产品经理如何做用户行为分析.docxVIP

产品经理如何做用户行为分析 在这个每个互联网人都在谈论数据， 每个产品经理都在谈论数据分析的时代，用户行为分析的重要性也越来越凸显出来， 那么产品经理如何做用户行为分析呢？接下来将为大家进行分享。 一、为什么要做用户行为分析 观点一：有些功能整个平台用户都希望做， 是没有必要耗费人力评估的，只要做了就可以了。 用户行为分析是形式， 不能为了分析而分析。观点二：我都在这个行业做了这么多年了， 用户需要什么难道我不知道吗？我本身就是用户， 我可以代表他们， 我的需求就是他们的需求目标。观点三：只需要做充分的调研分析就可以了，比如需求调研，产品使用调研，多找找目标用户，多让他们提一些反馈意见，根据反馈来做修改即可。观点四： 不要总是顺着用户的意思去做产品。产品 设计的核心是产品经理的想法， 而不是用户的看法。 以上观点其 实都是错误的，如果产品经理有这样的想法，会对自己极为不利。下 面我们来看两个案例： 案例一： Growing IO 改版前后对比 视频介绍功能是所有用户都想要的，于是 Growing IO 毫不犹豫 地把视频放在了首页， 然后注册转化率下降了 50%，持续观察两个周，注册转化率仍然没有显著增长， 回滚到上个版本， 注册转化率逐渐恢复。结论： 第 1 页 共 7 页 部分用户的观点无法代表全体用户的真实感受， 视频介绍可能是伪需 求。产品经理的主观感受无法代表用户的真实体验， 任何人都无法代 表用户。视频介绍分散了用户的注意力， 导致首页注册转化率大幅度 下跌。 案例二： Facebook 改版之后再回滚 Facebook 经过改版之后，页面更清爽了，展示面积更大了，突 出了图片以及视频，展示信息更丰富， Facebook 的产品经理、交互设计师都对这一版本非常有信心。然而 10%灰度发布之后，用户平均在线时长降低 50%，一个月后，数据仍然没有好转。 互联网产品要以数据为导向， 而不仅仅凭借自己的主观感觉。 产品设计过于超前了， 产品版本迭代版本之间没有一定的过渡， 用户无法习 惯。 因此可以说， 数据分析在日常工作中起到的是必不可少的作用。 1、用户行为分析不是形式化，不是为了分析而分析，哪怕是核心用户提出的需求， 也要通过数据来验证， 任何人都无法代表真正的用户。 2、产品经理要有自我革新，自我否定的意识。用户的需求是变的，不能太过于依赖过往的经验，过往的经验不可靠，只有数据最可靠。 3、用户分析调研是一方面，只是为产品提供思路，但是是否有利于产品长期发展还是要通过数据来说话。 4、用户端产品要以用户体验为核心，以数据为导向。 二、数据指标与名词含义 1、流量来源：流量来源的意思是网站的访问来源，比如用户来 自于知乎，来自于微博等等。主要用来统计分析各渠道的推广效果。 2、PV：PV（page view ）即页面浏览量或点击量，指页面刷新的 第 2 页 共 7 页 次数，每一次页面刷新，就算做一次 PV流量。 3、UV：UV（unique visitor ）即独立访客数，在同一天内， UV 只记录第一次进入网站的具有独立 IP 的访问者，在同一天内再次访 问该网站则不计数。 PV与 UV的比值一定程度上反映产品的粘性，比 值越高往往粘性越高。 4、IP 数：IP 数即独立 IP 的访问用户数，指 1 天内使用不同 IP 地址的用户访问网站的数量。 IP 数字与 UV可能不同（可大可小可相等） 5、日活 / 月活：每日活跃用户数 （DAU）/ 每月活跃用户数（MAU），反映的是网站或者 APP的用户活跃程度，用户粘性。 6、次日留存 / 次月留存：次日留存、次月留存反映的是网站或者 APP的留存率。 7、用户保有率：指在单位时间内符合有效用户条件的用户数在 实际产生用户量的比率，也叫用户留存。 8、转化率 / 流失率：转化率一般用来统计两个流程之间的转化比 例。其中流失率也是重要的数据指标。用户流失率 =总流失用户数 / 总用户数。 9、跳出率：指用户到达网站上且仅浏览了一个页面就离开的访 问次数（PV）与所有访问次数的百分比。 跳出率越高说明越不受欢迎。 10、退出率：对某一个特定的页面而言，从这个页面离开网站的 访问数（ PV）占这个页面的访问数的百分比。跳出率适用于访问的着 陆页 （即用户访问的第一个页面），而退出率则适用于任何访问退 第 3 页 共 7 页 出的页面。 11、使用时长：每天用户使用的时间。对于游戏或者是社交产品 来说，使用时间越长，说明用户越喜欢。一般来说，使用时长越短说 明产品粘性越差，用户越不喜欢。 12、ARPU：Average Revenue Per User ，每用户平均收入在一定 时间内， ARPU=总收入 / 用户数。 三、如何做用户行为分析——三大理念 1、要树立以