产品经理高薪地图-数据分析
2023-09-03 10:34:39 0 举报
通过量化的手段发现数据规律,从而揭示出数据背后的真相,为公司决策提供依据,在拉新、促活、付费等多方面指导业务发展。本图详细的概括了数据分析的框架搭建、数据采集、埋点等相关内容
作者其他创作
大纲/内容
【数据分析框架】
| 1、数值和趋势每天到公司需要看的,如DAU、留存、收入等数据
| 3、用户分群根据用户行为的特征进行分类,如新老用户、会员和非会员
转化率销售额首次使用时长留存率......
唯一身份浏览量页面浏览量会话数停留时长跳出率退出百分比按钮点击数......
定位是谁完成了这个行为。例:用户id(平台生成的唯一ID)、手机号、身份证、微信识别码定位用户在什么地方完成该行为。例: IP(WEB、手机)、GPS(手机)、自主填写位置定位用户什么时间完成该行为。例:时间戳、当地时间定位用户发生行为时的周边环境/手段/设备等。例:操作系统、设备版本、设备型号、网络环境、产品版本、浏览器等定位用户当前做了什么行为,越具体越好。例:内容:内容ID、内容类型、浏览数、列表位置、是否喜欢
WHAT
HOW
WHEN
Innovate 创新
OPtimize 优化
Empower 助力
核心任务
挖掘需求
战略性任务
| 4、转化漏斗找到问题的关键所在,如AARRR海盗模型
风险任务
| 数据分析价值
| 2、维度分析获得更加精准的数据洞察,如按照渠道维度查看哪个渠道更优质
| 5、行为轨迹了解真实用户的完整行为,如登录注册行为
设计与开发
| 给开发提数据需求用数据逻辑的语言,准确描述需求知道有什么数据(埋点需求是前提),技术不能无中生有时间范围、数值范围、逻辑范围数据、计数、加和、平均
设定指标
| 搭建数据指标体系找到关键路径——挣钱的路径就是关读路径,实现商业模式大事化小——将路径拆解到具体的细分指标小事到人——个指标具体的责任人,且是这个人能够影响的
分析现状
| 黄金航线设计理念基于商业模式,对目标数据的拆解,制定细分目标计划每个小目标的达成,都意味着对商业模式的贡献
产出决策
| 流程
提炼洞察
拆分数据
| 7、ABtest获得更好的决策
制定计划
| 6、留存分析留住老用户比拉新更重要,如次留、7日留、30日留
| ABtest
| APP统计
| 统计网站
【分析工具】
确定测试时长
GrowinglO、Mixpanel、Kissmetrics等
| 采集方式
| 数据分析进化论
【数据采集】
结冰架构
数据分析
三方工具
用户反馈
服务端统计
【数据分析常用方法】
客户端埋点
数据发生了什么?为什么发生?什么将会发生?
数据清理
数据采集
Python、Java、PHP等
领域
工具
| 4W1H方法
Python、SAS、SPSS、Matlab、Excel等
| 定义
用户行为分析
用户画像用户活跃度用户生命周期用户价值用户特征......
【数据埋点】
Tableau、Echart、Excel、PPT、阿里云DataV等
业务数据结果如何
统计分析
行为数据做了什么
Hadoop、Hive、Sql、 Excel等
用户数据谁
| 价值AB测试是在你构建的产品宇宙中,开辟出平行世界,观察那种平行世界的规则更加合理,从而改变整个宇宙定律。不巧合做产品,不拍脑袋做产品;大胆验证、小心求证。
数据可视化
【ABTest】
WHERE
埋点的目的是为了尽可能完整的收集可以体现用户使用场景和真实需求的行为数据。
WHO
| 数据分析价值通过量化的手段发现数据规律,从而揭示出数据背后的真相,为公司决策提供依据,在拉新、促活、付费等多方面指导业务发展。
【数据目标】
分析维度
产品营收
产品质量
活跃情况
时间、页面、渠道地区、行业人群、年龄、性别产品行为、手机型号......
ARPU (用户平均收入)ARRPU(付费用户平均收入)ROI(投资回报率)CAC(用户获取成本)LTV(生命周期价值)复购率、付费率
留存(次日、7日、月)跳出率平均访问时长平均访问页数平均访问页面深度转化率
MAU(月活用户)DAU (日活用户)DNU(日增用户)PV(页面浏览量)UV(独立访客)
| 数据指标
采集并分析数据
确定分流方案
当前状态上线版本备注
属性定义属性值类型开发名称
事件名称事件定义包含属性
| 文档输出
1、分析现状:立即开通率1%2、设定指标:立即开通率提高100%(即2%)3、设计与开发:通过HMW、积极、转移、否定、拆解、脑洞、ICE排序4、确定测试时长:建议最短一周,用户量>10005、确定分流方案:分流比例、避免冲突、同时性、同质性、唯一性、均匀性6、采集并分析数据7、给出结论:低单价更容易提高转化,按钮颜色对客户影响不大
给出结论
脑洞内容量界面重点
改变颜色交互方式文案内容
| 常见进行ABtest的点
核心任务:搜索、SEM、广告;这是已经被证明的商业模型,并已经持续从中获得很多利润。战略性任务(在2010年左右):安卓平台;为了避免苹果或其他厂商占领,所以要花时间、花精力去做,但商业模式未必成型。风险任务对于创新来说是十分重要的,比如谷歌眼镜、自动驾驶汽车等。数据分析项目对这三类任务的目标也不同:对核心任务来讲,数据分析是助力(E),帮助公司更好的盈利,提高盈利效率;对战略任务来说是优化(O),如何能够辅助战略型任务找到方向和盈利点;对于风险任务,则是共同创业(D),努力验证创新项目的重要性;
分析数据分析的定位,应该定位到什么地步。
| 谷歌为例
【EOI框架】
新功能上线推荐引擎的调教
0 条评论
下一页