設計師需要懂的數據指標與數據分析模型
編輯導語:如今在職場上,除了職業的基本素質之外,我們還需要學習不同的技能助力職業成長,比如設計師在職場上除了設計方面的技能需要掌握,也需要從其他方面進行切入,得出最好的設計方案;本文作者分享了關于設計師需要懂的數據指標與數據分析模型,我們一起來了解一下。
01 設計師為什么要懂數據?
市場現狀不容樂觀,伴隨著紅利(人口、流量)消退,資本寒冬,產品同質化嚴重,市場對設計師提出了更高的要求。
除了審美層面的設計執行還遠遠不夠,設計師需要具備數據眼光,從體驗側和商業側入手,以數據為目標導向,精益設計,實現增長;同時隨著數據方法論的廣泛傳播,設計師有必要將科學的數據模型應用到實際工作中。
02 常見數據指標
1. 什么是數據指標
不是所有的數據都叫指標,指標必須對業務有參考價值。數據指標是針對業務需求,使用收集手段,直接獲得或者間接計算出來的一系列統計數據。
數據指標貫穿整個設計流程,解釋用戶行為和業務變化,為設計提供依據,對結果加以驗證。
2. 常見的數據指標
數據指標繁多,本文加以歸類,便于理解。
我們將常見的數據指標分為3大類:
- 綜合性指標:反映產品的整體情況;
- 流程性指標:反映用戶的使用行為;
- 業務性指標:反映具體業務情況。
3. 活躍用戶
在特定的統計周期內,成功啟動或操作過產品核心功能的用戶(按照設備去重)。
根據統計周期不同,可以分為日活躍(DAU)、周活躍(WAU)、月活躍(MAU)。直接反映了產品的用戶規模,是極為重要的指標;不同產品對應不同的使用頻率,社交產品、資訊產品,如微信、今日頭條等,其KPI考核指標一般都有日活躍用戶數這項。
但對于某些低頻需求和臨時性需求的APP,如旅行、工具產品,則更加關注月活躍數。
4. 新增用戶
安裝應用后,首次成功啟動產品的用戶。按照統計周期不同分為日新增(DNU)、周新增(WNU)、月新增(MNU)。
新增用戶按照設備維度進行去重統計,如果該設備卸載了應用,一段時間后又重新安裝了該應用,且設備未進行重置,再次打開應用,則不被計算為一個新增用戶。
新增用戶數代表公司潛力,在公司起步階段尤其重要,新增用戶量指標主要是衡量營銷推廣渠道效果的最基礎指標。
5. 留存率
用戶在某段時間使用產品,過了一段時間后,仍舊繼續使用,這樣的用戶被稱為留存用戶。
留存率 = 仍舊使用的用戶/ 當初的總用戶量
用戶來了之后,是否能留得住,反映了用戶對產品的滿意度。通常重點關注次日、3日、7日、30日即可,并觀察留存率的衰減程度。
次日留存率:新增用戶在第二天再次成功啟動應用的比例。
7日(周)留存率:新增用戶在第7天再次成功啟動該應用的比例。這個時間段內,用戶通常會經歷一個完整的產品體驗周期,如果這個階段用戶能夠留下來繼續使用產品,則很有可能成為產品的忠實用戶。
30日(月)留存率:新增用戶在第30天再次成功啟動該應用的比例。通常移動端產品的迭代周期為2~4周一個版本,所以月留存率能夠反映出一個版本的用戶留存情況;一個版本的更新,或多或少會影響部分用戶的體驗,所以通過對比月留存率能判斷出每個版本的更新對用戶的影響面積,從而定位到類似問題進行優化。
根據Facebook公司提出的4:2:1理論,次日留存能達到40%,7日留存達20%,30日留存達10%,就是相當不錯的留存指標。
在今天的互聯網行業,留存是比新增和活躍更重要的指標,因為移動端人口紅利沒有了,獲客成本越來越高,競爭也越來越激烈,如何留住用戶比獲得用戶更重要。
6. 人均使用時長
在特定統計時間段內,瀏覽一個頁面或使用整個產品時,用戶所停留的總時間除以該頁面或整個產品的訪問人數。
該數據是分析用戶粘性的重要指標之一,也可以側面反映出網站的用戶體驗。平均訪問時長越短,說明產品對用戶的吸引力越差;例如,抖音的成功離不開強大的用戶黏性,用戶總會不知不覺就消耗了很多時間。這里的商業邏輯是,用戶停留的時間越長,商業轉化的可能性就越大。
當然,對于即用即走的工具型產品不適用,相反,用戶單頁面停留時間長,很有可能是頁面功能模糊,表意不清,用戶花了很長時間去理解怎么用,證明信息傳遞效率低下。
7. GMV(Gross Merchandise Volume)
總成交金額,指的是拍下訂單金額, 包含已付款、未付款、取消訂單、退貨的部分,即一旦生成訂單號,就算在GMV內。
實際訂單可能全部支付,所以GMV肯定大于實際銷售額,因此經常看到報道都是用GMV來展示平臺規模。
8. 人均客單價(ARPU)
每個用戶平均收入——ARPU=總收入GMV/支付UV。
用戶數可以是總平均在線用戶數、付費用戶數或是活躍用戶數,不同產品標準可能存在差異;ARPU可以再一步細分,當普通用戶占比太多,往往會取每付費用戶數作為分母,來計算ARPU。
ARPU的高低沒有絕對的好壞之分,分析的時候需要有一定的標準;高客單價行業,如一些奢侈品行業,就非常關心這個指標,付費用戶數雖然不多,但是個體消費能力極強。
9. PV(頁面瀏覽量)
用戶每一次對頁面訪問均被記錄1次,多次訪問,訪問量累計。理論上PV與來訪者數量成正比,但是它不能精準指向頁面的真實訪問數;比如同一個IP地址通過不斷的刷新頁面,就可以制造出非常高的PV。
10. UV(獨立訪客人數)
訪問網站的一個IP地址為一個訪客,固定時段內,相同的客戶端只被計算一次;使用獨立用戶數作為統計量,可以更加精準地了解某時間段內,實際上有多少個訪問者來到了相應的頁面。
11. 轉化率
在一個統計周期內,完成轉化行為的次數占總點擊/曝光次數的比率。轉化率=(轉化次數/點擊量)×100%。
以用戶登錄行為舉例,如果每100次訪問中,有10個登錄網站,那么此網站的登錄轉化率就為10%,而最后有2個用戶關注了商品,則關注轉化率為2%,有一個用戶產生訂單并付費,則支付轉化率為1%。
轉化率是產品盈利的重要指標之一,它直接反映了產品的盈利能力。
不同行業的轉化率,關注點也不同,比如電商產品就要關注銷售轉化,看看參與活動的用戶當中有多少是在活動后產生支付的,有需要的還可以根據數據分析出人均購買次數和購買金額;再比如我們監測注冊量,就要關注注冊轉化率,看看這個活動給產品帶來了多少新增用戶;所以轉化率可以針對性分析產品在哪些方面做的不足,可以快速定位到問題點。
12. 流失率
曾經使用過產品,由于各種原因不再使用產品的用戶??梢岳斫鉃榱舸媛实姆疵?,流失率高即留存率低。次日、7日、30日的流失率也是需要關注的。
對于流失用戶的界定依照產品類型的不同而不同,對于使用頻率高的產品,如社交類產品,用戶應該每天都會多次打開,此類產品的用戶未登錄超過1個月,我們就可以認為用戶可能已經流失了。
極端案例,如婚慶類產品,用戶的打開頻率相當低,所以不是每個產品都有固定的流失期限,而是根據產品屬性判斷。
設計師和產品經理需要找到流失的異常數據,定位流失用戶的原因,并在下個版本中修復產品中存在的問題;甚至還可以定位到流失的具體用戶ID,通過當時用戶注冊的個人信息進行跟進。
13. 跳出率 BR(Bounce Bate)
用戶來到落地頁后,沒有進行操作就直接離開的比例,是評估落地頁對用戶是否有吸引力的關鍵指標;跳出率高,原因可能是產品/活動本身不夠吸引,也可能是此類用戶本身就不是產品的目標群體。
14. 退出率 ER(Exit Rate)
指該頁面是會話中“最后一頁”的瀏覽量占該網站瀏覽量的百分比。
退出率=當頁退出次數/會話總訪問量*100%
退出率反映了網站對用戶的吸引力,如果退出百分比很高,說明用戶僅瀏覽了少量的頁面便離開了,因此需要改善網站的內容來吸引用戶,解決用戶的內容訴求。
15. 訪問深度
顧名思義,用戶對產品的訪問深度(產品流程的完成程度)。
16. 功能使用率
除了關注活躍用戶,也應該關注產品上的重要功能。如收藏,點贊,評論等,這些功能關系產品的發展以及用戶使用深度。
功能使用率也是一個很寬泛的概念,譬如用戶瀏覽了一篇文章,那么瀏覽中有多少用戶評論了,有多少用戶點贊了,便能用點贊率和評論率這兩個指標表達;又譬如視頻網站,核心的功能使用率就是視頻播放量和視頻播放時長。
17. 啟動次數
即統計時間段內,用戶打開應用的次數;重點關注人均啟動次數,結合使用時長可進行分析。
用戶主動關閉應用或應用進入后臺超過30s,再返回或打開應用時,則統計為兩次啟動,啟動次數主要看待頻數分布情況。
18. 使用時長
統計時間段內,某個設備從啟動應用到結束使用的總計時長。一般按照人均使用時長、次均使用時長、單次使用時長進行分析,衡量用戶產品著陸的粘性,也是衡量活躍度,產品質量的參考依據。
19. 使用間隔
用戶上次使用應用的時間與再次使用時間的時間差。使用頻數分布,觀察應用對于用戶的粘性,以及運營內容的深度;雖然是使用間隔,但是通過計算同一設備,先后兩次啟動的時間差,來完成使用間隔統計,充分考慮應用周期性和碎片化使用的特征。
20. 付費率
愿意付費用戶在所有用戶中的占比,視頻行業、電商行業等用戶付費意愿較強,而一些工具類的APP就比較尷尬,苦于找不到收費模式;或者現有的收費模式用戶不買賬,自然付費率就很低,如墨跡天氣和萬能鑰匙等。
21. 復購率
若把復購率說成營收屆的留存率,你就會知道它有多重要了。和新增用戶一樣,獲得一個新付費用戶的成本已經高于維護熟客的成本。
在不少分析場景中,會將首單用戶單獨拎出來作為一個標簽,將兩次消費以上的用戶作為老客。用戶第一次消費,可能是為了體驗產品,可能因為是優惠推動促成了首次付費;而第二次付費難度會大大提高,第二次付費的成交率也會有斷崖式下跌(相比于次日留存),非首單付費意味著用戶對產品產生真實認可和強大信任。
22. 退貨率
退貨率是一個風險指標,越低的退貨率一定越好,它不僅直接反應財務水平的好壞,也關系用戶體驗和用戶關系的維護。
03 數據的獲取方式
數據主要有3種獲取方式:
- 二手資料數據:別人的調研結果;
- 問卷調研數據:收集用戶“說的話”;
- 應用埋點數據:看到用戶“做的事”。
1. 二手資料數據
目標資訊:
行業數據、競品數據。
包括:商業交易數據、用戶群的態度和意愿、用戶輿論指數、競品的用戶規模和盈利狀況等;市場數據,立項期對產品方向有一定指導意義、了解市場、差異化定位。
獲取手段:
百度指數、企鵝智酷、艾瑞、尼爾森、各大科技資訊平臺。
2. 問卷調研數據:收集用戶“說的話”
向目標用戶發放問卷并收集,進行數據整理和分析。
信息重點為用戶自述的歷史行為、主觀態度或評價;舉例,如用戶滿意度查詢、流失用戶原因調查等;本質是建立假設-使用抽樣調查的統計方式-得到用戶自述的答案。
常用指標:NPS(Net Promoter Score)推薦凈值。
以一個簡單問題,衡量顧客對企業品牌/商品的忠誠度,“0-10分,你會有多大意愿推薦我們的產品或服務給你的親朋好友?”,0-6分叫貶損者,7-8分叫中立者,9-10分叫推薦者,推薦者的比例減去你的詆毀者比例,就是一家企業的NPS。
從這個數值可以看出企業的客戶當中推薦者和批評者哪一方比較多,分數為正表示愿意持續購買、加購或是做口碑的客戶占多數,也就是所謂的忠誠客,那么企業會有正向成長,反之亦然。
3. 應用埋點數據:看到用戶“做的事”
定義:在產品中植入代碼,設定觸發條件,當滿足條件時,記錄日志,獲得用戶行為數據;實際操作中,觸發條件的設定至關重要,需要定義數據指標,跟開發提前溝通。
- 曝光埋點:捕捉頁面被展示的次數,可以針對整個頁面,或者頁面中的某個區域。如,常說的PV、UV。
- 操作埋點:用戶對頁面的某個區域進行手勢操作時,打點記錄。對應,也稱之為某個操作的PV、UV。
- 時長埋點:標記以上兩類埋點并計算時間差獲得。如計算頁面停留時長可以通過,離開頁面的時間t1-進入頁面的時間t2獲得;離開的定義:點擊頁面左上角返回或點擊頁面具體模塊跳轉到次級頁面。
基于以上3種原始數據,可以計算出:點擊率、功能滲透率、人均點擊次數、人均使用時長等具有對比價值的數據。
相比二手資料和問卷調研,賣點數據更加貼合用戶真實的表現,靈敏度高、可挖掘性強、客觀衡量指標幫助迭代。
04 數據分析方法
1. 行為事件分析
研究某行為事件的發生對企業的影響以及影響程度,企業借此來追蹤或記錄的用戶行為或業務過程,如用戶注冊、瀏覽產品詳情頁、成功投資、提現等,通過研究與事件發生關聯的所有因素來挖掘用戶行為事件背后的原因、交互影響等。
根據實際工作情況而關注不同的事件指標。
2. 漏斗分析
是一套流程分析,它能夠科學反映用戶行為狀態以及從起點到終點各階段用戶轉化率情況的重要分析模型。
一般的用戶購物路徑為激活APP、注冊賬號、進入直播間、互動行為、禮物花費五大階段,漏斗能夠展現出各個階段的轉化率,通過漏斗各環節相關數據的比較,能夠直觀地發現和說明問題所在,從而找到優化方向。
價值:
- 監控用戶在各個層級的轉化情況,全流程中最有效轉化路徑;同時找到可優化的短板,提升用戶體驗;
- 多維度切分與呈現用戶轉化情況,成單瓶頸無處遁形;
- 不同屬性的用戶群體漏斗比較,從差異角度窺視優化思路。
注意點:
步驟間的流失不可避免,步驟越多,流失越多;縮減步數,在漏斗分析層面有利于減少流失率。
但是根據復雜度守恒原則,每步的復雜度上升,會帶來用戶體驗的下降;因此,路徑的步數和頁面復雜度之間需要找到一個平衡。用最終轉化率(完成率)來衡量效果。
3. 留存分析
是一種用來分析用戶參與情況/活躍程度的分析模型,考察進行初始行為的用戶中,有多少人會進行后續行為;這是用來衡量產品對用戶價值高低的重要方法,可以反映產品的整體留存或某個功能模塊的留存。
4. 對比分析
注意控制變量,如果一段時間內產品的日活突然大幅提升,原因可能有很多:改版、熱點事件相關、運營推廣等等,只有在其他條件都一致的情況下,才能衡量某一具體條件對結果產生的影響。
05 數據分析模型
1. HEART模型
- 參與度,指的是被動形式的用戶行為,包括用戶活躍度和曝光UV、PV等。反應了對使用產品的意愿。
- 接受度,側重主動形式的用戶行為,如對某功能的使用。
- 留存度,一段時間內,連續活躍的用戶,可以視為留存用戶或忠實用戶,這些用戶是促成產品盈利的關鍵因素。
- 任務完成度,核心功能環節的完成情況。
- 愉悅度,用戶在使用產品時的主觀情感之和。常體現在用戶評價中。
2. AARRR模型
- 拉新,了解并定位目標用戶人群,盡可能將其引流吸收至自家產品。落地頁是設計關鍵點,需要明確傳達產品的核心價值,短時間內吸引用戶。
- 激活,吸收新用戶之后,需要在一段時間內引導用戶再次使用產品?;钴S度對應的兩個關鍵指標是平均使用時長和平均每日啟動次數。
- 提高留存率,產品是否能真實地留住用戶,反應了用戶對產品的粘性。
- 變現,通過一些手段從用戶身上取得營收。
- 傳播,通過提升用戶體驗或者裂變獎勵等手法,激勵用戶將產品分享給朋友。
提升活躍與留存4種方式:
- 有效觸達,喚醒用戶:指的是通過手機PUSH、短信和微信公眾號等能夠觸達到用戶,喚醒沉睡用戶啟動APP的方式,是提升留存的非常有效的方法之一。如游戲老用戶短信召回,電商老用戶召回,召回肯定是有成本的,所以要根據用戶以往行為,進行分析定為,找到召回率最高的那部分用戶,(如RFM模型定為核心用戶)。
- 搭建激勵體系,留存用戶:好的激勵體系,可以讓平臺健康持續發展,讓用戶對平臺產生粘性,對提升留存非常有效。通常使用的激勵方式有成長值會員體系、簽到體系、積分任務體系。
- 豐富內容,增加用戶在線時長:這點游戲產品做的非常好,各種玩法活動本身就吸引用戶投入時間成本,游戲又不斷強化社交屬性,更增加用戶粘度與成本投入。
- 數據反推,找到你的關鍵點:比如知乎,評論超過3次,用戶就會留存下來,很難流失。比如有些游戲產品,一旦玩家跨過某個等級就就很難流失。這些都是你需要通過數據分析才能找到的關鍵節點。
3. RARRA模型
與AARRR模型側重不同,RARRA模型更加側重產品本身,不著急獲客,先把產品做好,營造好口碑,確保用戶有好的使用體驗,讓用戶自愿傳播產品。
部分產品通過邀請碼的形式,來打造圈層感。相比于側重拉新的AARRR模式來說,RARRA模式更加穩健保守,在運營側投入較少。
RARRA模型強調用戶運營,以精細化運營帶動二次購買、交叉銷售和拉新獲客。
06 小結
1. 數據的作用
- 監控產品,發現問題:通過數據埋點監測,實時監測產品狀況,為改版提供方向和參考。
- 驗證設計:通過定性、定量手段,衡量改版效果。
- 發掘機會點,助力增長:發現新的商業機會和產品爆發點,著力用戶、數據增長。
2. 成為一名解決產品問題的設計師
隨著行業發展,設計師需要具備的素養越來越高。單純設計執行已經不能滿足日常工作需要,越來越多的崗位需要設計師具備數據思維。
設計師除了保證審美在線之外,更要理解設計的來源與驗證,讓設計更加理性。
感謝閱讀。
本文由 @doo_W 授權發布于人人都是產品經理,未經許可,禁止轉載
題圖來自?Unsplash,基于 CC0 協議
respect
用戶運營建模
Respect?????♀?
respect!
repost?
Respect
??