数据驱动产品运营的理论与实务

AI浪潮袭来,产品经理如何应对?15天系统化入门AI产品经理,先人一步抢占时代红利。了解一下>>

本文讲述了数据驱动产品运营的原因以及方法,与大家分享!

从工作的侧重点来分,运营可以分为产品运营、用户运营、活动运营等等,数据驱动运营也主要从这几个方面入手。今天我们从理论和实操层面来分析一下,数据是如何驱动产品运营的。

一、为什么需要用数据驱动产品运营

谈到产品运营,首先需要提及的就是传统的产品运营套路有什么问题,为什么需要用数据化的手段和方法来优化产品运营。

在此补充说明一下,本文说的产品运营是指已经跨越了从0到1的阶段了,侧重点转移到了产品的优化和升级。

根据笔者的观察,传统视角下的产品运营大多缺乏数据意识,主要表现在以下三个方面:

1. 产品需求不客观

产品发布后效果没有达到预期的商业目标时,一般都需要进行产品的功能改造和升级迭代,这时候就要提出版本改进的新需求。

这些新需求来自哪里呢?为什么要改进这些需求而不是那些需求呢?哪些需求应优先改进,哪些应该延后?

传统的模式下,产品的问题发现和改版需求的提出,往往不是来自于用户的行为反馈,而是来自于老板的指示。

老板为什么提出这样的需求呢,TA可能是基于自己的经验判断或者参照竞品分析得出的结论。所以,这种产品需求提出的方式是不客观的,是缺乏深入分析和足够论据的。

2. 优化方案不严谨

在设计产品优化改进的方案时,产品经理往往是按照领导的指示来做的,产品经理并没有用充分的论据来证明应该改进什么、应该怎么改进。

结果就是在领导的拍板和指示下,产品经理设计新的产品改进方案时难免会偏离正常的轨道,产品经理输出的PRD文档和原型方案就会走样儿。这种方式设计产品的优化方案是不严谨的,是缺乏数据支撑的。

 3. 效果评估不科学

传统模式下对产品迭代后效果的评估大多比较粗放,缺乏全面客观的评估指标体系,对改版效果的分析不够深入和透彻,难以形成准确和公正的判断。

传统模式下的产品运营闭环之所以存在这些问题,一方面是领导层和产品经理缺乏一颗数据驱动的心,另一方面可能是受限于用户使用产品的行为数据采集手段不足。

基于传统模式下产品闭环运营的这些问题和不足,数据驱动的产品闭环运营应时而生。数据驱动的产品运营闭环能让产品需求更准确、产品优化方案更靠谱、效果评估更合理。

与传统套路相比,数据驱动的产品运营在产品开发、测试和发布等环节并无大的差异,主要的不同点在于产品需求的起点和终点。

传统模式的产品闭环运营的起点是需求分析,终点是效果验证;而数据驱动的产品闭环运营的起点是数据分析,终点是数据验证。数据驱动的产品闭环运营的核心逻辑是:数据从产品的问题中来,数据最终回到产品问题解决的效果验证中去。

二、数据是如何驱动产品运营的

数据在产品运营闭环中发挥的作用可以概括为五个关键词:监测、洞察、诊断、检验和评估。

分别是用指标体系监测运营全流程,用数据分析洞察用户的产品需求,用指标异常诊断产品的“障碍点”,用留存分析曲线检验新功能效果,用数据评估产品改版效果。

1. 监测:用指标体系监测运营全流程

将产品运营的过程进行指标化和数据化,是产品运营精细化的基础。

可以从产品的用户数据、功能应用、收入等方面构建全面的产品运营监测指标体系,将产品运营过程进行分解和量化。

要实现产品运营全流程的监测,应建立完备的数据采集机制。

互联网产品一般都会涉及用埋点技术收集用户使用产品的行为数据。以互联网产品的功能评估为例,可从功能渗透、功能转化和功能留存三个方面进行监测和评价:

2. 洞察:用数据分析洞察用户的产品需求

为洞察用户对产品的需求,一般需要综合多方数据进行研判。

例如:用户使用产品的行为轨迹数据,产品经理自身亲力亲为的产品体验数据,客服中心收到了用户咨询与投诉数据等等。

如下图,通常可以从六个方面的数据来发现用户的需求:

 

在某省移动公司的项目中,我们通过多方面的数据综合分析发现:用户是有流量需求的,但现有流量套餐体系抑制了用户需求,用户需要一个合适的流量套餐作为垫板。

发现这个产品需求后,后期通过设计2元叠加包填补了产品空白,解决了用户流量不够用的问题,满足了用户的临时性流量需求。2元叠加包推出后获得了用户的积极响应,取得了不错的效果。

3. 诊断:用指标异常诊断产品的“障碍点”

影响用户不能顺畅的完成产品流程的往往是一些小的功能点,这些小的功能点的使用情况,成为用户转化的关键点。通过指标监测到这些异常,便于我们诊断出产品的问题,后续及时修复产品的“障碍点”。

在某款APP的注册流程中,需要用手机号码进行身份验证,发送验证码是一个关键的转化节点。

当用户点击发送手机号码的次数激增时,这个指标的异常可能意味着手机验证码下发的功能存在问题。而这就是产品体验中的“障碍点”,提醒我们需要及时修复手机验证码的功能。

4. 检验:用留存曲线分析检验新功能的效果

产品上线新的功能后,需要监测新功能有没有用户在使用,用户使用的频次和时长是多少,是否满足了用户的核心需求,是否给用户带来了价值。通过留存曲线,可以分析新功能的粘度。

通过留存曲线分析发现:某产品新功能在头两天使用之后,持续使用的用户数出现骤然减少。这说明此功能并没有很好的解决用户问题,提醒我们需要对新上线的功能进行重新思考和设计。

5. 评估:用数据分析评估产品改版效果

产品迭代效果的衡量和评估是产品经理的日常工作之一。

评估前,需要明确发版后要用哪些指标来衡量产品好坏,最好是在新版本内部启动前,就明确改版目标,并适当评估改版后的理想状态能提升多少,以便改版后能有清晰的对比。

在产品改版评估中,除了要能够用正确的百分比指出迭代的实际意义,还需要基于改版目的灵活、多维的去评估迭代的价值。

基于此,产品改版的效果评估,应重点关注六个方面:用户评价、关键指标变化趋势、关键路径转化率、新功能使用、新功能留存、功能故障。

某金融产品于5月1日在首页增加了新手特权功能并发布了v2.0新版(旧版v1.0),这一功能面向的用户是新手期用户,设计此功能目的在于让用户清晰的知道自己所处的阶段并帮助用户获得每一步带来的利益,引导用户注册、开户、充值,从而提升首次投资的转化率。

假设改版前后新增基本平稳、用户属性等均基本一致,那么如何有效评估新版本的效果?

我们可以对比分析改版前后用户的首投转化率。

假设我们在5月20日对新版本进行评估,通过这两个条件,我们筛选出新增时间为5月1~5月15 日的用户,并且使用版本是v2.0,保存为用户群A;同样的方法,我们也可以筛选出新增时间是4月15日~4月30日的用户,并且使用版本是v1.0,保存为用户群B。

对比分析用户群A和用户群B在相应周期内的首投转化率,假设分别是20%和15%,从首投转化率上,我们就可以去判断新版本的迭代效果。

当然,除了关注新版本对最终指标的影响,还需要从用户评价、注册转化、充值转化、功能报错等方面整体评估改版的效果。

三、小结

综上所述:数据驱动产品运营时主要发挥出数据在监测、诊断、分析和评估等方面的作用,支撑了我们完善和调整产品运营的策略;帮助我们从洞察产品改进的需求、优化产品功能、评估新功能效果等方面入手来优化产品运营的闭环。

在数据力量的驱动下,产品的闭环运营将更加科学化、精准化和精细化。

 

作者:黄小刚,微信公众号:大数据产品设计与运营

本文由 @黄小刚 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!
圈子
关注微信视频号
大家都在问