方法论:用AARRR模型做数据分析

起点学院产品经理365成长计划,2天线下闭门集训+1年在线学习,全面掌握BAT产品经理体系。了解详情

数据分析是一项实战性的工作内容,只有在不停的优化中才能越做越好。

shujufenxi

对一个刚入门的产品经理来说,为一个全新的产品或项目做数据分析,都会有手足无措的感觉。现在,笔者把自己在数据分析这块工作上的所遇所思写成文章分享给大家,按照文章的步骤,你也能做出一个基本的数据分析。

一、明确数据分析的目的:

做数据分析前,一定要先确定好目标,这样后面的每一步才能不偏离大方向。那么,你做数据分析的目的是什么?

  1. 检测用户对新功能的喜爱程度?
  2. 优化用户在使用过程中的槽点?
  3. 寻找新的流量增长点?

这几条实际上都只是大数据分析框架中的某一个模块,在这个模块之上还有一个更重要的大框架。

做数据分析的时候,最好先把这个整体的数据分析框架整理出来,在这个框架之下,再填补具体某个模块的分析需求。这样的数据分析才更饱满,更具有参考价值。

二、常见的数据分析框架:AARRR模型

AARRR模型是所有产品经理都要了解的一个数据模型。著名的《增长黑客》里面的数据分析基础,也是以这个模型为基础的。

1

  • 获取(Acquisition):用户如何发现(并来到)你的产品?
  • 激活(Activation):用户的第一次使用体验如何?
  • 留存(Retention):用户是否还会回到产品(重复使用)?
  • 收入(Retention):产品怎样(通过用户)赚钱?
  • 传播(Retention):用户是否愿意告诉其他用户?

这个模型将数据分析分成了五个大的模块,我们依据这个模型,把每一个模块划分出更细分的维度,罗列出影响每一个维度的变变量,整理出一些表格,这些表格就成了我们做数据分析的基础。

下面以APP为例详细分析下这个AARRR模型:

1. 获取部分:

获取部分一般需要评估的维度有:渠道的获客数量、获客质量等。

获客数量示例:

获客数量

从上边的表格中看出,360应用市场的获客数量要明显好于其他的安卓应用市场渠道。而且线上活动的获客数量比线下活动的获客数量多,说明这款产品可能更适合在线上做一些推广。当然也有可能是活动本身的质量影响了获客量。

除了渠道获客数量之外,一定要分析渠道获客质量。结合数量和质量两个维度,才能更好的筛选出适合企业自己的优质渠道,更客观的评估公司做的推广活动的效果。

获客质量示例:

获客质量

通过渠道数量和质量这两个指标的分析,我们发现线上活动带来的用户数量、质量都比较高,所以这可能是更适合这个APP的获客渠道。我们筛选出优质的渠道后,就可以在这个渠道上投放更多的资源,从而为公司带来源源不断的新用户。

渠道数量和质量的指标还有很多,要依据产品及公司业务模块区分制定,一般有:每日新增、累积新增、启动次数、首次交易户、首绑交易户、一次性用户数、平均使用时长等。

2. 激活部分:

激活一般指注册激活、主动活跃、推送活跃、交易活跃等。

很多用户下载一个APP后,只是浏览了几个页面,就把应用卸载了。那这个用户数量可以记录在APP新增下载量里面,注册激活就不会记录。

激活示例:

激活

上边的数据显示这个APP的交易活跃明显大于主动活跃,那么可以推断这个APP是交易驱动,可能是一个电商或者理财类的APP。对于一些新闻、娱乐、社交类的APP,它们的主动活跃一般会高于交易活跃。

这里要特别说明的是注册激活部分。注册激活部分需要进行详细的页面埋点,列出影响注册激活的因素,对这些元素不断优化,最后提高产品的注册激活数量。

具体的埋点部分在文章后面有介绍。

3. 留存部分:

用户只有留存下来,才有可能与APP发生更多接触,才有可能最终促成付费。

留存示例:

留存

一般来说,次日留存>3日留存>7日留存>次月留存。用户的留存量刚开始会下降的比较严重,到了后期会逐渐稳定在一个数量级上。稳定下来的这些用户,基本上就是产品的目标用户了。

留存还有很多指标,如:次日留存、3日留存、每日流失、每日回流、用户声明周期、平均生命周期贡献、7日回访用户、使用间隔、页面访问量、回访率等等。具体选定哪个维度进行统计要依据自己的产品和业务重新定制。

4. 收入部分:

收入部分主要是公司的业务层面的数据,用户使用APP后,浏览了什么样的商品和服务,选了了什么商品和服务,最后支付了多少。关于固体交易金额的数据,第三方工具一般统计不了,公司也不可能把这部分数据接口开放给第三方,所以这块是需要我们在产品后台单独做埋点的。

整个支付环节的埋点一般有两个主要因素要考虑,一是看用户的支付支付体验是否顺畅,是否有一些页面卡主了用户,让用户无法进行交易。二是看在哪一个页面流失最高,用控制变量的方法调整流失率高的页面的栏位、交互等。

5. 传播部分:

传播部分一般可以分成两个维度,舆情监控维度(包括用户的主动传播分享)和产品的引导分享维度。

大一点的公司一般都有专业的部门来负责舆情监控,会收集和处理一些负面的评论,积极传播产品的正面价值。

产品内部的引导分享可以参照上面的表格制定一些监控因素,最后统计数据,指导下一步工作。

有了数据分析的框架后,该用什么工具进行数据分析呢?

三、用什么工具做数据分析?

一般来说,都是要自己做一个数据后台的,用来统计产品功能页面的数据和业务层面的数据。没有条件的可以由开发部门按照产品经理的需求从数据库导出数据,产品经理再进行分类整理。

或者可以对接第三方数据统计工具。

常见的第三方工具有:

  • APP分析工具:友盟、TalkingData、Flurry等。
  • 网站分析工具:GA、Alexa等。

四、数据收集的方法:

我们知道了数据分析的框架,知道了数据分析的工具,接下来要做的就是如何使用这些框架和工具了。这就涉及到数据分析最基本的步骤——埋点。

所谓埋点,就是在正常的功能逻辑中添加统计逻辑。一个全新的APP,即使对接了tailingdata、友盟这样的平台,产品经理也需要做后台事件埋点的。因为talkingdata等平台主要是统计页面相关的数据,点击、使用、访问等。更深层次的用户与后台交互的一些数据和业务申请层面的数据,还是要在自己的后台埋点统计的。

下面以在行APP的首页、登录页面进行埋点示例:

在行-首页:

2

在行-登录页:

377728947304080906

做埋点的时候, 一般要做两张表格,一张是埋点事件表,一张是埋点统计表。

数据埋点(事件)表:

埋点-事件

数据埋点事件表一般是记录每个页面的交互事件,一般是后台记录次数。比如点击登录按钮的次数、点击获取验证码的次数,进入某个页面的次数、退出某个页面的次数等

在这里统计的时候有两个维度需要区分。一个是PV,一个是UV。

  • PV: 访问量, 即Page View, 即页面浏览量或点击量,用户每次刷新即被计算一次。
  • UV:独立访客,即Unique Visitor,访问您网站的一台电脑客户端为一个访客。00:00-24:00内相同的客户端只被计算一次。

数据埋点(统计)表:

埋点-统计

这一部分就是你要直接看的数据了,一般可以直接生成图表,定制一个图表导出的规则,每天在某个时点导出发送一次。

整理完这两张表后,再带上你的产品页面图(交互稿也可),就可以愉快的去找开发的小伙伴们提需求了。经过一场撕X大战后,你的需求可能需要再优化下,然后就就可以等开发、测试、上线了。

数据是每时每刻都在变化的,是监控一个产品质量的良好指标。数据分析也是一项实战性的工作内容,只有在不停的优化中才能越做越好。产品经理上班的时候,每天都应看这些表格,了解一下近期的产品数据是否有异常,做到及时发现问题、解决问题。

PS:

不足之处欢迎指正。

 

作者:艾爷。微信公众号:十方象(just-ten)。

本文由 @艾爷 原创发布于人人都是产品经理。未经许可,禁止转载。

您的赞赏,是对我创作的最大鼓励。
4人打赏

评论( 2

登录后参与评论
  1. 艾爷出品,必属精品。请继续给小白更多干货😁

    回复
    1. 回复

      谢谢支持,我会继续努力写更多干货的。 ;-)

加载中