产品数据分析入门看这一篇就够
Posted 长风万里张三刀
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了产品数据分析入门看这一篇就够相关的知识,希望对你有一定的参考价值。
本文分2部分:概念介绍、分析思路。
概念介绍
对于一个互联网产品的数据分析模式,随着其渠道的多样化、结构的多样化、以及用户行为的多样化,我们从传统的PV模型(页面访问模型)到现在的Event模型(事件驱动模型)只用了短短几年,但是仍然可以用一句话概括:一切数据都是为了商业目的。所以当一个产品上线后,要逐渐转入数据驱动的模式。
我们讲精益创业就是以最小化产品的模式开发,数据驱动也一样,让每一个数据说话,是数据分析的作用,让每一次数据分析都产生盈利是它的终极目标,通过每一个数据的反馈,来精准把控产品的方向、运营的方向。
我们通过总结,形成了比较有效的分析模型,比如著名的AARRR模型——用户获取(Acquisition)、活跃度(Activation)、留存(Retention)、收入(Revenue)、传播(Referral)。
具体我们可以来看看有哪些分析指标
用户获取
下载量:已下载应用的用户数量,以及应用商店排名和评分,较高的排名和评分会刺激更多用户下载应用
激活率:移动应用的激活设备数占下载设备数的比率
新增设备数:如果设备是首次激活应用,那么这个设备就是新增设备。
新增用户数:游客或是注册一个新的账号,都算作是新增用户
用户获取成本:获取一个用户所需要的费用
活跃度
日活跃用户数
月活跃用户数
活跃系数:日活跃用户数/月活跃用户数
平均使用/在线时长:平均每个用户一天使用的应用时间
功能使用率:使用某功能的用户数占活跃用户的比例
页面访问率:访问某页面的用户数站活跃用户的比例
留存
通常是指在某一统计时段内的新增用户数中再经过一段时间后仍启动该应用的用户比例。
次日留存率
3日留存率
7日留存率
15日留存率
30日留存率
收入
收入总金额
付费总人数
首次付费时间:用户激活后多久才会开始付费,有助于把握转化用户的时间点
付费用户比例:付费用户占总用户的比例
用户平均月收入:月收入/用户总数
付费用户平均月收入:月收入/付费用户总数
传播
用户自发性的传播行为
分享数
邀请数
传染病学中有个K-factor因子,引申到营销学中,就是病毒式营销。K因子的计算公式不算复杂,K = (每个用户向他的朋友们发出的邀请的数量) * (接收到邀请的人转化为新用户的转化率)。假设平均每个用户会向20个朋友发出邀请,而平均的转化率为10%的话,K =20*10%=2。这个结果还算是不错的效果——当K>1时,用户群就会象滚雪球一样增大。如果K<1的话,那么用户群到某个规模时就会停止通过自传播增长。
在对应具体的分析中,针对不同类型的产品,我们有不同的指标,例如游戏经常会用到“平均在线时长”。在工具上,通常我们会采用第三方分析工具来进行数据分析,常用的工具一般有百度统计、神策数据、腾讯移动分析、TalkingData等。
分析思路——以小程序为例
小程序常用指标
活跃留存
指定时间活跃(即访问小程序)的用户,在之后的第N天(或周、月),再次访问小程序的用户数占比。
一般该指标是根据时间粒度分布,统计日、周、月的活跃留存率,结合时间点与应用事件(该日是否有版本更新、活动运营等)分析相对的应用事件的作用效果。
打开次数
打开小程序总次数,用户从打开小程序到主动关闭小程序或超时退出计为一次;
访问次数
访问小程序内所有页面总次数,多个页面之间跳转、同一页面的重复访问计为多次访问;
访问人数
访问小程序内所有页面的总用户数,同一用户多次访问不重复计;
新用户数
首次访问小程序页面的用户数,同一用户多次访问不重复计;
人均停留时长
平均每个用户停留在小程序页面的总时长,即小程序总停留时长/访问人数;
分析方法与步骤
简单遵循5W2H分析法,即WHAT、WHY、WHEN、WHERE、WHO、HOW、HOW MUCH。主要步骤如下:
应用事件列表
大小版本更新、运营事件等
明确分析目的
为了解决什么问题
收集数据
分析数据
对比分析——横切对比、纵切对比、目标对比、时间对比(环比、同比)
分类分析
分布分析
相关分析——相关分析研究的是事物间的某种联系,最常见的联系就是因果分析。
矩阵分析——根据不同渠道建立信息触达与成本直接的关系坐标,如下图
结论
通过以上分析模型与结果,得出结论并制定下一步的计划。
以下划重点:
单纯看指标是没有任何意义的,必须了解每个指标的含义以及它的作用,任何数据的来源离不开实际业务,例如版本更新、运营活动等,通过指标异动来驱动每一次迭代更新,把握用户的需求,甚至改变产品的整个策略都有可能,毕竟赚钱才是根本目的。
以上是关于产品数据分析入门看这一篇就够的主要内容,如果未能解决你的问题,请参考以下文章