如何用数据驱动产品决策? 举报 理由 举报 取消 1.数据分析的工具是什么?公司自己开发的工具还是第三方工具。就我了解,产品导向的第三方工具主要是mixpanel和诸葛IO ,通过用户属性和应用内事件分析的交叉细分,找到影响新增、活跃、留存和转化的特定的点。2.特指产品功能设计和流程改进等方面的决策,而非运营决策3.用数据驱动产品决策的整个过程是怎么样的? 2017年12月22日 4 条回复 992 次浏览 IO,产品,分析,数据,经理,诸葛
回复 ( 4 )
背景
数据分析的工具很多,例如从角色和部门维度来划分,CEO、产品经理、运营总监需要数据分析的结果是不一样的,从行业维度来看,电商、O2O、社交不同行业对于数据分析的需求也是不一样的,所以你需要 先明确自己的核心需求是什么,找到合适的数据分析平台。
回到“数据驱动产品决策”这个点,你自然要找到的是产品分析平台,产品的核心在于用户行为,所以一定是要基于用户行为的分析平台。对于“百度统计”、“友盟统计”这些平台是流量统计平台,不是基于用户行为的,基本上根据需要分析的维度(环境,设备),然后计数,生成高度汇总的数据报表,并且在持久化过程中只会留下数字,不是以用户为中心进行计算的。而“Mixpanel”和“诸葛io”是基于用户行为驱动的分析平台,所有的分析都是以用户为导向的,存储的是用户的历史行为路径,所以你能根据用户的用户信息和行为条件细分筛选用户群,然后分析和统计。
自己做,需要先解决收集采集数据的问题,然后解决数据处理清洗的问题,再解决数据索引和仓库设计的问题,那么你先要招人,移动开发工程师,服务端工程师,ETL工程师,BI工程师,后端工程师,前端工程师,这个显然已经是很长的周期并且极难的时间了,接下来你要买服务器,开始梳理需求,设计架构和模型,然后开始开发,大概2到4个月的时间,在现在,如果不是大公司,几乎4个月不专注于自己的业务,就会在市场竞争上拖累很多了。
数据驱动产品决策的整个过程不是一个过程,而是一个循环,如下图:
对比现在的大多数产品决策过程,靠猜测和直觉,迭代产品,然后上线后只关注最后的DAU或者留存数字,对于数字更不会去衡量。产品是个黑盒子。
而利用基于用户行为的产品分析工具,至少两方面可以打破这个黑盒子
1. 衡量
对于新增,DAU,留存这些指标,以及数字,可以进行深入的观察和衡量
——新增
例如以诸葛io自己的分析为例,我们和新用户相关的核心功能有:查看DEMO,注册,创建应用,查看文档,接入数据,数据概览。
所以我可以衡量
— 新增用户当天触发各个核心模块的比例转化率怎么样。
— 新增用户在完成查看DEMO,注册,创建应用,数据概览的过程转化率怎么样。
— 新增用户,后续数据概览模块的留存怎么样
……
所以对于市场运营推广获取的新用户,我可以通过上述的转化率和核心功能的留存率进行衡量。
事实上我们的分析还要深入到,例如注册流程优化,查看DEMO销售线索的提升等等。
——DAU/PV
还是以诸葛io为例,我们和活跃用户相关的核心功能有:数据概览,数据报表,漏斗,自定义留存,通知推送等模块
我们可以衡量
—活跃用户这些核心功能的使用情况和占比,可以了解各个模块对用户的价值
—活跃用户在这些核心模块的留存
—活跃用户在各个核心模块里面使用的流程转化率,例如“漏斗功能”——创建漏斗的成功率
如果一个核心功能使用不好,我们会找到背后的原因。
——留存
传统的留存指的是持续观察用户有没有打开应用,我们观察的是用户有没有持续去使用一些核心功能。也就是自定义留存。
例如在诸葛io自己的分析中,我们会选择“接入数据的用户”,观察他们有没有持续“查看数据概览”/“漏斗转化”等等
(内部数据我就不截图了)
所以滴滴打车就可以用诸葛io观察“抢了红包”的用户有没有持续去打车。
2. 洞察
行为路径洞察
洞察在于设计产品时,期望用户会有一些核心功能的转化路径,过去基本上都是pageview,页面访问的统计,现在我们会粒度细化到功能上,可以看到用户的功能路径转化,和期望的是不是一样,也可以看到用户从哪里流失最多。例如:
单个用户洞察
观察单个用户的行为记录,确认其是否使用理解诸葛io的核心功能,并用到了诸葛io的核心价值
比较简要的想到一些点,有时间我会完善这篇文章,出一个更加完整的分析案例。
谢谢邀请
从题主的问题标题和问题描述来看,我觉得可以分为道和术两个部分。
在道的层面,公司自己开发数据平台和使用第三方的平台,其本质并无区别,其核心是准确获取用户的数据指标实现从多个层面对用户或用户群的切分,实现快速、实时、有效的用户数据监控。
在缺乏数据的时代,最难的是有效收集起用户信息,为产品决策决策作出指导,对于用户任何行为的数据信息都成为企业的巨大价值,但在大数据时代,信息的收集和处理不再成为企业的瓶颈,于是有效的整理用户数据就成为重要的工作,如何抽取,整理用户数据,指导产品决策、
在大数据时代,我觉得最难的是设计合理的指标体系,从APP的DAU,PV,留存率,点击率,消费时长等数据,都是产品分析中较为重要的指标。但同时,当产品数据发生较大波动,或者需要合理对技术指标进行拆解,从多个版本,多个维度分析用户数据,因此,快速对用户数据进行拆分是非常重要的,而至于是自己开发,或者采用第三方的系统倒反而成为次要问题了。
回到术的层面,我认为没有最好的方案,要看产品具体的需求,这和产品发展周期和企业大小规模是相关的。当企业较小,产品属于初期时,甚至不需要一个完善的数据决策系统,只需要简单地将产品最核心的指标以及能够跟踪到少数用户的方案做起来就好,因此,这时候,如果有现成的系统可以帮助企业快速实现分析过程,反而是较好的,让企业或部分能力较为充分的用在产品发展上面。
但是当企业较大,或者产品发展较为完善,涉及产品指标或者产品逻辑较多的情况,若是第三方工具无法有效支撑产品数据梳理和指标分析时,则最好根据需求进行自行开发,虽然成本较高,但是更温和需求,统计需求更改迭代更快,更灵活。
欢迎大家来访问数据产品经理的博客
数据分析工具比较宽泛,还可以从不同维度分:1、工具软件,例如spss;2、数据服务,例如GA、诸葛IO;3、内部数据系统,4、专项分析系统,例如基于大数据文本分析等的产品优化系统,从不同维度讲都有相应的数据分析工具。第三方工具或自己开发并不足以划分数据工具,具体的单位还是要根据具体的需求来安排,一般的原则是1、保障数据安全;2、成本最优;3、满足中期需求;
特定产品功能设计,在前期产品需求调研的时候,可能采用问卷调查、市场数据分析、专项分析报告来做相应决策;在产品设计的时候还会确定产品相关指标,比如点击数在后期产品优化的时候,就会根据这些数据来做优化和产品改进。
决策过程,我想起了消费的决策模型(不是漏斗,而是螺旋的),有兴趣可以关注下哦。
适用于硬件。
简单来说,首先确保数据的权威性。然后用做两方面。一方面根据分析得出的市场趋势,指导研发,提新需求,适应市场潮流。另一方面往下,指导营销推广方向,找到自己的优势和盲点,最后还是要将优劣势和产品本身性能联系起来,然后从源头的研发去解决问题。这是本身产品一方。另一方面,通过数据分析能够找到主要竞争对手(如果你的数据能涵盖整个市场)
就工具而言,最常用的是excel数据透视表