產(chǎn)品需要掌握的數據分析思維:分析方法與業(yè)務(wù)知識

2 評論 2155 瀏覽 12 收藏 19 分鐘

對產(chǎn)品經(jīng)理來(lái)說(shuō),數據分析是必須要掌握的技能之一。做決策、分析需求和做功能時(shí),都需要數據分析進(jìn)行協(xié)助。但不少同學(xué)對這個(gè)概念比較模糊,或者不知道結合業(yè)務(wù),這篇文章,作者結合案例,給大家講解下如何養成數據分析思維。

在當今快節奏、數據驅動(dòng)的商業(yè)中,掌握數據分析不僅是一種競爭優(yōu)勢,更是必需品。數據分析不是某個(gè)固定的職位,而是人工智能時(shí)代的通用能力。

你會(huì )看到各行各業(yè)的招聘中都會(huì )要求應聘者具備數據分析能力。

隨著(zhù)企業(yè)積累大量數據,提取可操作見(jiàn)解的能力對于做出明智決策、優(yōu)化流程和推動(dòng)增長(cháng)至關(guān)重要。本文深入探討數據分析思維的核心方面,重點(diǎn)介紹基本分析方法和業(yè)務(wù)知識的整合,以最大限度地發(fā)揮數據的價(jià)值。

你是否在面對工作時(shí)還是不知道如何展開(kāi)分析,經(jīng)常會(huì )遇到下面這些問(wèn)題:

  1. 手里拿了一堆數據,卻不知道怎么去利用;
  2. 業(yè)務(wù)部門(mén)不滿(mǎn)意,總覺(jué)得你分析得不深入;
  3. 準備面試或找到新工作后,不知道如何快速掌握該行業(yè)的業(yè)務(wù)知識。

為了解決以上問(wèn)題,將通過(guò)“方法”和“實(shí)踐”來(lái)進(jìn)行簡(jiǎn)單的介紹

一、如何理解數據?

懂得從數據中發(fā)現業(yè)務(wù)指標,這就需要學(xué)會(huì )如何看懂數據,拿到數據后可以按照圖1-1的步驟來(lái)理解數據

數據的分類(lèi)往往取決于業(yè)務(wù)需求和分析視角,且同一數據可以從多個(gè)角度進(jìn)行分類(lèi)。

舉個(gè)例子,文章的收藏量可以從不同的維度來(lái)理解和應用:

  • 從行為角度看:收藏量反映用戶(hù)的互動(dòng)行為,是一種典型的行為數據。它代表用戶(hù)對內容的偏好和參與度,這有助于分析用戶(hù)的使用模式和興趣點(diǎn)。
  • 從產(chǎn)品角度看:收藏量也可以視為產(chǎn)品數據,因為它衡量了文章(作為一種內容產(chǎn)品)的吸引力和受歡迎程度。這有助于評估產(chǎn)品的市場(chǎng)接受度和用戶(hù)需求。

因此,數據的分類(lèi)并不是固定的,而是應根據具體的業(yè)務(wù)目標和分析場(chǎng)景來(lái)靈活定義。這種靈活性允許數據被用于多種分析和決策支持,為企業(yè)提供更全面的洞察力。

二、常用的指標有哪些?

常用的指標有用戶(hù)數據指標、行為數據指標、產(chǎn)品數據指標、推廣付費指標等

  • 用戶(hù)數據指標分為:新增用戶(hù)、活躍用戶(hù)、留存用戶(hù)
  • 行為數據指標包括:PV、UV、轉發(fā)率、轉化率、K因子

PV(頁(yè)面瀏覽量)是指網(wǎng)頁(yè)在特定時(shí)間段內被訪(fǎng)問(wèn)的總次數。每次用戶(hù)加載頁(yè)面或刷新頁(yè)面,PV 就會(huì )增加一次。這一指標主要用于衡量網(wǎng)頁(yè)的受歡迎程度和用戶(hù)的訪(fǎng)問(wèn)行為。

例如某博客文章在一天內被用戶(hù)訪(fǎng)問(wèn)了 500 次,則該文章的 PV 為 500。

UV(獨立訪(fǎng)客數)是指在特定時(shí)間段內訪(fǎng)問(wèn)網(wǎng)站的獨立訪(fǎng)客數量。UV 通過(guò)統計不同 IP 地址或設備的訪(fǎng)問(wèn)次數來(lái)計算,即使用戶(hù)多次訪(fǎng)問(wèn)同一網(wǎng)站,也只算作一個(gè) UV。這一指標用于衡量網(wǎng)站的用戶(hù)覆蓋面和獨立用戶(hù)數。

例如某網(wǎng)站在一周內被 10,000 個(gè)不同 IP 的用戶(hù)訪(fǎng)問(wèn),則該網(wǎng)站的 UV 為 10,000。

轉發(fā)率是指用戶(hù)分享或轉發(fā)某個(gè)內容的比例。轉發(fā)率反映了內容的傳播能力和用戶(hù)對內容的認可程度,是衡量?jì)热莶《緜鞑バ闹匾笜恕?/p>

轉發(fā)率=(轉發(fā)次數/總瀏覽次數)×100%

例如如果某篇文章有 1,000 次瀏覽,用戶(hù)轉發(fā)了 50 次,則該文章的轉發(fā)率為: 轉發(fā)率=(50/1000)×100%=5%

轉化率是指用戶(hù)完成某個(gè)特定目標行為的比例,如注冊、購買(mǎi)、填寫(xiě)表單等。轉化率用于評估營(yíng)銷(xiāo)活動(dòng)的效果和用戶(hù)行為的達成情況。

轉化率=(轉化次數/總訪(fǎng)問(wèn)次數)×100%

例如某電商網(wǎng)站在一周內有 10,000 次訪(fǎng)問(wèn),其中 300 人完成了購買(mǎi),則該網(wǎng)站的轉化率為: 轉化率=(300/10000)×100%=3%

K 因子是用來(lái)衡量推薦的效果,即一個(gè)發(fā)起推薦的用戶(hù)可以帶來(lái)多少新用戶(hù),反映了每個(gè)用戶(hù)帶來(lái)的新增用戶(hù)數量。K 因子用于評估病毒營(yíng)銷(xiāo)效果,幫助了解用戶(hù)之間的傳播行為。

如果每個(gè)用戶(hù)平均邀請 2 個(gè)新用戶(hù),并且邀請成功率為 50%,則 K 因子為: K因子=2×0.5=1

如果 K 因子大于 1,表明每個(gè)用戶(hù)帶來(lái)的新用戶(hù)數量足以產(chǎn)生自增長(cháng)。如果 K 因子小于 1,產(chǎn)品或內容需要額外的推廣手段來(lái)維持用戶(hù)增長(cháng)。

指標之間的區別與聯(lián)系可以以下圖作為參考

這些指標在數字營(yíng)銷(xiāo)和產(chǎn)品管理中發(fā)揮著(zhù)重要作用,通過(guò)對這些指標的綜合分析,可以更好地理解用戶(hù)行為、優(yōu)化營(yíng)銷(xiāo)策略、提升產(chǎn)品表現。

三、常用的分析方法有哪些?

根據業(yè)務(wù)場(chǎng)景中分析目的的不同,可以選擇對應的分析方法,常用的分析方法如下圖:

在選擇分析方法前,可以先進(jìn)行5W2H分析方法,你是不是在工作中最常聽(tīng)的一句話(huà)就是,為什么這么做,怎么做,需要多少資源和成本,以后遇到這樣的問(wèn)題我們可以先嘗試用5W2H法來(lái)解決

5W2H是一種用于問(wèn)題分析和解決的工具,適用于產(chǎn)品開(kāi)發(fā)、質(zhì)量管理、市場(chǎng)分析等領(lǐng)域。它通過(guò)回答七個(gè)關(guān)鍵問(wèn)題(What, Why, Who, Where, When, How, How much)幫助全面分析問(wèn)題或任務(wù),以確保沒(méi)有忽略重要的細節。

5W2H是一種系統化的分析工具,用于幫助人們全面了解問(wèn)題的各個(gè)方面。

每個(gè)字母代表一個(gè)問(wèn)題:

  • What(是什么)
  • Why(為什么)
  • Who(是誰(shuí))
  • Where(在哪里)
  • When(什么時(shí)候)
  • How(怎么做)
  • How much(多少費用或資源)

這些問(wèn)題提供了一種框架,可以幫助你從不同角度分析問(wèn)題、項目或任務(wù),確保全面考慮各方面因素。

四、具體應用步驟

1. What – 什么:描述問(wèn)題或任務(wù)的具體內容

  • 問(wèn)題或任務(wù)是什么?
  • 目標是什么?
  • 要實(shí)現什么結果?

示例

  • 項目管理:“項目的目標是什么?需要完成哪些任務(wù)?”
  • 市場(chǎng)營(yíng)銷(xiāo):“我們要推出什么產(chǎn)品?這個(gè)產(chǎn)品的特點(diǎn)是什么?”

2. Why – 為什么:闡明問(wèn)題或任務(wù)的原因及其重要性

  • 為什么要解決這個(gè)問(wèn)題或完成這個(gè)任務(wù)?
  • 它的背景或動(dòng)機是什么?
  • 為什么這是優(yōu)先事項?

示例

  • 項目管理:“為什么要啟動(dòng)這個(gè)項目?這個(gè)項目的必要性是什么?”
  • 市場(chǎng)營(yíng)銷(xiāo):“為什么這個(gè)產(chǎn)品在市場(chǎng)上有需求?市場(chǎng)痛點(diǎn)是什么?”

3. Who – 誰(shuí):明確涉及的人員或團隊

  • 誰(shuí)負責解決這個(gè)問(wèn)題或完成這個(gè)任務(wù)?
  • 誰(shuí)是相關(guān)利益者?
  • 誰(shuí)將受到影響?

示例

  • 項目管理:“項目團隊有哪些成員?每個(gè)成員的職責是什么?”
  • 市場(chǎng)營(yíng)銷(xiāo):“目標客戶(hù)是誰(shuí)?競爭對手有哪些?”

4. Where – 在哪里:確定問(wèn)題發(fā)生或任務(wù)執行的地點(diǎn)

  • 問(wèn)題在哪里發(fā)生?
  • 任務(wù)在哪里執行?
  • 結果在哪里應用?

示例

  • 項目管理:“項目將在什么地點(diǎn)進(jìn)行?交付物會(huì )在哪里使用?”
  • 市場(chǎng)營(yíng)銷(xiāo):“產(chǎn)品在哪些市場(chǎng)發(fā)布?銷(xiāo)售渠道有哪些?”

5. When – 什么時(shí)候:設定時(shí)間框架和關(guān)鍵時(shí)間節點(diǎn)

  • 任務(wù)什么時(shí)候開(kāi)始和結束?
  • 什么時(shí)候需要完成每個(gè)階段?
  • 時(shí)間表是什么?

示例

  • 項目管理:“項目的開(kāi)始和結束日期是什么時(shí)候?里程碑時(shí)間表是什么?”
  • 市場(chǎng)營(yíng)銷(xiāo):“產(chǎn)品上市的時(shí)間安排是怎樣的?營(yíng)銷(xiāo)活動(dòng)什么時(shí)候進(jìn)行?”

6. How – 怎么做:描述問(wèn)題解決或任務(wù)完成的方法和過(guò)程

  • 如何解決問(wèn)題或完成任務(wù)?
  • 采用什么方法、技術(shù)或工具?
  • 步驟和流程是什么?

示例

  • 項目管理:“我們將如何進(jìn)行項目管理?使用什么工具或方法?”
  • 市場(chǎng)營(yíng)銷(xiāo):“我們將如何推廣這個(gè)產(chǎn)品?采用哪些營(yíng)銷(xiāo)策略?”

7. How much – 多少:估算所需的資源和費用

  • 完成任務(wù)需要多少資源?
  • 成本或預算是多少?
  • 需要多少時(shí)間、人力、物力?

示例

  • 項目管理:“項目的預算是多少?需要多少人力和物力?”
  • 市場(chǎng)營(yíng)銷(xiāo):“營(yíng)銷(xiāo)預算是多少?需要多少廣告支出?”

下面舉一個(gè)實(shí)戰例子來(lái)深入了解一下如何利用數據分析思維來(lái)拆解不同場(chǎng)景的具體解決方案。

五、案例分析

提問(wèn):一家在線(xiàn)教育平臺,主要提供編程、設計、數據科學(xué)等領(lǐng)域的課程。最近,公司發(fā)現新課程的完課率(用戶(hù)完成課程的比例)顯著(zhù)下降。管理層希望通過(guò)數據分析找出問(wèn)題的原因,并提出解決方案,以提升用戶(hù)完課率。

步驟1:理解數據

首先,收集與完課率相關(guān)的各類(lèi)數據,包括但不限于:

1、用戶(hù)數據

  • 用戶(hù)的注冊日期、年齡、性別、職業(yè)、所在地區等。
  • 用戶(hù)的學(xué)習習慣(如學(xué)習時(shí)間、設備類(lèi)型)。

2、課程數據

  • 課程的內容類(lèi)型、時(shí)長(cháng)、難度、講師評分等。
  • 課程更新頻率、推送策略、免費/付費狀態(tài)。

3、行為數據:

  • 用戶(hù)的學(xué)習進(jìn)度、觀(guān)看時(shí)間、暫停次數、交互行為(如討論、筆記)。
  • 用戶(hù)的評價(jià)、反饋、問(wèn)題提交等。

4、數據分類(lèi)視角:

  • 從用戶(hù)角度:分析不同用戶(hù)群體的學(xué)習習慣和完課行為。
  • 從課程角度:分析不同課程類(lèi)型和設計對完課率的影響。
  • 從行為角度:分析用戶(hù)在課程中的具體行為與完課率的關(guān)系。

步驟2:選擇分析指標

根據業(yè)務(wù)需求,選擇適當的關(guān)鍵指標進(jìn)行分析。

1、完課率

  • 定義:用戶(hù)完成某課程的比例。
  • 計算公式:完課率 = (完成課程的用戶(hù)數 / 開(kāi)始課程的用戶(hù)數)×100%

2、用戶(hù)留存率

  • 定義:在某時(shí)間段內持續活躍的用戶(hù)比例。
  • 計算公式:留存率 = (某時(shí)間段活躍的用戶(hù)數 / 總用戶(hù)數)×100%。

3、平均觀(guān)看時(shí)長(cháng):

  • 定義:用戶(hù)觀(guān)看課程的平均時(shí)長(cháng)。
  • 計算公式:平均觀(guān)看時(shí)長(cháng) = 總觀(guān)看時(shí)長(cháng) / 觀(guān)看用戶(hù)數。

4、用戶(hù)反饋得分:

  • 定義:用戶(hù)對課程的評分和評價(jià)的平均得分。
  • 計算公式:用戶(hù)反饋得分 = 總得分 / 評價(jià)數。

步驟3:應用分析方法

1、運用5W2H分析方法來(lái)定位完課率下降問(wèn)題

  • What(是什么):完課率下降,特別是新課程的完課率較低。
  • Why(為什么):需要了解是用戶(hù)、課程還是平臺的原因。
  • Who(是誰(shuí)):受影響的主要是新注冊用戶(hù),主要參與新課程學(xué)習。
  • Where(在哪里):所有在線(xiàn)課程,但尤以編程課程的完課率下降最明顯。
  • When(什么時(shí)候):過(guò)去三個(gè)月內,尤其是最近一次課程更新后。
  • How(怎么做):分析用戶(hù)行為數據、課程內容數據,調查用戶(hù)反饋。
  • How much(多少):需要的數據分析資源包括數據工程師、分析工具和用戶(hù)調查成本。

2、運用邏輯樹(shù)分析方法來(lái)定位用戶(hù)完課率低問(wèn)題

通過(guò)構建邏輯樹(shù),將問(wèn)題逐步分解:

用戶(hù)維度

  • 用戶(hù)特征:年齡、職業(yè)、學(xué)習習慣。
  • 學(xué)習行為:學(xué)習頻率、觀(guān)看時(shí)長(cháng)、互動(dòng)程度。

課程維度

  • 課程特征:內容設計、難度、時(shí)長(cháng)、講師質(zhì)量。
  • 課程設計:是否符合用戶(hù)預期、是否吸引人、內容是否過(guò)于復雜。

平臺維度

  • 平臺功能:用戶(hù)體驗、學(xué)習路徑引導、提醒機制。
  • 技術(shù)支持:視頻加載速度、技術(shù)故障率。

3、運用假設檢驗分析方法定位完課率低的問(wèn)題:

假設1:課程內容過(guò)于復雜,導致用戶(hù)放棄學(xué)習。

  • 收集證據:分析完課率與課程難度評分之間的關(guān)系,用戶(hù)反饋中關(guān)于課程難度的評論。
  • 得出結論:發(fā)現復雜的課程確實(shí)完課率較低,用戶(hù)反饋也顯示難度過(guò)大。

假設2:新用戶(hù)缺乏學(xué)習指導,導致完課率低。

  • 收集證據:分析新用戶(hù)的完課率與是否有新手引導教程的關(guān)系。
  • 得出結論:新用戶(hù)沒(méi)有新手引導教程的完課率顯著(zhù)低于有教程的用戶(hù)。

假設3:平臺推送策略問(wèn)題,導致用戶(hù)對課程更新不了解。

  • 收集證據:分析用戶(hù)對課程更新推送的點(diǎn)擊率與完課率的關(guān)系。
  • 得出結論:推送未到達用戶(hù)或點(diǎn)擊率低的情況下,完課率較低。

4、運用群組分析方法解決問(wèn)題:

步驟

  • 劃分用戶(hù)群組:根據用戶(hù)行為和特征,將用戶(hù)分為“初學(xué)者”、“進(jìn)階者”和“高級用戶(hù)”。
  • 分析群組特征:每個(gè)群組的完課率、學(xué)習習慣、課程偏好。

制定策略

  • 初學(xué)者:提供更簡(jiǎn)單的入門(mén)課程和新手引導。
  • 進(jìn)階者:提供有挑戰性的課程和學(xué)習路徑建議。
  • 高級用戶(hù):提供更深層次的內容和個(gè)性化推薦。

示例:通過(guò)群組分析發(fā)現,初學(xué)者的完課率最低,進(jìn)而為初學(xué)者設計了新的引導教程和入門(mén)課程,結果顯著(zhù)提升了該群組的完課率。

步驟4:根據分析結果,制定提升完課率解決方案

優(yōu)化課程內容

  • 簡(jiǎn)化課程難度,增加互動(dòng)元素。
  • 提供課程預覽和學(xué)習路徑推薦。

增強新用戶(hù)引導

  • 為新用戶(hù)提供詳細的學(xué)習引導教程。
  • 設置學(xué)習提醒和鼓勵機制。

改進(jìn)推送策略

  • 優(yōu)化課程更新通知的推送機制,確保用戶(hù)能夠及時(shí)了解新課程。
  • 提高推送內容的點(diǎn)擊率,通過(guò)A/B測試改進(jìn)推送文案和設計。

個(gè)性化推薦

  • 基于用戶(hù)行為和偏好進(jìn)行個(gè)性化課程推薦。
  • 利用群組分析的結果,為不同群組提供定制化學(xué)習計劃。

實(shí)施與監控

  • 實(shí)施:按照制定的策略進(jìn)行實(shí)施,調整課程設計、新用戶(hù)引導、推送策略和個(gè)性化推薦。
  • 監控:持續監測完課率的變化,定期收集用戶(hù)反饋,進(jìn)行數據分析,評估策略效果。

調整與優(yōu)化

根據監控結果,進(jìn)一步優(yōu)化課程內容和平臺功能,持續提升用戶(hù)體驗和完課率。

在數據驅動(dòng)的商業(yè)環(huán)境中,數據分析已經(jīng)成為企業(yè)取得成功的關(guān)鍵工具。本文介紹了幾種常用的數據分析方法。每種方法都有其獨特的價(jià)值,企業(yè)可以根據具體的業(yè)務(wù)需求,選擇合適的方法來(lái)進(jìn)行分析,從而實(shí)現數據驅動(dòng)的決策和管理。通過(guò)不斷應用和優(yōu)化這些方法,企業(yè)能夠更好地挖掘數據價(jià)值,提高運營(yíng)效率,搶占市場(chǎng)先機。

本文由 @ 。。。。 原創(chuàng )發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉載

題圖來(lái)自 Unsplash,基于CC0協(xié)議。

該文觀(guān)點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。

更多精彩內容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 環(huán)境干擾。

    來(lái)自中國 回復
  2. 實(shí)施監控,學(xué)習習慣怎么問(wèn),用戶(hù)不說(shuō)實(shí)話(huà)。引導式訪(fǎng)談

    來(lái)自中國 回復