作为产品经理,你应该懂的数据分析入门知识(上)

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

产品经理必备技能之一就是数据分析,现在的你具备这个技能了吗?笔者将自己在工作中所遇所思写成文章,对于数据分析,这篇可以让你了解到不少的入门知识。

shujuufenxi

数据分析是什么,小伙伴们自行去问度娘哈。为了降低阅读压力,不让篇幅太长,我特意拆成上、下两篇来分享自己这几天学到的知识。参考资料我会附在下一篇的末尾,感兴趣的小伙伴可以系统了解下。

我特别不喜欢只会装逼的产品经理,看文章也一样不喜欢华而不实的。所以督促自己写文章时,把懂的、经历过的能细就写的尽量详细;不懂的就去学,然后把整理的笔记分享出来,数据分析方面我涉入不多,内容由于缺少实战经验,会比较基础和理论,希望同样对你有帮助。

1. 明确数据分析的目的

做数据分析,必须要有一个明确的目的,知道自己为什么要做数据分析,想要达到什么效果。比如:为了评估产品改版后的效果比之前有所提升;或通过数据分析,找到产品迭代的方向等。

明确了数据分析的目的,接下来需要确定应该收集的数据都有哪些。

2. 收集数据的方法

说到收集数据,首先要做好数据埋点。

所谓“埋点”,个人理解就是在正常的功能逻辑中添加统计代码,将自己需要的数据统计出来。

目前主流的数据埋点方式有两种:

  • 第一种:自己开发。开发时加入统计代码,并搭建自己的数据查询系统。
  • 第二种:利用第三方统计工具。

常见的第三方统计工具有:

  • 网站分析工具:Alexa、中国网站排名、网络媒体排名(iwebchoice)、Google Analytics、百度统计
  • 移动应用分析工具:Flurry、Google Analytics、友盟、TalkingData、Crashlytics

不同产品,不同目的,需要的支持数据不同,确定好数据指标后,选择适合自己公司的方式来收集相应数据。

3. 产品的基本数据指标

  • 新增:新用户增加的数量和速度。如:日新增、月新增等。
  • 活跃:有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多,越有可能为产品带来价值。
  • 留存率:用户会在多长时间内使用产品。如:次日留存率、周留存率等。
  • 传播:平均每位老用户会带来几位新用户。
  • 流失率:一段时间内流失的用户,占这段时间内活跃用户数的比例。

4. 常见的数据分析法和模型

这里主要科普下漏斗分析法和AARRR分析模型。

漏斗分析法

用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势,从而寻找到最佳的优化空间,这个方法被普遍用于产品各个关键流程的分析中。

比如,这个例子是分析从用户进入网站到最终购买商品的变化趋势。

1

从用户进入网站到浏览商品页面,转化率是40%;浏览商品到加入购物车转化率是20%等,那要找出哪个环节的转化率最低,我们需要有对比数据。

比如第一个,进入网站到浏览商品,如果同行业水平的转化率是45%,而我们只有40%,那说明这个过程,没有达到行业平均水平,我们就需要分析具体原因在哪里,再有针对性的去优化和改善。

当然,上面这是我们设计的一种理想化的漏斗模型,数据有可能是经过汇总后得出的。而真实的用户行为往往可能并不是按照这个简单流程来的。此时需要分析用户为什么要经过那么复杂的路径来达到最终目的,思考这中间有没有可以优化的空间。

AARRR模型

这个是所有的产品经理都必须要掌握的一个数据分析模型。

AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一个风险投资人戴维 · 麦克鲁尔在2008年时创建的,分别是指获取、激活、留存、收入和推荐。

2

举个例子,用AARRR模型来衡量一个渠道的好坏。

3

如果单从数据表面来看,A渠道会更划算,但实际这种结论是有问题的,用AARRR模型具体分析如下:

4

5

渠道A的单个留存用户成本是60元,单个付费用户成本是300元;而渠道B的单个留存用户成本是20元,单个付费用户成本是33元,这样对比下来,明显B渠道的优势远远大于A渠道。

#专栏作家#

杜王丹(微信公众号:杜王丹),人人都是产品经理专栏作家。陪你一起,迭代自己。

本文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。

评论( 32

登录后参与评论
  1. 请问怎样能准确追踪具体哪个渠道来的用户有多少呢?

    回复
    1. 回复

      开发进行埋点,app打包渠道包,通过渠道ID进行区分。不过大多数都用第三方的,友盟百度统计比较多一些吧

  2. 刚刚产品实习不久,今天第一次接触BI,有点蒙蔽,多谢好文

    回复
  3. 漏斗型分析很实用,感谢大牛

    回复
  4. 分析方法很有用,就是有个问题:aarrr数据模型里面各阶段里留存的数据怎么获得的?
    比如自传播的人数,比如愿意支付的用户。

    回复
    1. 回复

      也就是 怎么定义用户是帮助推荐的用户,定义之后,这批用户数据是怎么获得的?

    2. 回复

      产品有邀请功能的话,凡是成功邀请的用户即帮助推荐的用户,数据可以问技术要或者你们有数据统计后台的话可以自行查看

    3. 回复

      感觉这里并不严谨,大多数用户愿意口头推荐。这里做一个邀请功能,似乎并不能精确数据

    4. 回复

      数据是不可能精准无误的,知道大概的比例是最主要的

    5. 回复

      好的

    6. 回复

      最好每个渠道能够有数据追踪工具。没用的话可以采用排除法,比如,总人数-邀请人数=口头传播人数

    7. 回复

      这里数据只能趋近精确,没法保证精确,总人数-邀请人数=口头传播人数+没有传播的人数。所以很多时候能从数据上得到感知就可以了

  5. 受益不少,觉得分析的很到位

    回复
  6. 这个对比明显有漏洞哇,数据的注册率明显不对等,有什么好比的

    回复
    1. 回复

      可以具体说说哪里不对吗?

    2. 回复

      只是介绍了一下AARRR的模型是什么

  7. 漏斗模型、AARRR模型很实用噢~ 学习了 :smile:

    回复
  8. 漏斗模型+AARRR模型,学习了 :lol:

    回复
  9. 非常感谢,看PM的招聘JD一直有提到需要数据分析能力,希望可以系统的学习一下

    回复
  10. 学习了,希望多多出文哇

    回复
    1. 回复

      会的~

  11. 最后一个案例。为什么渠道A与渠道B相比,它的激活转化率和留存转化率那么低??

    回复
    1. 回复

      数据是虚拟的,不对应具体产品和渠道,如果你负责的产品有出现过类似的问题,需要结合具体情况来分析的

  12. 总结比较朴素,如果能多点实例就更好了

    回复
    1. 回复

      谢谢建议,积累的实战经验再多点,分享出来~

  13. :arrow: :arrow: :arrow: :arrow:

    回复
  14. 希望能深入的介绍一些数据分析的知识,最后一个实例,单个用户留存成本真真是长知识了~-+

    回复
    1. 回复

      正在努力积累中~

  15. 简单直接

    回复
  16. 请问下,引入用户激活xxx个用户以及单个用户获取成本和付费成本怎么算的?

    回复
    1. 回复

      单个用户获取成本=推广总费用/引入用户数
      单个用户付费成本=推广总费用/付费用户数

  17. 非常感谢 学到了很多 现在还没有接触用数据说话的机会

    回复
加载中