怎么使用群组分析晋升产物经营的代价
本文摘要:何为群组?使用群组我们可以做什么?怎么使用群组分析提高产品运营的价值?读完本文,或许你就知道一二。一、何为群组?8月份A渠道导入的新用户们是一个用户群;体系版本为iOS10以上的用户们是一个用户群;加入购物车却没有完成付款的用户们是一个用户群;曾

何为群组?使用群组我们可以做什么?怎么使用群组分析提高产品运营的价值?读完本文,或许你就知道一二。

一、何为群组?

8月份A渠道导入的新用户们是一个用户群;

体系版本为iOS10以上的用户们是一个用户群;

加入购物车却没有完成付款的用户们是一个用户群;

曾有过消费行为却接连7天以上未登录的用户们是一个用户群;

……

我们可以依据分析需要划分出无数个用户群。当然全体用户也是一个用户群。

二、使用群组我们可以做什么?

产品数据无论是变好仍是变坏,我们都应找出其原因,找出变好的原因就能够让它变得更好,找出变差的原因就能够让它停止变差。而产品数据的重视点往往在用户身上,比如用户的活跃度、留存、付费率等。因此数据的动摇也往往是某些用户群体导致的,我们要找出这个群体,找出数据动摇的原因。

那么,最简略的方法就是分组看数据(group by),举个简略的例子:用户流失率升高了,怎么归因?

首要要知道我们的用户在不同维度下都可以分红多组:性别维度分男女、年纪维度分老少……而各组用户的数据趋势往往是不同的,也就是说数据的变化对错均匀散布的。

那么,假如我们以用户来历作为维度来分组看数据,我们就能够知道是否是某些渠道的用户出了问题。除此之外,我们还可以以产品版本为维度、以用户的操作体系为维度、以用户的网络环境为维度、以用户的对产品的使用进度为维度、以用户详细行为为维度(如通过是否触发(或完成)过某行为将用户分为两组;也能够用多个行为将用户分为多组)……

回到例子中(以游戏产品举例,其他产品同理):

我们先以渠道作为维度,发现各渠道趋势类似,无显着差异。那么,我们就替换维。

这次,我们以产品使用进度为维度,发现只有等级为5的用户流失率随时间的推移上升显着;

我们再以用户行为为维度,发现完不成5级的主线使命是5级流失率上升的主要原因;

再以行为为维度,发现没有取得道具X是未完成5级主线使命的主要原因; 再以行为为维度,发现没有去地图N是未取得道具X的主要原因;

……如此一步步归因到终究,最终,我们发现是产品的引导做得不行明晰,用户不知道要去地图N才干取得道具X。可以看到,通过这样分组观察数据,我们可以较容易地找到数据变化的原因地点。

另外再次提示,在全体数据趋于安稳的状况下不该粗心,此时有多是一部分用户群的数据正在变好,另外一部分用户群的数据正在变差。

2.精准观测方针用户

我们做产品是有方针人群的,我们做功用优化、活动策划往往也是有方针用户的。我们要明确地知道方针用户是谁,他们之前和之后的数据是怎样的,才干评价产品改版或活动执行的效果,而假如我们仅通过观测全体数据来衡量,则效果往往不显着,因为数据会被冲淡和搅扰。

3.精密化运营

不同用户群的需求往往是有差异的,因此,厚此薄彼不如各给所需。

还有一类特殊的用户群体,我们称之为高价值用户,二八定律我们都知道,显然我们应该找出这20%的人,并重点效劳好他们。

4.比照分析

很多时分,我们看单一群体的数据是不容易发现问题的。

比如,我通知你某APP第二季度男性用户贡献收入1000万元,你觉得是多仍是少??你可能会觉得条件不足,无法判断。 假如我再通知你它同比增加15%,环比增加10%呢??通过比照不同时段的群体,你可能会觉得它的増势还不错。 假如我再通知你其女性用户贡献收入3000万元,同比增加60%,环比增加30%呢??通过比照不同性其他群体,你会了解到这两个群体的差距越拉越大。

这就是数据比照清楚明了的意义。

在其背后我们可以考虑两个群体差距拉大的原因是什么?是否契合产品预期与定位?未来是期望继续拉大差距(专精)仍是缩小差距(平衡)?

我们最常用也是最简略的用户群比照就是“同期群比照”,包括同比和环比。

“同期群”简略来说,就是以时间出发点为仅有变量(时间长度相同,其他条件也相同)的多个用户群。

用中秋假期(3天)的用户活跃数据比照端午假期(3天)的用户活跃数据,就是简略的同期群比照。

比“同期群比照”高级一点的是“同期群分析”,差异在于前者比照的是“点”数据,后者比照的是“线”数据。也就是说“同期群分析”会比照多个同期群跟着时间而发生的数据变化。

最常用的同期群分析就是留存分析,比如8.20、8.21、8.22三天的新增用户构成了3个同期群,查看并比照他们在各自随后七天的留存率变化就是一个简略的同期群分析。我在3年前写的一篇关于LTV分析的文章用的也是同期群分析的方法。

同期群分析的主要意图在于通过比照来发现呈现问题的“群”,通过优化产品,我们期望“新群”的数据可以总是好于“老群”。

同期群的分析只是群组分析的一个典型案例,除了时间,我们还有很多划分群组的维度,也可多维度组合,如一线城市的互联网从业者比照二线城市的互联网从业者。

在BI体系的所稀有据展示区域,我们都可以加上用户群比照的功用,以查看并分析不同用户群体在不同数据指标上的体现差异。

5.群画像分析

将用户群体的属性散布逐一展示出来,就是群体画像。通过群画像,我们可以了解到指定用户群的年纪散布、性别散布、等级散布、设备品牌散布、活跃度散布等等。

通过观察和比照群体画像,我们可以了解到自己对方针用户群体的定位是否精准,以及该往哪一个方向调整。

三、体系完成

没有成熟的体系支撑,群组分析的门槛和本钱其实仍是有些高的,需要手动取数和作图,而这部分工作实际上是可以交给程序来完成的。

那么,体系完成的难点就在于怎么协助使用者简略地拼装sql语句进行数据的提取,以及怎么做好数据的可视化。

 

作者:闫鹏,热云数据产品主管。

本文由 @闫鹏 原创发布于人人都是产品主管。未经答应,禁止转载。


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。