如何进行数据驱动决策幻灯片.docx

上一篇讲到了不要闭着眼睛做应用，要通过精益分析的方法去优化产品设计，通过数据去驱动决策，这篇文章会提出一些分析方法，欢迎大家拍砖。 ? 从数据驱动这部分，确定的逻辑是：确立目标，找到分析模型，然后利用分析方法进行分析，最后随着迭代的过程周而复始。因此，这篇文章接下来会从“数据指标”、“分析模型”、“分析方法”、“分析周期”四个部分进行探讨。 ? 数据指标 ? 谈起数据指标，相信大家不陌生的是“PV”、“DAU”、“留存”、“下载量”等常见指标，这些指标在流量概念上一定程度的反映了产品热度，但这并不能证明产品的好坏。比如说： ? “下载量”是单调递增的，也不知道下载后是否激活或者是否卸载； ? “PV”反映的是浏览量，可能是同一个用户访问很多次，也可能是投诉页面访问很多次；而对于类似知乎或者medium这样的阅读应用可能关注的是阅读的时长而非PV； ? “留存”是反映用户在一段时间内的持续访问情况，并且这个访问只是简单的打开应用或者打开网页；但对产品而言，可能更应该关注的是用户有没有进行核心行为，例如对于知乎而言，应该关注的是用户有没有持续去阅读，对于京东而言，可能需要关注的是用户有没有去持续下订单或者支付，对于小影而言可能关注的是用户有没有持续去制作视频或者观看视频； ? “DAU”反映的是每日活跃，但并不能反应是由哪个功能模块带来的用户活跃，更别说这个用户是几日活跃？ ? 类似于这些指标的还有“平均访问时长”等。 ? 这些指标的意义在于你从粗略的方面上了解了产品的发展情况，但是如果深入到决策优化产品层面的时候，它们就是我们所说的“虚荣指标”。 ? 如果说我们熟知的这些指标都是虚荣指标的话，究竟哪些才算是有价值的数据指标呢？ ? 首先有价值的数据指标包含以下几个特点中的几个： 1、比率 2、具有可比较性 3、容易推导 4、产品业务相关，具有价值引导 ? 以电商为例，以下的指标就是价值指标： 1、购买转化率 2、月均购买率 3、平均每单成交额 4、弃买率 5、客户获取成本/平均每客户营收 6、热门搜索词 7、推荐购买率 ? 仔细看一下以上的指标，大多都与业务相关，而不是千篇一律、家家适用的“DAU”等虚荣指标。比如热门搜索词虽然不是比率，但至少能反映用户想要什么，具有一定的价值引导。 ? 再参考Facebook在爆发增长时提出的“AHA!Moment”(惊讶时刻)，当新用户在7天内获得10个好友会更容易留存；Twitter的“AHA!Moment”是获得30个关注。这些指标都与业务相关。 ? 所以我们举一反三，类比到社交应用、内容应用，很容易参考到一些与自己业务相关的指标。不管是做什么类型的应用一定要有自己的核心事件，比如说知乎关心的是阅读或者关注相关的指标；nice关注的是上传图片、标签、关注相关的指标。 ? 所以我们要从产品角度去优化，那么请落地到你的业务，找出相关性的指标。 ? 分析模型 关于AARRR模型，可以参考之前我写过的《初创团队的精细化分析和Growth Hacking》，其中有对流量时代到用户模型分析的过渡及详解，而且还有一些硅谷公司的案例。 ? 在我们确定好数据指标后，下一步必定是按照一定的思路进行分析，细想我们产品的用户，其实也就是从“获取→活跃→留存→传播→收入”的核心步骤，所以我们就从如何能够卡住这样的用户周期开始分析，然后思考如何去做？ ? 这里有一个思路，主要包含两步： ? 首先，从模块访问级别掌握用户在功能模块间的流向。一个产品可能有很多功能模块，但是核心功能模块一定只有一两个。随着用户从不同来源渠道来到应用后，到访问核心功能模块，再到持续留存，并在这个过程中进行分享等操作，利用漏斗分析，就能找到转化率较低的模块，或者路径。 ? 然后，通过定位到模块之后，再细致的跟踪分析模块内的问题。比如对于视频制作应用，当发现视频制作模块转化率低，可能要关注的是视频制作过程中添加素材的步骤，交互体验等；或者发现应用的分享率比较低，那么就要分析分享的刺激是不是不够强、分享的过程是不是流畅、分享的途径是不是不够多等问题。 ? 其实这种分析步骤的出发点是，我们需要改变过去过于重视“分析”的思路，而是要和产品的迭代结合一起。结合产品迭代的周期，将数据分析也迭代化，不是一次性收集所有的数据，而是定位问题，拆解的去解决一个个的问题。 ? 分析方法 了解分析模型之后，接下来就是分析方法了，这里提出的是5个常用的分析方法： 1、漏斗转化 2、自定义留存 3、人群细分 4、同期群分析 5、A/B测试或者多变量测试 精益周期 了解分析方法之后，我也总结了一个分析的周期： 最后，“创业公司是一种组织，其存在的目的就是寻找可规模化和可重复化的商业模式”。“寻找”其实就是探索和解决问题的过程。我们需要更多的利用数据去梳理逻辑；去缩小我们