(yè)績(jī)最直觀的指標(biāo),當(dāng)GMV同比或環(huán)比出現(xiàn)下滑時(shí)候,需要找到影響GMV的因素并逐一拆解。

GMV下降如果是因下單用戶減少所造成的,那么是訪客數(shù)(流量)減少了,還是轉(zhuǎn)化率下降了呢?如果是訪客數(shù)減少了,那是因?yàn)樽匀涣髁繙p少了,還是因?yàn)闋I(yíng)銷流量不足?

如果是自然流量下降的話,可能需要在用戶運(yùn)營(yíng)和產(chǎn)品運(yùn)營(yíng)端發(fā)力,如果是營(yíng)銷流量不足,那么可以通過(guò)營(yíng)銷活動(dòng)或者站外引流的形式增加曝光量。

同樣,如果是轉(zhuǎn)化率的問(wèn)題,那么需要對(duì)用戶進(jìn)行細(xì)分,針對(duì)不同階段的用戶采取不同的運(yùn)營(yíng)策略,關(guān)于用戶的部分,這里不做贅述,有興趣的朋友可以關(guān)注后面的文章。

最后,如果是因?yàn)榭蛦蝺r(jià)不高,那么需要進(jìn)行定價(jià)及促銷的方案優(yōu)化,比如識(shí)別具有GMV提升潛力的商品進(jìn)行定價(jià)優(yōu)化,評(píng)估當(dāng)前促銷的ROI,針對(duì)選品、力度和促銷形式進(jìn)行優(yōu)化。同時(shí)通過(guò)關(guān)聯(lián)商品的推薦或商品套裝促銷的形式,激發(fā)用戶購(gòu)買多件商品,也可以有效提高客單價(jià)。

1.2?同比熱力圖分析法

同比熱力圖分析法這個(gè)名稱是我自己造的,其實(shí)無(wú)非是把各個(gè)業(yè)務(wù)線的同比數(shù)據(jù)放到一起進(jìn)行比較,這樣能更為直觀地了解各個(gè)業(yè)務(wù)的狀況。

構(gòu)建一張同比熱力圖大致需要三步:

  1. 按照杜邦分析法將核心問(wèn)題進(jìn)行拆解,這里仍以電商為例,我們將GMV拆成了流量、轉(zhuǎn)化率、商品均價(jià)和人均購(gòu)買量,即GMV=流量*轉(zhuǎn)化率*商品均價(jià)*人均購(gòu)買量;
  2. 計(jì)算每個(gè)業(yè)務(wù)各項(xiàng)指標(biāo)的同比數(shù)據(jù);
  3. 針對(duì)每一項(xiàng)指標(biāo),對(duì)比各業(yè)務(wù)的同比高低并設(shè)定顏色漸變的條件格式,以上圖中的轉(zhuǎn)化率同比為例,業(yè)務(wù)5轉(zhuǎn)化率同比最高,為深橙底色,業(yè)務(wù)3轉(zhuǎn)化率同比最低且為負(fù)值,因此設(shè)定為藍(lán)色底色加紅色字體。

通過(guò)同比熱力圖的分析,首先,可以通過(guò)縱向?qū)Ρ攘私鈽I(yè)務(wù)自身的同比趨勢(shì),其次,可以通過(guò)橫向?qū)Ρ攘私庾陨碓谕悩I(yè)務(wù)中的位置,此外,還可以綜合分析GMV等核心指標(biāo)變動(dòng)的原因。

除了電商業(yè)務(wù)的分析以外,同比熱力圖同樣適用于互聯(lián)網(wǎng)產(chǎn)品數(shù)據(jù)指標(biāo)的監(jiān)控及分析,該分析方法的關(guān)鍵點(diǎn)在于拆解核心指標(biāo),在本文后面的產(chǎn)品運(yùn)營(yíng)類方法中將會(huì)介紹相關(guān)指標(biāo)的拆解方法。

1.3?類BCG矩陣

BCG矩陣大家都非常熟悉了,以市場(chǎng)占有率和增長(zhǎng)率為軸,將坐標(biāo)系劃分為四個(gè)象限,用于判斷各項(xiàng)業(yè)務(wù)所處的位置。

這里想講的并非傳統(tǒng)的BCG矩陣,而是BCG矩陣的變陣,或者叫類BCG矩陣。

根據(jù)不同的業(yè)務(wù)場(chǎng)景和業(yè)務(wù)需求,我們可以將任意兩個(gè)指標(biāo)作為坐標(biāo)軸,從而把各類業(yè)務(wù)或者用戶劃分為不同的類型。

比如可以以品牌GMV增長(zhǎng)率和占有率構(gòu)建坐標(biāo)系,來(lái)分析各品牌的狀況,從而幫助業(yè)務(wù)方了解到哪些品牌是未來(lái)的明星品牌,可以重點(diǎn)發(fā)力,哪些品牌處于弱勢(shì)且增長(zhǎng)匱乏,需要優(yōu)化品牌內(nèi)的產(chǎn)品布局。

除此之外,我們還可以根據(jù)以下場(chǎng)景構(gòu)建類BCG矩陣:

  • 分析商品引流能力和轉(zhuǎn)化率:流量份額-轉(zhuǎn)化率
  • 分析商品對(duì)毛利/GMV的貢獻(xiàn):毛利率-銷售額
  • 基于RFM分析用戶的價(jià)值:訪問(wèn)頻率-消費(fèi)金額

按照上述方法,大家可以根據(jù)需求大開(kāi)腦洞,按照一定標(biāo)準(zhǔn)對(duì)研究對(duì)象進(jìn)行分類分析。

二、用戶分析類

2.1 TGI指數(shù)

在分析用戶時(shí),通常的做法是將目標(biāo)用戶進(jìn)行分類,然后對(duì)比各類用戶與總體之間的差異性,TGI指數(shù)提供了一個(gè)很好的方法,來(lái)反映各類用戶群體在特定研究范圍(如地理區(qū)域、人口統(tǒng)計(jì)、媒體偏好等)內(nèi)的強(qiáng)勢(shì)或弱勢(shì)。

TGI指數(shù)=用戶分類中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例*100

比如在分析用戶的年齡段時(shí),可以通過(guò)TGI指數(shù)對(duì)比各用戶分類與總體在各年齡段的差異,設(shè)用戶分類1中16-25歲的用戶占比為4%,而總體中16-25歲的用戶占比為8.3%,那么用戶分類1在16-25歲用戶中的TGI指數(shù)為4%/8.3%*100=48。依照這一方法,我們可以對(duì)各類用戶在各年齡段的TGI指數(shù)進(jìn)行對(duì)比。

如上圖所示,各類目標(biāo)用戶在16-25歲這個(gè)年齡段的占比都比總體?。═GI指數(shù)<100),其中分類1的用戶年齡偏大,因?yàn)樵擃愑脩粼?6歲以上各個(gè)年齡段的TGI指數(shù)都明顯高于100,且同時(shí)高于其他三類用戶。

當(dāng)前在互聯(lián)網(wǎng)領(lǐng)域,除了用戶實(shí)名數(shù)據(jù)以外,其他用戶的畫(huà)像維度一般都通過(guò)建立模型進(jìn)行判斷,因此無(wú)法完全保證準(zhǔn)確性,但不同于小樣本調(diào)研,大數(shù)據(jù)分析是能容忍一定數(shù)據(jù)誤差的,不過(guò),這一切都要建立在對(duì)比的基礎(chǔ)上。

所以,在分析用戶畫(huà)像時(shí),需要根據(jù)場(chǎng)景進(jìn)行用戶分類,并對(duì)比各類用戶與總體間的差異,這樣才能保證分析結(jié)果的可信性和適用性,而TGI指數(shù)就是很好的對(duì)比指標(biāo)。

2.2 LRFMC模型

RFM模型是客戶關(guān)系管理中最常用的模型,但這一模型還不夠完善,比如對(duì)于M(Money),即消費(fèi)金額相等的兩個(gè)用戶而言,一個(gè)是注冊(cè)兩年的老用戶,一個(gè)是剛注冊(cè)的新用戶。對(duì)于企業(yè)來(lái)說(shuō),這兩個(gè)用戶的類型和價(jià)值就完全不同,因此我們需要更全面的模型。

LRFMC模型提供了一個(gè)更完整的視角,能更全面地了解一個(gè)用戶的特征,LRFMC各個(gè)維度的釋義如下:

  • L(lifetime):代表從用戶第一次消費(fèi)算起, 至今的時(shí)間,代表了與用戶建立關(guān)系的時(shí)間長(zhǎng)度,也反映了用戶可能的活躍總時(shí)間。
  • R(Recency):代表用戶最近一次消費(fèi)至今的時(shí)間長(zhǎng)度,反映了用戶當(dāng)前的活躍狀態(tài)。
  • F(Frequency):代表用戶在一定時(shí)間內(nèi)的消費(fèi)頻率,反映了用戶的忠誠(chéng)度。
  • M(Monetary):代表用戶在一定時(shí)間內(nèi)的消費(fèi)金額,反映了用戶的購(gòu)買能力。
  • C(CostRatio):代表用戶在一定時(shí)間內(nèi)消費(fèi)的折扣系數(shù),反映了用戶對(duì)促銷的偏好性。

以去哪兒的業(yè)務(wù)為例,通過(guò)LRFMC模型可以綜合分析用戶的習(xí)慣偏好和當(dāng)前狀態(tài),從而指導(dǎo)精準(zhǔn)營(yíng)銷方案的實(shí)施。

  • L(lifetime):用戶來(lái)多久了?
  • R(Recency) :用戶最近是否有消費(fèi),如果來(lái)了很長(zhǎng)時(shí)間都未消費(fèi),是否需要進(jìn)行喚醒?
  • F(Frequency) :用戶出行的頻率如何,如果是固定周期出行,是否應(yīng)該進(jìn)行復(fù)購(gòu)提醒?
  • M(Monetary) :用戶的消費(fèi)金額是多少,是單價(jià)高(購(gòu)買頭等艙),還是頻次高?
  • C(CostRatio):用戶對(duì)折扣的偏好如何,是為用戶增加權(quán)益還是降價(jià)促銷?

三、產(chǎn)品運(yùn)營(yíng)類

產(chǎn)品運(yùn)營(yíng)是一個(gè)長(zhǎng)期的過(guò)程,需要定期對(duì)產(chǎn)品的使用數(shù)據(jù)進(jìn)行監(jiān)控,以便發(fā)現(xiàn)問(wèn)題,從而確定運(yùn)營(yíng)的方向,同時(shí)也可以用于評(píng)估運(yùn)營(yíng)的效果。

產(chǎn)品運(yùn)營(yíng)的常用指標(biāo)如下:

  1. 使用廣度:總用戶數(shù),月活;
  2. 使用深度:每人每天平均瀏覽次數(shù),平均訪問(wèn)時(shí)長(zhǎng);
  3. 使用粘性:人均使用天數(shù);
  4. 綜合指標(biāo):月訪問(wèn)時(shí)長(zhǎng)=月活*人均使用天數(shù)*每人每天平均瀏覽次數(shù)*平均訪問(wèn)時(shí)長(zhǎng)。

產(chǎn)品所處階段不同,運(yùn)營(yíng)的側(cè)重點(diǎn)也會(huì)有所不同。在產(chǎn)品初期,核心的工作是拉新,應(yīng)該更加關(guān)注產(chǎn)品的使用廣度,而產(chǎn)品的中后期,應(yīng)該更加注重使用深度和使用粘性的提升。

對(duì)于不同的產(chǎn)品也需根據(jù)產(chǎn)品的性質(zhì)來(lái)確定核心指標(biāo),比如,對(duì)于社交類產(chǎn)品,使用廣度和使用粘性至關(guān)重要,而對(duì)于一些中臺(tái)分析類產(chǎn)品,提升使用深度和使用粘性更有意義。

四、結(jié)語(yǔ)

在一款數(shù)據(jù)產(chǎn)品誕生前,應(yīng)該是先有數(shù)據(jù),再有分析,然后才是產(chǎn)品,分析的廣度和深度直接決定了產(chǎn)品的定位和價(jià)值。

如果是做一款數(shù)據(jù)報(bào)表類的產(chǎn)品,那么需要了解核心指標(biāo),并建立綜合指標(biāo)的評(píng)估體系。如果是做一款分析決策類產(chǎn)品,那么還需要基于業(yè)務(wù)需求,將現(xiàn)有數(shù)據(jù)指標(biāo)進(jìn)行解構(gòu)再重構(gòu)。

以上內(nèi)容僅僅是提供了一些基礎(chǔ)工具和思考方向,數(shù)據(jù)產(chǎn)品經(jīng)理是一個(gè)新興的分支,目前還沒(méi)有成熟的學(xué)習(xí)體系,未來(lái)還需繼續(xù)深入淺出,和大家共同成長(zhǎng)。

 

作者:Mr.墨嘰,公眾號(hào):墨嘰說(shuō)數(shù)據(jù)產(chǎn)品

本文由 @Mr.墨嘰 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載

題圖來(lái)自 Unsplash ,基于 CC0 協(xié)議

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 大家期待已久的《數(shù)據(jù)產(chǎn)品經(jīng)理實(shí)戰(zhàn)訓(xùn)練營(yíng)》終于在起點(diǎn)學(xué)院(人人都是產(chǎn)品經(jīng)理旗下教育機(jī)構(gòu))上線啦!

    本課程非常適合新手?jǐn)?shù)據(jù)產(chǎn)品經(jīng)理,或者想要轉(zhuǎn)崗的產(chǎn)品經(jīng)理、數(shù)據(jù)分析師、研發(fā)、產(chǎn)品運(yùn)營(yíng)等人群。

    課程會(huì)從基礎(chǔ)概念,到核心技能,再通過(guò)典型數(shù)據(jù)分析平臺(tái)的實(shí)戰(zhàn),幫助大家構(gòu)建完整的知識(shí)體系,掌握數(shù)據(jù)產(chǎn)品經(jīng)理的基本功。

    學(xué)完后你會(huì)掌握怎么建指標(biāo)體系、指標(biāo)字典,如何設(shè)計(jì)數(shù)據(jù)埋點(diǎn)、保證數(shù)據(jù)質(zhì)量,規(guī)劃大數(shù)據(jù)分析平臺(tái)等實(shí)際工作技能~

    現(xiàn)在就添加空空老師(微信id:anne012520),咨詢課程詳情并領(lǐng)取福利優(yōu)惠吧!

    來(lái)自廣東 回復(fù)
  2. 關(guān)注了作者的公眾號(hào),寫(xiě)的真的太棒了,希望作者成為高產(chǎn)小王子

    來(lái)自浙江 回復(fù)
    1. 謝謝關(guān)注,最近有些忙,產(chǎn)量太低,爭(zhēng)取近期出一篇

      回復(fù)
  3. 頂~

    來(lái)自北京 回復(fù)
  4. 自然流量和營(yíng)銷流量有什么區(qū)別?

    來(lái)自上海 回復(fù)
    1. 其實(shí)是對(duì)流量進(jìn)行了歸類,用戶自發(fā)通過(guò)搜索等途徑來(lái)的就是自然流量,通過(guò)廣告或活動(dòng)頁(yè)等渠道過(guò)來(lái)的就屬于營(yíng)銷流量。

      來(lái)自北京 回復(fù)
    2. 謝謝!

      來(lái)自上海 回復(fù)
  5. TGI指數(shù)小代表什么

    來(lái)自北京 回復(fù)
    1. 比如 游戲玩家中,女性占比30%,而總體人群中女性占比50%,那么游戲玩家在女性用戶中的TGI指數(shù)就會(huì)比較小

      來(lái)自北京 回復(fù)
    2. 表示目標(biāo)用戶群的某種特性低于平均水平,大小的尺度以100作為參考

      來(lái)自北京 回復(fù)
  6. 4%/8.3%確定不是0.48?

    回復(fù)
    1. 哦,乘了100

      回復(fù)
    2. 哈哈,指數(shù)嘛,一般都乘100,不用百分比

      回復(fù)
    3. 不過(guò)確實(shí)寫(xiě)錯(cuò)了,應(yīng)該加個(gè)乘以100

      回復(fù)
  7. 類BCG矩陣,怎么理解

    來(lái)自廣東 回復(fù)
    1. 就是用類似BCG矩陣的方法構(gòu)建其他維度的坐標(biāo)系

      回復(fù)
  8. 公眾號(hào):墨嘰說(shuō) 歡迎一起交流學(xué)習(xí)~

    來(lái)自北京 回復(fù)
    1. 大哥,公眾號(hào)搜不到啊

      回復(fù)
    2. sorry,全稱是:墨嘰說(shuō)數(shù)據(jù)產(chǎn)品

      來(lái)自北京 回復(fù)