数据分析的工作权重和分析重点

根据流行的分法，产品的生命周期(PLC,ProductLifetimeCycle)它分为初始阶段、成长阶段、成熟阶段和衰退阶段。在产品的每个阶段，数据分析的工作权重和分析重点都有所不同。让我们根据阶段和案例进行讨论。第一，初创期的重点是验证产品的核心价值，或者验证产品的假设:某个问题可以通过某个产品或服务为特定的人解决。这个阶段应该遵循MVP(MinimumVariableProduct)以最低成本验证创业理念，并根据用户反馈快速迭代调整解决方案，最终验证数据。案例：以国外移动BBS社交应用为例，产品在idea时期（12、13年）发现BBS用户经常嘲笑移动Wap页面访问BBS速度慢，广告多，没有移动适应，所以我们提出假设：制作应用程序，连接BBS系统和用户，让BBS用户也可以享受流畅的BBS访问体验，用户愿意为这种体验付费。因此，在早期阶段，整个产品完全围绕阅读和发布两个核心场景进行了挖掘，并在论坛上进行了宣传。价格为18美元，发现许多用户为此付费，这些用户的留存率达到60% (当然与用户付费有关)，一半的用户使用时间超过70分钟。当时，一些竞争产品（Vbulletin团队，当时最大的论坛系统，开发了一款移动应用程序，旨在解决同样的问题）相继问世，但很快就远远落后于我们。正是因为整个团队遵循MVP的理念，根据用户反馈，专注于反复打磨阅读帖子和发布帖子的流畅体验，赢得了非常好的用户声誉，引领了市场，还获得了硅谷著名投资机构的投资。此外，在初始阶段，您可以通过访问一些第三方应用程序来监控SDK来了解初始用户组的肖像，并从侧面验证用户组是否与假设的目标用户组的特征一致。常见的是人口学属性（性别、年龄、教育和地区）。案例：今年4月初与国内健身APP产品经理交谈，APP最初是一个健身、运动步骤工具APP，在产品早期新用户第二天保留在行业平均水平，观察目标用户组肖像，发现女性用户明显高于男性用户，女性用户保留明显高于男性用户。因此，我们决定在产品策略上向女性用户倾斜，专注于女性健身、减肥和美容方向的功能和内容推荐。与之前相比，该产品的整体第二天保留率增加了近100%。同样，最近服务鹅厂内部客户，他们开发了一种新产品，旨在面向年轻人，结果发现用户年龄分布在青少年和老年人：这与他们的用户渠道有关，他们有青少年和老年产品，为了带来第一批用户，他们直接从老产品排水用户，结果发现他们不是产品的目标用户。当用户满足目标受众的特点时，关键数据-保留率的核心是这些用户的保留率、使用时间/频率、用户粘性等指标。保留率有多种维度（7天、双周、30天等）。根据产品特点进行选择。如果产品本身满足少数低频需求，则应选择双周甚至30天的保留率；高保留率代表用户对产品价值的认可和依赖。一般来说，假设可以验证，通常低于20%的保留率将是一个危险的信号。以数据为驱动的先行指标模型可以通过找到先行指标来指导产品设计，从而提高留存率。引入以数据为驱动的先行指标模型，可以通过找到先行指标来指导产品设计，从而提高保留率。让我们来看看先行指标的定义。先行指标是指新用户在使用产品的早期阶段的产品行为。该指标与用户保留率指标之间的线性关系非常高，可以预测用户是否会在产品中保留。用自己总结的公式来描述，大致如下:积极预测可能性(%)：这意味着用户可以通过执行这种行为来预测用户保持活跃的可能性(%)：这意味着如果用户不执行这种行为，他们可以预测用户不会保持活跃的可能性。最后，先行性指标的可信度=积极预测X消极预测的可能性。我们直接看案例。以之前的论坛社交应用程序为假设，假设“用户在注册前10天内添加7个以上的朋友”为先行指标，我们计算一组数据：其中，如果用户在前10天内添加7个以上的朋友，则在30天内留存的可能性为99%;若添加少于7个好友，则其30天不留存(流失)的可能性为95%，综合指标可信度为0.9405。同样，计算以下两个先行性指标的可信度：最后，我们得到比较：以上只是假设数据。事实上，我们需要比较十几个甚至二十几个行为指标来找到最可信的先行性。第一个模型是“新用户在注册后10天内添加了7个以上的朋友”，这是Facebook的经典“ahamoments”，所谓”ahamoments也就是说，当用户意识到产品的核心价值时，就是我们的“先行指标”。(Facebook，Instagram推荐朋友截图)此外，先行指标应满足以下条件:二是快速成长期经过产品抛光的初始阶段，产品保留率较好。此时，产品开始进入自发增长期。在自发增长期的产品阶段，我们仍然需要关注用户保留、用户持续时间、用户肖像变化等数据，但我们可以关注用户整个生命周期的管理，包括新用户的增长、激活和触发。”ahamoments“主要分析产品稳定活跃用户的整个漏斗。新用户的增长和激活新用户的增长和激活通常有两种方式。一是构建产品的病毒传播系数，使产品自发增长。《精益运营数据分析》中提到的几个用户的病毒传播分类非常有趣：原始病毒，即通过应用本身的邀请朋友功能吸引新用户；口碑病毒，即通过口碑传播，用户主动通过搜索引擎成为新用户；人工病毒，即鼓励用户通过人工干预、奖励邀请等激励措施进行邀请。这里关注的一个指标叫“病毒式传播系数”，感兴趣的同学可以自己深入了解。这里关注的一个指标叫“病毒传播系数”，感兴趣的同学可以自己深入了解。新用户下载->激活->‘AhaMoments’->产品稳定活跃产品进入自发增长期后，需要关注用户从新用户到活跃用户(保留后)、到核心用户的生命周期，提炼和细化每个过程的关键指标。以前论坛社交APP为例，新用户进入产品时会看到欢迎页面(如左下图)，注册登录后会看到产品主页(如右下图Feed流页面)，大多数应用程序都有类似的过程：新用户从进入应用程序欢迎页面到最终成为核心用户可能是以下过程：新用户（探索和发现产品价值）->旁观者(逐渐认识到产品的价值，并有一定的参与感)->生产者(认同产品价值并积极参与)：根据流行的分法，产品的生命周期(PLC,ProductLifetimeCycle)它分为初始阶段、成长阶段、成熟阶段和衰退阶段。在产品的每个阶段，数据分析的工作权重和分析重点都有所不同。以下是与案例相结合的阶段：此时，分解各阶段用户行为的指标：新用户&探索者：欢迎页面跳出率、新用户注册率、新用户引导流程转化率、Feed页面跳出率、搜索结果转化率、推送权限开通率、旁观者（路人）：平均每个用户关注的板块数量平均每个用户关注的其他用户数量平均每个活跃用户喜欢/共享数量Feed卡显示数量Feed卡点击数量订阅内容推送点击率内容制作人:·平均每个活跃用户发帖数量·平均每个活跃用户发送照片、视频数量·平均每个用户在论坛中的平均使用时间·活跃用户在论坛中的行为分布精细，分割用户生命周期前期和中期的行为指标，在产品快速增长期，帮助产品不断打磨细节，不断完善用户体验，从新进入到成为核心用户。同时，在每个节点数据得到改进和稳定后，产品运营的学生开始进行各种推广和推广，以扩大市场和占领市场。同时，在每个节点数据得到改进和稳定后，产品运营的学生开始进行各种推广和推广，以扩大市场，占领市场。3、随着用户的快速增长和产品的不断改进，在产品进入成熟期之前和之后，数据运营的重点开始从用户生命周期的前半部分（吸引、激活和保留）转移到后半部分（损失和回流）。在这里，我们分享一个关注增长期和成熟期的数据模板Dailynetchange(Johnegangan应用程序)@Pinterest)，不同于只关注DAU、MAU数据，只关注活跃用户数量的增加或减少往往是为了取悦自己，这个模型可以帮助直观地观察用户增长的因素，或者用户磁盘的变化，产品的新添加、回流和保留通过一张图片显示。Netchange=新用户 回流用户–流失用户。新用户是当天有多少新用户加入回流用户是多少老用户连续28天没有使用，今天开始使用丢失用户是多少现有用户只是最后一次使用应用是在28天前丢失和回流在关注丢失回流的过程中，数据将揭示当前用户磁盘的变化，具体分析损失原因可参考以下流程：核心思想，通过回访定性 以数据验证为主要手段，确定损失原因，改变产品运营策略，防止用户流失或拉回用户，促进回流。此外，对于一些稳定的交付渠道，普通的改进方法可能会有限的改进和转化。此时，可以进行更详细的渠道分析，以优化和改进投资回报率：案例：提高ROI4。最后，产品进入衰退期。一般来说，在进入衰退期之前，可以采取两种方法：1、零售业经常出现规模化，比如开按摩保健店，在一定范围内获得好评，当产品成熟时，可以打开连锁特许经营模式，通过快速广泛的市场扩张形成品牌效应，形成障碍，抵御衰退的风险。2、当产品生态系统增长或接近完善时，单一产品容易出现需求过于垂直、用户无法形成依赖的问题。可以开发具有协同能力的新产品，构建完整的产品生态系统，使无法满足或对当前产品失去兴趣的用户作为新产品流失到新用户；同时，新产品的用户也可以将旧产品从新产品中排出，形成产品之间相互依存的链条，最终，用户可以有效地流通，形成生态。

以上就是关于数据分析的工作权重和分析重点的相关介绍，更多数据分析的工作权重和分析重点相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对数据分析的工作权重和分析重点有更深的了解和认识。