产品日志如何能够根据自身业务，构建指标体系

Posted 2022-01-30 BudingCode

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了产品日志如何能够根据自身业务，构建指标体系相关的知识，希望对你有一定的参考价值。

指标体系：就是通过数据指标，系统&量化的表达业务问题。

作为产品经理，你是否有以下问题

写完需求，不知怎么定评估指标?
业务瓶颈，不知如何寻找新增长点?
竞争激烈，如何差异化突围?

本文将逐步分析 如何能够根据自身业务，构建指标体系

指标体系

三大指标

战略指标
描述企业当下经营状态，指引未来愿景
战术指标
为了实现战略，企业会采取一些策略，如增长策略
需求指标
落实战术的具体需求的指标

北极星指标

北极星指标(North Star Metric)，是指在产品的当前阶段与业务/战略相关的绝对核心指标（战略指标），一旦确立就像北极星一样闪耀在空中，指引团队向同一一个方向迈进（提升该指标）。

北极星指标有三个重要的作用:

需求提炼
通过数据验证核心需求
团队协同
能够清晰的知道团队努力的方向
结果导向
以业务效果而不是业务数量&用户体验&汇报能力来衡量团队的工作质量

如何评价指标的好坏?
查看是否符合以下6个标准

标准	是否
标准1:这个指标可以让我知道用户体验到了价值吗?
标准2:这个指标能反应用户的活跃程度吗?
标准3:这个指标变好，是不是能说明公司在往好的方向发展?
标准4:这个指标是不是容易被团队理解和交流?
标准5:这个指标是先导指标，还是后滞指标?
标准6:这个指标是不是一个可操作的指标?

战略指标是随市场和战略调整的

例如：
滴滴的战略指标

早期	2.0	3.0	未来
司机数量	成交率	到达时间准确率	依靠平台开拓业务

战术指标

增长、留存、商业化指标

增长

增长的2大任务

渠道探索	渠道优化
长图文:公众号	选择哪个代言人?
信息流:头条	使用什么文案?
短视频:抖音	字体大小多少合适？
直播:淘宝

增长最重要的数据指标

如何计算渠道ROI:该渠道的投入产出比

ROI计算方式:选取一定周期内，统计此次投放得到的线索转化的收入总和，除以投放成本。
如:投放某公众号，成本为10万，T+7周期内转为收入为30万， T+30周期内收入为35万，即:T+7ROI为3， T+30 ROI为3.5

留存

小明新开了一家火锅店，开业当天通过发放传单带来了200人来吃火锅。第二天，这200人中有80人自主的又来吃了一顿，第七天，这200人中还有20人又来吃了一顿。

通过拉新来的客户，总会有一部分逐渐流失了。

那些能留下来的人就称为留存

留存率

$留存率 = 指定日用户数 / 第一日用户数$

留存率数据观测
留存曲线对比

趋平型曲线:产品具备用户粘性
下滑型曲线:曲线不断趋近于零，用户全部流失

留存是DAU的基础

• DAU=今日新增+历史留存用户

留存曲线的3个阶段

留存曲线分为振荡期、选择期和平稳期
震荡期需让用户认识产品价值，完成用户激活
中长期留存，需让用户养成习惯

精细化的方法

精细化的方法1:用户分群满足
用户规模大，需求多，通过分群，逐个击破

用户群A和用户群B的分群方法:

用户基础维度
用户行为维度

常用的9种用户分群方式

分群方式	类别
获客渠道	Oppo商店、百度SEM
设备平台	android、ios
性别	男女
地域	1、2、3、4线城市
年龄	0-18、18-25、25+
浏览行为	浏览时长
内容偏好	明星、萌宠、美女、壁纸
互动行为	评论、点赞、分享
消费行为	支付金额、支付时间、频次

案例:用户分群对比
腾讯动漫发现来自几个渠道的用户留存差，多为18岁以下的用户，怎么办?

假设	分析方法	发现
是否跟来源渠道有关?	按渠道拆分分析	百度SEM渠道来源的用户留存差
低龄用户中年纪是否影响因素?	按照年龄细分	高中生留存好、初中生留存差
初中生是否由于周末才能用手机导致留存差?	按周中、周末留存细分	工作日和周末留存没区别
初中生是否在推荐流中没找到想看的内容?	推荐信息流中不同内容类型点击率拆分	初中生主要想看恋爱类，对热血和玄幻类不感冒

策略:

渠道:减小百度SEM渠道的投放，严格控制该渠道的用户年龄。
产品:细分18岁以下的用户标签，拆分为高中生、初中生和小学生，进行精细化推荐。

诀窍

渠道优化是提高留存最快的手段 – 寻找目标客户

精细化的方法2:以功能留存提升产品留存

思路	方法
提升功能的渗透率和留存率，来提高 app留存率	如果功能留存率高，则提升使用人数；如果功能渗透率高，则提升留存率

案例:
留存线索寻找方法—功能分类对比（某理财产品）

功能	对比
理财功能	产品的核心功能，留存率和活跃用户占比均比较高，继续保持
个人功能	活跃用户占比高，但留存率低，需进一步分析原因，是否有大量用户只使用一次?
股票功能	活跃用户占比低，且留存率低，需进一步分析该功能的定位以及是否可以改善?
社区功能	留存率最高，高价值功能，需增加入口，提高渗透率，提升活跃用户占比。
新功能	是否有可添加的新功能

精细化的方法3:新用户激活

如何激活新用户：

找到AhaMoment
到达AhaMoment

如何描述AhaMoment：

如何找到AhaMoment

提出备选行为	找到激活行为	计算魔法数字	测试验证因果
通过产品分析和用户调研，找到所有可能是激活行为的行为	相关性分析，每个备选行为与留存进行相关性分析，找到正相关性最强的行为，即“激活行为”	相关性分析，激活行为的次数与留存的相关性分析，找到正相关最强的次数	AB实验验证因果性
找到备选行为	找到激活行为	找到激活行为的最佳次数	确认Aha Moment

第一步:提出备选行为

方法1：思考产品问题

用户是谁?
用户通过产品要解决什么问题?
为什么要解决这个问题?
还有没有其他方式解决这个问题?

方法2：通过用户调研

长期活跃用户:找到产品价值，新用户时期做了什么动作，有哪些关键体验?
流失的新用户:为什么流失?是否发现产品的价值

第二步:找到激活行为

第三步:计算魔法数字

1次VS多次	收益vs成本
有些激活行为只需要一次即可，例如电商的首单。	重复次数越多，对留存提升越大，但成本会越高。
有些激活行为需要重复多次，例如Facebook需要加10个好友才能形成较为可用的信息流。	需要找到一个成本和留存的平衡点。

结论：通过观察留存曲线的拐点，定义魔法数字。

第四步:验证因果性

新用户实验（新手引导任务）

实验组	对照组
不引导激活行为	引导激活行为
对应留存率A	对应留存率B

精细化的方法3:推荐系统

根据用户画像和商品画像，构造首页feed推荐流、发现栏目、分类导航个人中心等

推荐系统:构建用户属性画像

一级标签	二级标签	三级标签	四级标签	取数规则
属性标签	属性标签	性别	男;女	行为推测or用户填写
		年龄	0-18、18-25、25+	行为推测;拟合
		星座	狮子座;射手座;白羊座	用户填写
		职业	学生;白领;蓝领;护士;警察等	行为推测;WiFi推测;地点推测
		学历	小学;初中;高中;大学;研究生;博士	行为推测;拟合
		收入	小于3000;3000-5000;5000-8000;	行为推测;拟合
		地理位置	3线	IP地址获取
		是否注册	是;否	后端埋点
		注册日期	小于1天;小于3天;小于7天;7~30;30以上	后端埋点

推荐系统:构建用户行为画像

一级标签	二级标签	三级标签	四级标签	浏览数量
行为标签	浏览行为	浏览数量	小于10; 小于30; 30~100; 100以上	前端埋点
		浏览时长	小于10小; 小于30; 30~100; 100以上	后端埋点
	搜索行为	搜索频次	小于30; 30~100; 100以上	后端埋点
		搜索时长	小于30; 30~100; 100以上	后端埋点
	互动行为	评论	小于30; 30~100; 100以上	后端埋点
		点赞	小于30; 30~100; 100以上	后端埋点
		分享	小于30; 30~100; 100以上	前端埋点
	消费行为	消费频次	小于30; 30~100; 100以上（30天内）	后端埋点
		优惠券	小于30; 30~100; 100以上（30天内）	后端埋点
		商品偏好	电子;母婴;游戏;服装	后端埋点
		购买周期	1周内;1-4周;4-12周;12周以上	后端埋点
		购买金额	100以内;100~1000;1000以上	后端埋点

推荐系统:构建商品画像

一级标签	二级标签	三级标签	四级标签	浏览数量
内容标签	内容属性	受众	少男;少女;中男;中女;大男;大女	后端埋点
		类别	知识;育儿;财经;汽车	后端埋点
	创作者	搜索频次	自制;UGC;PGC;抓取	后端埋点
		上映时间	近期;半年;1年以上	后端埋点
	更新频率	评论	日更;年更;月更	后端埋点
	篇幅	评论	100分钟;50分钟;30分钟;10分钟;1 分钟	后端埋点

构建推荐系统

推荐系统的指标体系

“人”的维度	“货”的维度
人均展现(逛)	时效性
人均点击(正确性)	多样性
阅读时长(消费)	低俗、低质率
Dislike率	覆盖率
	品类曝光量
	品类时长、留存
	品类消费能力

C端数据	B端数据
目的为满足用户需求	目的为生态稳定性