产品用户和行为数据的研究层次划分

在这样一个「数据驱动」在这个时代，许多产品团队选择在产品早期引入或建立数据分析平台，并希望通过数据推动产品的快速增长，但即便如此，大多数初创企业仍然无法逃脱失败的厄运。数据分析除了战略和运营造成的企业死亡外「深度不够」这也是产品失败的一个重要原因——大多数企业建立的数据分析平台只能看到一些统计指标——这不足以指导产品改进并取得成功！产品数据分析的三个层次对产品用户和行为数据的研究大致可分为宏观层、微观层和中间层：宏观层：由一系列数据指标组成。例如，产品是日常的「活跃用户数」、「新增用户数」、「订单数量」、「喜欢的次数和人数」、「第二天或第七天的保留率」等等，这些指标可以帮助您掌握产品的整体运行；微层：由产品中每个用户及其行为的细节数据组成。比如每个用户的年龄和性别...、他什么时候打开应用程序，他做了什么，他的购物车里有什么商品，这些数据可以让你深入理解和理解每个用户和用户的行为中间层：中间层由一系列相关的分析方法、模型和相应的数据组成。如行为分析、漏斗、保留、细分、肖像洞察等。决定成败的「中间层」「中间层」它是一个至关重要的层次——对您的产品和业务目标的大部分分析都需要在中间层的方法模型的支持下完成。这是因为宏观层的数据指标太总结了。虽然它可以帮助您了解产品的整体情况，但很难根据这些指标直接建立实际的产品改进策略；微观层行为的数据量太大，大量细节无法启动。如果中间层能够基于丰富的维度提供有效的方法和模型，你就有机会逐步深入分析有问题的宏观数据指标(Drilldown)，逐步缩小问题的范围和人群，甚至深入微观洞察相关用户和行为，直到对问题原因有清晰的理解（或有效的猜测）——并建立产品改进策略并逐步改进，产品才有机会取得成功。相反，如果中间层缺失，或者提供的方法模型不能支持你对问题指标进行足够的分析，你只能回去「看数据→拍脑袋」在老路上，产品快速增长，最终成功的概率会降低。典型实例分析以假设为基础「视频共享社区」以产品为例:1。通过数据发现问题，产品运营负责人发现，注册第二天只有20%的新用户回访(「宏观层」指标「次日留存率」低)2.深入分析后，她将某一天的新用户划分为「第二天回访的用户」和「第二天不回访的用户」两组(作者按:「中间层」人群细分)，并从各个维度对这两组用户进行了分析比较(作者按:「中间层」细分、群体肖像、行为分析等方法)，发现两组人之间的一个典型区别是:「回访的用户」通常在第一次使用时「至少拍了一段视频」并且「与微信朋友圈分享」;而「不回访的用户」大部分都是第一次使用「没有视频拍摄」或「朋友圈没有分享」。根据上述差异，运营负责人猜测-第一次使用时「拍摄并分享」第二天及以后的留存率会受到影响。根据上述差异，运营负责人猜测-第一次使用时「拍摄并分享」它会影响第二天及以后的保留率。因此，她进一步从两组中提取了少量用户，并检查了他们的行为记录（作者按：「微观层」用户及行为细节数据)，发现:第一次使用时「拍摄和分享视频」为了查看或回复评论，用户经常在收到朋友圈朋友的评论时返回应用程序。而且，评论多的用户很快就会发表评论「拍摄新视频」。而「没有拍摄和共享视频」用户的情况恰恰相反。通过这些细节数据验证了运营负责人的想法。3.运营负责人将她的发现与产品经理和其他团队成员进行了沟通，并得到了认可。基于这一发现，我们对产品本身进行了更深入的分析，并选择了一些用户进行电话研究。然后，我们制定了改进产品的策略：第一步是优化和改进产品本身，指导和鼓励用户在第一次使用时完成视频拍摄和共享。新版本发布后，新用户第二天的留存率迅速上升到50%;第二步，组织「最佳微视频评选」、「搞笑视频评选」一系列刺激视频拍摄和传播互动的活动。随着活动的进行，新用户数量和次日留存率进一步提高，老用户活动也在增加。随着产品用户的快速增长，产品团队负责人很快与投资者敲定了新一轮融资，产品走向成功...总结宏观指标相对容易获得。选择或构建合适的分析工具来选择中间层和微观层「解锁」，决定数据分析成败的关键！