除了PV、UV,产品经理还应该知道这三大数据指标.pdf

除了PV 、UV ，产品经理还应该知道这三大数据指标 一、 PM 必须要知道的三大数据指标 作者技术出身，从数据组成的角度来说，一个完整的闭环数据源包括三部分： 其中，实际交易数据会经常被存储在离线数据库中，并通过 ET L 来获取分析。而用户行为数据和服 务端日志数据很多时候都是近似的。最近几年发展最快的是前端，每个月都会有新的东西出来；整 体趋势是往单页应用发展，追求更好的用户体验。 所以从产品经理角度来说，我们需要知道屏幕前的人是怎么使用我们的产品的，洞悉用户行为背后 的规律，发掘用户价值。 作者去年开始新的创业历程，分析总结了几百家企业的数据分析需求，大致可以分为三个数据指标 或者场景：渠道、转化和留存。 渠道衡量和优化 很多产品经理或者运营人员都有过这样的经历：公司做了一次线上促销，发表了一篇软文，买了很 多有哪些信誉好的足球投注网站关键词（ SEM ），但是如何衡量这些活动的效果。你是否知道用户是从那几个渠道来访问你 的网页或者下载你的 APP ；不同渠道来的用户有哪些差异；如何用最少的钱在不同的渠道上办最有 效的事情。 提升转化率 产品经理最常见（没有之一）的一个问题：注册！！！ 用户的注册流程是否顺畅？激活步骤是否合理？运营拉过来的流量，是否转化为注册用户。再细 一点，每一步的转化率是多少？没转化的用户去哪里了？如何优化注册或者购买的流程？ 提高留存率 先举几个硅谷前沿公司的案例。 社交网络公司 LinkedIn （领英）发现：在第一周增加 5 个社交好友后，这类用户的留存度非常高。 Dropbox （一家云存储公司）发现在第一周安装两个以上操作系统的用户留存度非常高。 Facebook 和Twitter 也通过让新用户添加好友的方式提升用户的留存。这里面的 5 （个社交好友）、 2 （个操作 系统）等等就是这些产品留存的魔法数字。 作为产品经理，你肯定希望用户留下来，那么你是否知道你产品留存的魔法数字呢？对于提升用户 留存，你是否有好的办法？ 二 . PM 需要警惕的虚荣指标 产品经理做数据分析，归根结底都是为了用户服务的。所以我们需要建立一套基于用户行为的数据 分析体系，了解用户是谁？用户都做了什么？不同用户之间的差异等等。产品经理只有明白了 是“ 什么 ”，才能搞懂 为什么“ ”，进而优化产品设计。 数据分析是一个长时间优化的过程，需要我们持续监测各项指标变化。在这个过程中，产品经理需 要警惕一类虚荣指标：即 PV 、 UV 等概览性指标。这类指标就算很大，也没法很好的指导我们具体 的工作，还容易给人带来误导。 而我们需要关注的用户行为数据指标，包括我们上面介绍的用户获取（渠道）、用户激活（激活） 、用户留存（留存）等等。只有了解到这些指标，才能优化我们的产品设计； 所以这些指标也叫做 Actionable Metric （可执行指标），这也是用户行为数据的魅力。 三、案例解释：用户行为数据分析的基本流程 确定了具体的数据指标后，我们开始分析用户行为数据，那么该如何操作呢？我们以一个产品经理 常见的场景 —— 网页注册转化率过低 —— 为例，对用户行为数据分析的流程进行详细介绍。 第一步：明确你的分析场景，确定具体的目标 在这个案例中，网页的注册转化率过低，那么我们的目标就是提升注册转化率；为例提升注册转 化率，我们需要知道到底是哪一步挡住了用户注册。 第二步：规划一下你需要那些数据来支持你的分析 比如对于之前的目标，我们需要拆解从进入注册页面到完成注册的每一个步骤的数据，每一次输入 的数据，同时，完成或者未成为这些步骤的所有用户的特征数据。 第三步：让工程师帮忙采集数据 一般这个时候，产品经理和工程师们就开始进入撕 X 节奏了，理由可能是：太忙，你这个数据收集 起来有意义吗？一定需要这些数据嘛，你再想想？好的，提个工单，排期到下下下个月。收集每一 个注册页面的数据，需要工程师在每一个注册页面或者按钮下面埋点来收集说句。同时还要调取不 同类别客户的基本属性（ IP来源、电脑系统、屏幕大小、浏览器版本、客户会员登记、客户职务等 等各种可能涉及到的信息）数据，怪不得程序员嫌烦。（作为工程师，作者深有体会） 第四步：评估和分析数据