如何做产品用户行为分析?(做产品用户行为分析的8大策略)
(20210312)382
在这个每个互联网人都在谈论数据,每个产品经理都在谈论数据分析的时代,用户行为分析的重要性也越来越凸显出来,那么产品经理如何做用户行为分析呢?接下来将为大家进行分享。
一、为什么要做用户行为分析
以上观点其实都是错误的,如果产品经理有这样的想法,会对自己极为不利。下面我们来看两个案例:
案例一:Growing IO 改版前后对比
视频介绍功能是所有用户都想要的,于是Growing IO毫不犹豫地把视频放在了首页,然后注册转化率下降了50%,持续观察两个周,注册转化率仍然没有显著增长,回滚到上个版本,注册转化率逐渐恢复。结论:
部分用户的观点无法代表全体用户的真实感受,视频介绍可能是伪需求。产品经理的主观感受无法代表用户的真实体验,任何人都无法代表用户。视频介绍分散了用户的注意力,导致首页注册转化率大幅度下跌。
案例二:Facebook改版之后再回滚
Facebook经过改版之后,页面更清爽了,展示面积更大了,突出了图片以及视频,展示信息更丰富,Facebook的产品经理、交互设计师都对这一版本非常有信心。然而10%灰度发布之后,用户平均在线时长降低50%,一个月后,数据仍然没有好转。
互联网产品要以数据为导向,而不仅仅凭借自己的主观感觉。产品设计过于超前了,产品版本迭代版本之间没有一定的过渡,用户无法习惯。
因此可以说,数据分析在日常工作中起到的是必不可少的作用。1、用户行为分析不是形式化,不是为了分析而分析,哪怕是核心用户提出的需求,也要通过数据来验证,任何人都无法代表真正的用户。2、产品经理要有自我革新,自我否定的意识。用户的需求是变的,不能太过于依赖过往的经验,过往的经验不可靠,只有数据最可靠。3、用户分析调研是一方面,只是为产品提供思路,但是是否有利于产品长期发展还是要通过数据来说话。4、用户端产品要以用户体验为核心,以数据为导向。
二、数据指标与名词含义
1、流量来源:流量来源的意思是网站的访问来源,比如用户来自于知乎,来自于微博等等。主要用来统计分析各渠道的推广效果。
2、PV:PV(page view)即页面 量或点击量,指页面刷新的次数,每一次页面刷新,就算做一次PV流量。
3、UV:UV(unique visitor)即独立访客数,在同一天内,UV只记录第一次进入网站的具有独立IP的访问者,在同一天内再次访问该网站则不计数。PV与UV的比值一定程度上反映产品的粘性,比值越高往往粘性越高。
4、IP数:IP数即独立IP的访问用户数,指1天内使用不同IP地址的用户访问网站的数量。IP数字与UV可能不同(可大可小可相等)
5、日活/月活:每日活跃用户数(DAU)/每月活跃用户数(MAU),反映的是网站或者APP的用户活跃程度,用户粘性。
6、次日留存/次月留存:次日留存、次月留存反映的是网站或者APP的留存率。
7、用户保有率:指在单位时间内符合有效用户条件的用户数在实际产生用户量的比率,也叫用户留存。
8、转化率/流失率:转化率一般用来统计两个流程之间的转化比例。其中流失率也是重要的数据指标。用户流失率=总流失用户数/总用户数。
9、跳出率:指用户到达网站上且仅 了一个页面就离开的访问次数(PV)与所有访问次数的百分比。跳出率越高说明越不受欢迎。
10、退出率:对某一个特定的页面而言,从这个页面离开网站的访问数(PV)占这个页面的访问数的百分比。跳出率适用于访问的着陆页 (即用户访问的第一个页面),而退出率则适用于任何访问退出的页面。
11、使用时长:每天用户使用的时间。对于游戏或者是社交产品来说,使用时间越长,说明用户越喜欢。一般来说,使用时长越短说明产品粘性越差,用户越不喜欢。
12、ARPU:Average Revenue Per User,每用户平均收入在一定时间内,ARPU=总收入/用户数。
三、如何做用户行为分析——三大理念
1、要树立以数据为驱动的价值观
要树立以数据为驱动的价值观,充分认可数据的价值。工作定位:统计、助力、优化、创新。商业变现是最根本目标:用户使用→产生数据→商业变现
2、要有用户行为分析方法论
在用户行为分析中,越底层产生的价值越低,越顶层产生的价值越高。做用户行为分析应该把重心放在最有价值的分析和决策两个层面。将更多的时间放在分析以及应用上,而不是数据采集上。
AARRR模型,我们在做用户行为分析的时候,应该考虑用户正处在AARRR模型的哪个部分、关键数据指标是什么、对应的分析方法又是什么。
当我们对产品有一个idea的时候,采用MVP的方式将其构建,功能上线后,衡量用户和市场反应,从而不断学习优化
3、要用功能强大的用户行为分析工具
比如Google analysis、神策数据、Growing IO等等
四、如何做用户行为分析——八大方法1、内外因素分析
该方法有助于快速定位问题。例如一款金融类产品UV下降,快速分析相关原因。内部可控因素:渠道变化、近期上线更新版本、内部不可控因素:公司战略变更、外部可控因素:淡旺季、外部不可控因素:监管。
2、事件分析
事件维度:用户在产品中的行为以及业务过程。指标:具体的数值,访客、地址、 量(PV、UV)、停留时长。趋势分析:分析各个事件的趋势
通过事件分析,比如分析用户的在线时长、点击事件、下载事件等等,然后分析用户的行为。并且通过各类图标来分析用户的行为趋势,从而对用户的行为有初步的了解。
3、试点分析
说白了就是,当发现一个问题之后,不要那么着急去解决,而是只想一个解决办法,然后灰度发布,如果灰度发布的人群数据比较好,那么就推往整个用户群。
这是一种从一个具体问题拆分到整体影响,从单一解决方案找到一个规模化解决方案的方式。
4、漏斗模型
漏斗模型是最常用的分析方法,可以广泛应用于流量监控、产品目标转化等日常数据运营工作中。要根据实际需要来确定是否有做漏斗分析的必要,比如用户注册过程、下单过程这些主要流程,就需要用漏斗模型