當前位置:首頁 > 行業新聞 >除了PV、UV,產品運營還需要關注這些指標!

除了PV、UV,產品運營還需要關注這些指標!

2020-07-06 09:33:04 憶聚堂記憶力
海外營銷培訓公開課程過去的六七年我一直在企業服務領域創業,使用過不少分析工具:GA、Mixpanel、Heap 等等,功能很強大,但是總感覺少了點什么。我們看到了 PV / UV 這樣的概覽性指標,但是它們沒法指導我們做的更好。在通過這些粗糙的數據得到用戶做了什么后,還要看到他們是怎么做的,明白他們為什么做。我們需要實時、 全量的用戶行為數據,通過對用戶行為整體流程的分析,找到轉化的關鍵節點以及用戶流失的核心原因,以此幫助我們對癥下藥,找到可執行的指標,落實為優化行 動。 ?

? 今天,我想分享的就是我們在這方面的一些探索與解決方案。 ? 一. 用戶行為分析的巨大需求 ? 純 從數據組成的角度來說,一個完善的閉環數據源主要是分成三大塊:第一塊是用戶行為數據,第二塊是服務端日志數據,第三塊是交易 Transaction 數據。其中,除了交易數據會經常被存儲在離線數據庫中,通過 ETL 來獲取分析以外,行為數據和日志數據很多時候都是近似的,完備的用戶行為數據基本能覆蓋絕大多數的服務端日志數據,同時里面包含著很多日志數據里面所缺乏 的信息。 ? 從技術發展角度來說,最近幾年發展最快的可以說是前端,每個月都會有很多新的東西出現,整體趨勢是往單頁應用發展,追求用戶體驗。同時,還有移動端應用,也產生著大量的行為數據,這些都不會跟服務端有過多交互。 ? 所以,從應用提供商來說,我們需要知道屏幕前的人是怎么使用我們的產品的,洞悉用戶行為背后的價值。 ? GrowingIO 目前有近千家客戶在使用,我總結了一下客戶經常問我們的分析需求,大致可以分成三個場景: ? 第一個場景是:我做了一次活動,我寫了一篇文章,我想知道到底效果如何,有沒有給我帶來足夠的流量,也就是市場營銷效果衡量。我們有些客戶,每年有上百萬的市場預算在 SEM 上,但是卻完全不知道這些錢花出去到底帶來了多少回報。 ?

? 第二個場景是用戶激活流程是否合理,辛辛苦苦導入了流量,這些流量有沒有轉化為用戶,注冊流里面每一步轉化了多少,流逝了多少,沒有轉化的去了哪里。再在這個基礎上,我們應該怎么優化,優化后的效果是怎樣的,這周的轉化率比起上周是否有進步,差別是怎么引起的等等。 ? 第三個場景是這些注冊的用戶,有沒有留下來成為一個忠誠用戶甚至付費用戶。留下來的用戶,是因為什么留下來的。是否存在一個魔法數字,可以去極大的提 ? 高用戶留存,比如: LinkedIn 發現在第一周增加 5 個社交關系的用戶留存度很高; Facebook 發現在第一周增加 10 個好友的用戶留存度很高; Twitter 發現在第一周有 30 個 followers 的用戶留存度很高; Dropbox 發現在第一周安裝兩個以上操作系統的用戶留存度很高。 這些都是在留存分析中發現的魔法數字。 ? 二. 復雜而易錯的傳統分析方法 ? 歸根結底,所有的分析最終都是為了商業服務,而商業是為人服務的。所以,用戶行為分析就是我們需要建立一套基于用戶行為的分析體系,在了解用戶“誰”做了“什么”,“怎么”做的之外,進而明白是“為什么”做,對癥下藥,轉化成為優化行動。 ? 分 析是一個長時間優化的過程,需要我們持續監控數據的變化。而數據指標除了行為數據指標外還有一類,我們稱之為虛榮指標,比如 PV、UV 之類流量概覽性數據,這些指標看到了也就看到了,沒法指導我們做的更好。用戶行為數據指標則是另外一類,比如我們上面介紹的用戶獲取、用戶激活、用戶留存 之類,了解這些行為后面都會對應到一個優化流程,所以也叫做 Actionable Metric,可執行指標,這也是用戶行為數據的魅力。 ? 那么接下來,我們要開始跟蹤用戶行為了,一般可以分成以下七個步驟: ? 1.確定分析場景或目標 確定一個場景,或者一個目標。比如,我們發現很多用戶訪問了注冊頁面,但是最終完成注冊的很少,那么我們的目標就是提高注冊轉化率,了解為什么用戶沒有完成注冊,是哪一個步驟擋住用戶了。 ? 2.思考需要了解哪些數據 思考哪些數據我們需要了解,幫助我們實現這個目標。比如對于之前的目標,我們需要拆解從進入注冊頁面到完成注冊的每一個步驟的數據,每一次輸入的數據,同時,完成或者未成為這些步驟的人的特征數據。 ? 3.確定誰來負責收集數據? 誰負責收集這些數據,一般是我們工程師出馬。 ? 4.什么時候評估和分析? 收集上來的數據如何分析,什么時候來評估采集到的
5544444