图片 4

数据产品经理应运而生,侧重决策支持

原标题:想成为数据产品经理,先掌握这些数据分析方法论

数据驱动

自助式数据分析-让业务人员真正掌握数据!

一个优秀的数据产品经理必须要具备各种技能,
要了解自己的用户,明晰用户的核心需求,而最重要的是一定要掌握数据分析技能、会用数据分析工具。让我们通过文章来看看:有哪些实用的数据分析方法吧。

数据处理流程

图片 1

1.采集原则

全:多种来源(客户端,服务端,数据库)全量非抽量

细:who,when,where,what,how

采集原则

IP(独立IP):  即Internet
Protocol,指独立IP数。某IP地址的计算机访问网站的次数。00:00-24:00内相同IP地址之被计算一次。是衡量网站流量的重要指标。

PV(访问量):  即Page View,
即页面浏览量或点击量,用户每次刷新即被计算一次。

UV(独立访客):即Unique
Visitor,访问某网站的一台电脑客户端为一个访客,可以理解成访问某网站的电脑的数量。00:00-24:00内相同的客户端只被计算一次。

产品经理的概念在不断泛化。近些年来,随着互联网行业的发展,越来越多的企业意识到了大数据和精细化运营的重要性,为了更好地挖掘数据的价值,指导业务的优化和发展,数据产品经理应运而生,他们基于数据分析方法发现问题,并提炼关键要素,设计产品来实现商业价值。

2.建模

OLAP

联机分析处理 (OLAP)
的概念最早是由关系数据库之父E.F.Codd于1993年提出的,OLAP是数据仓库系统的主要应用,支持复杂的分析操作,侧重决策支持,并且提供直观易懂的查询结果。

虽为产品经理,但要真正解决核心问题,不免要在前期和中期进行大量的数据分析工作,那么,实用的数据分析方法有哪些呢?

分析方法

一、业务分析类1.1 杜邦分析法

构建指标体系

杜邦分析法目前主要用于财务领域,通过财务比率的关系来分析财务状况,其核心要点是将一个大的问题拆分为更小粒度的指标,以此了解问题出在了哪儿,从而对症下药。

以电商行业为例,GMV(网站成交金额)是考核业绩最直观的指标,当GMV同比或环比出现下滑时候,需要找到影响GMV的因素并逐一拆解。

一个度量:找到最关键的一个指标

创业阶段:

MVP:作用较小

MVP:最小可行性产品

增长:病毒系数,NPS

P-S-N就是S-N 曲线和概率的结合,P则是指失效概率,即存活率

变现:LTV,CAC,渠道分析,成本分析,盈利周期,分成比例。

LTV(life time
value)生命周期总价值,意为客户终生价值,是公司从用户所有的互动中所得到的全部经济收益的总和。

CAC(Customer Acquisition
Cost)应该是总的市场相关的花费(甚至应该包括销售、市场人员的工资等)除以总的对应花费带来的所有新用户数,而且这里的CAC是一个平均值,如果你使用了不同的渠道,那么每个渠道都会有一个自己的CAC,这里就有很多可以对比优化的空间。

图片 2

AARRR模型

Acquisition:获取

Activation:激活

Referral:   引荐

Retention:   留存

Revenue:     营收

GMV下降如果是因下单用户减少所造成的,那么是访客数(流量)减少了,还是转化率下降了呢?如果是访客数减少了,那是因为自然流量减少了,还是因为营销流量不足?

数据分析常用工具


以上内容整理自神策分析CEO-桑文锋分享

如果是自然流量下降的话,可能需要在用户运营和产品运营端发力,如果是营销流量不足,那么可以通过营销活动或者站外引流的形式增加曝光量。

同样,如果是转化率的问题,那么需要对用户进行细分,针对不同阶段的用户采取不同的运营策略,关于用户的部分,这里不做赘述,有兴趣的朋友可以关注后面的文章。

最后,如果是因为客单价不高,那么需要进行定价及促销的方案优化,比如识别具有GMV提升潜力的商品进行定价优化,评估当前促销的ROI,针对选品、力度和促销形式进行优化。同时通过关联商品的推荐或商品套装促销的形式,激发用户购买多件商品,也可以有效提高客单价。

1.2 同比热力图分析法

同比热力图分析法这个名称是我自己造的,其实无非是把各个业务线的同比数据放到一起进行比较,这样能更为直观地了解各个业务的状况。

图片 3

构建一张同比热力图大致需要三步:

  1. 按照杜邦分析法将核心问题进行拆解,这里仍以电商为例,我们将GMV拆成了流量、转化率、商品均价和人均购买量,即GMV=流量*转化率*商品均价*人均购买量;
  2. 计算每个业务各项指标的同比数据;
  3. 针对每一项指标,对比各业务的同比高低并设定颜色渐变的条件格式,以上图中的转化率同比为例,业务5转化率同比最高,为深橙底色,业务3转化率同比最低且为负值,因此设定为蓝色底色加红色字体。

通过同比热力图的分析,首先,可以通过纵向对比了解业务自身的同比趋势,其次,可以通过横向对比了解自身在同类业务中的位置,此外,还可以综合分析GMV等核心指标变动的原因。

除了电商业务的分析以外,同比热力图同样适用于互联网产品数据指标的监控及分析,该分析方法的关键点在于拆解核心指标,在本文后面的产品运营类方法中将会介绍相关指标的拆解方法。

1.3 类BCG矩阵

BCG矩阵大家都非常熟悉了,以市场占有率和增长率为轴,将坐标系划分为四个象限,用于判断各项业务所处的位置。

这里想讲的并非传统的BCG矩阵,而是BCG矩阵的变阵,或者叫类BCG矩阵。

根据不同的业务场景和业务需求,我们可以将任意两个指标作为坐标轴,从而把各类业务或者用户划分为不同的类型。

比如可以以品牌GMV增长率和占有率构建坐标系,来分析各品牌的状况,从而帮助业务方了解到哪些品牌是未来的明星品牌,可以重点发力,哪些品牌处于弱势且增长匮乏,需要优化品牌内的产品布局。

图片 4

除此之外,我们还可以根据以下场景构建类BCG矩阵:

  • 分析商品引流能力和转化率:流量份额-转化率
  • 分析商品对毛利/GMV的贡献:毛利率-销售额
  • 基于RFM分析用户的价值:访问频率-消费金额

按照上述方法,大家可以根据需求大开脑洞,按照一定标准对研究对象进行分类分析。

二、用户分析类2.1 TGI指数

在分析用户时,通常的做法是将目标用户进行分类,然后对比各类用户与总体之间的差异性,TGI指数提供了一个很好的方法,来反映各类用户群体在特定研究范围(如地理区域、人口统计、媒体偏好等)内的强势或弱势。

TGI指数=用户分类中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例*100

相关文章