PM必须要知道的三大数据指标

1、从数据组成的角度来看，一个完整的闭环数据源包括三个部分：用户行为数据；服务端日志数据；实际交易数据。实际交易数据通常存储在离线数据库中，并通过ETL进行分析。而且用户行为数据和服务端日志数据往往是相似的。近年来发展最快的是前端，每个月都会有新的东西出来；总体趋势是发展到单页应用，追求更好的用户体验。因此，从产品经理的角度来看，我们需要了解屏幕前的人们如何使用我们的产品，了解用户行为背后的规律，探索用户价值。作者去年开始了一个新的创业过程，分析总结了数百家企业的数据分析需求，大致可以分为三个数据指标或场景：渠道、转换和保留。许多产品经理或运营商都有过这样的经验：公司进行了在线推广，发表了一篇软文章，并购买了大量的搜索关键字（SEM），但是如何衡量这些活动的效果呢？你知道用户从哪些渠道访问你的网页或下载你的应用程序吗？；不同渠道的用户有什么区别；如何用最少的钱在不同的渠道做最有效的事情。产品经理提高转化率最常见的问题之一：注册！！！用户注册流程顺畅吗？激活步骤合理吗？运营带来的流量是否转化为注册用户。再细一点，每一步的转化率是多少？没有转换的用户去哪里了？如何优化注册或购买流程？以硅谷几家前沿公司为例，提高留存率先。社交网络公司Linkedin(凌英)发现，在第一周增加5个社交好友后，这类用户的保留率非常高。Dropbox(一家云存储公司)发现，在第一周安装两个以上操作系统的用户保留率很高。Facebook和Twitter也通过让新用户添加好友来提高用户的保留率。其中5(个社交好友)、2(操作系统)等是这些产品保留的魔法数字。作为一名产品经理，你必须希望用户留下来，那么你知道你的产品保留的魔法数字吗？你有没有好办法提高用户留存率？二.虚荣指标产品经理需要警惕进行数据分析，归根结底是为用户服务的。因此，我们需要建立一套基于用户行为的数据分析系统，以了解用户是谁？用户做了什么？不同用户之间的差异等。只有了解“是什么”，产品经理才能理解“为什么”，进而优化产品设计。数据分析是一个长期优化的过程，需要我们不断监控各项指标的变化。在这个过程中，产品经理需要警惕一种虚荣指标:PV、UV等概览指标。即使这些指标很大，也不能很好地指导我们的具体工作，而且很容易给人带来误导。我们需要关注的用户行为数据指标，包括用户获取(渠道)、用户激活(激活)、用户保留(保留)等。只有了解这些指标，我们才能优化我们的产品设计；因此，这些指标也被称为ActionableMetric（可执行指标），这也是用户行为数据的魅力。3、案例解释：在确定了用户行为数据分析的基本流程的具体数据指标后，我们开始分析用户行为数据，那么如何操作呢？以产品经理常见的场景-网页注册转化率过低-为例，详细介绍了用户行为数据分析的过程。第一步：澄清你的分析场景，确定具体目标。在这种情况下，如果网页的注册转化率太低，我们的目标是提高注册转化率；例如，为了提高注册转化率，我们需要知道哪一步阻碍了用户注册。第二步：计划你需要的数据来支持你的分析。例如，对于以前的目标，我们需要拆解从进入注册页面到完成注册的每个步骤的数据，每个输入的数据，以及完成或未成为这些步骤的所有用户的特征数据。第三步：让工程师帮助收集数据。一般来说，在这个时候，产品经理和工程师开始进入撕裂X的节奏。原因可能是：太忙了。收集这些数据有意义吗？你必须需要这些数据吗？再想想？好的，提工单，安排下个月。要收集每个注册页面的数据，工程师需要在每个注册页面或按钮下埋点来收集句子。同时，我们还需要获取不同类别客户的基本属性（IP来源、计算机系统、屏幕大小、浏览器版本、客户会员注册、客户职位等可能涉及的信息）数据。难怪程序员很无聊。（作为一名工程师，作者有深刻的经验）第四步：数据评估和分析与产品经理的数据分析能力密切相关。了解数据分析的PM可以自己完成这些工作；不了解数据分析的PM可能需要数据分析师的帮助。对于注册转化率过低的案例，通常对转化环节的漏斗进行分析，并通过不同环节的漏斗大小进行分析。第五步:通过数据分析给出优化方案，发现问题，然后提出解决问题的方案。例如，如果发现某个页面填写了太多的注册信息，导致许多用户放弃，则需要简化该页面。第六步：如果确定计划的负责人是bug，产品经理可能不得不与程序员开始新一轮的战斗。如果是设计问题，产品需要与程序员沟通，然后与程序员撕裂。第七步：评估实施新方案的效果，并不断优化，这是一个不断优化的过程，需要日复一日地不断监控和改进。