人人都是产品经理优秀产品人必懂的数据驱动增长模型
在实际的业务中 ， 产品人很少有机会经历完整的数据体系搭建过程 ， 本文将系统的介绍如何搭建一个完成的数据驱动模型 。
本文插图
在实际的业务中 ， 大多数人可能只会遇到以下一种或几种常见的场景 ， 并且对于各个细分场景 ， 所需要解决的问题和关注重点都是不一样的 。
场景一：你刚加入一个成熟产品的用户增长部门 ， 会发现业务当前有非常全面详实的用户和业务数据 ， 但由于个人缺少数据分析的经验 ， 面对一堆数据 ， 除了能简要了解到产品基本情况 ， 不知如何从数据中挖掘出更有价值的信息 。 待解决问题：面对大量数据 ， 不知如何入手分析 。 所需的能力：各种可以从数据分析中找到增长线索的方法论 。
场景二：你熟练掌握了基本的数据分析技能 ， 能够基于现有数据找到增长线索 ， 你想针对某些关键指标的异常情况进行分析 ， 但不知道哪些数据相关性高 ， 如何将多维度的数据关联分析 。 待解决问题：有明确的问题需求 ， 但不知如何有效拆解数据问题 。 所需的能力：基于目标行为的拆解用户路径的方法 。
场景三：拆解完用户路径后 ， 发现目标的转化路径中有部分数据缺失 ， 无法有效支撑你的分析 。 待解决问题：如何快捷有效的收集缺失的数据 。 所需的能力：制定数据采集方案 。
场景四：需要的数据采集到位后 ， 发现数据统计混乱 ， 每次查询和分析数据的效率成本都很高 。 待解决问题：数据如何高效可视化呈现 ， 降低查询使用的成本 。 所需的能力：创建数据仪表盘 。
诊断上述的工作场景 ， 大多数增长人的工作顺序可能是：数据分析→用户路径拆解→收集数据→搭建仪表盘 。
基于数据驱动用户增长可以分为以下五个步骤：
本文插图
对大多数增长从业者来讲 ， 最重要的是先掌握一套数据分析方法 ， 从现有数据中快速找到增长线索 ， 取得一些增长业绩 ， 再反过来检查数据埋点、统计等地方有没有问题 。 当掌握了数据分析方法 ， 但所在的公司or负责的业务没有基础数据也无从下手 ， 才需要思考如何拆解用户路径、数据采集 。 而数据仪表盘 ， 则是为了提高查询效率 ， 支持数据分析工作快速、准确开展 。
【人人都是产品经理优秀产品人必懂的数据驱动增长模型】
一、分析数据：多维度数据分析
从数据分析中寻找增长机会 ， 可分为“宏观”和“微观”两个角度 。 宏观：在基础数据中 ， 找到较大的增长机会 。 微观：对比精细化的用户数据进行分析 ， 挖掘相对隐蔽的增长线索 。
无论所在的公司是否有用户的精细化数据 ， 都可以通过从整体的角度进行数据分析 ， 找到增长乏力点 。 然后再考虑要不要分析更精细的数据 。
案例：某内容类APP产品
本节将会围绕北极星指标和全链漏增长模型 ， 通过一个案例（数据虚拟）展开关于宏观数据分析的分享 。 北极星指标：指导增长工作方向最重要的指标 ， 也可以理为业务现阶段的唯一重要的指标 。 制定北极星指标时 ， 需要在服务于业务的长期健康增长下 ， 同时考虑商业目标和用户价值 。 全链漏斗增长模型：是把影响北极星指标的主要细分指标梳理梳理出来 ， 并标注转化率 。 通过模型 ， 可以将北极星指标细化拆解 ， 从中找到增长的机会点 。
案例场景：刚刚入职一家内容类APP ， 负责用户增长 ， 公司没有完善的后台数据系统 ， 无法通过详细的用户行为埋点数据 ， 如何找到一些增长的线索 。 公司现有后台可提高的数据指标：下载量、注册量、登录量、平均阅读时长、基本用户信息 。
第一步：构建全链漏斗增长模型
推荐阅读
- 宅客ZhaiiKer|杜比全景声音乐平台Tidal上线，暂只支持Apple TV 4K等少数产品
- cnBeta|惠普今天发布多款笔记本电脑和一些外设产品
- 恋云|每个恒星系都是太空中的一座孤岛
- 黑猫评测|明明都是国产手机，为什么有些人更偏爱华为，却不喜欢小米？
- 界面新闻|快运规模最大的安能物流发布两款高端产品，正面杠上德邦、顺丰？
- |支付宝面试题：如果你是支付宝的产品经理，如何让更多人用支付宝点外卖？
- |传统互联网产品经理正在消失，如何自救？
- 中国电池网|互动交流│常铝股份：向国轩高科供应电池箔产品
- 物流指闻|湖南卫视联手拼多多扶贫直播：超15位明星搭档市县长带货贫困地区农产品
- 驱动之家|专利文件曝光华为正开发屏下摄像头手机：正面都是屏