zoukankan      html  css  js  c++  java
  • 产品数据分析需要注意哪些坑

    产品数据分析需要注意哪些坑

    一、明确做数据分析的目的是什么,要解决什么问题

    看起来大而空,其实是最容易犯的错误。产品经理尤其是数据分析师应当注意,分析某项数据是要解决一定问题或作为某项决策的依据。不能只做单纯分析,分析目的是什么都不知道,又怎么能从图表中发现问题?甚至,又怎么能做出有针对性的图表呢?

    很简单的例子就是,不知道要解决什么问题,要针对哪些用户群体,选择的样本容量不对,错把某一类型数据当成全量数据或抽样规则制定错误,直接导致错在起跑线上。

    二、迫切需求≠必要需求,缺乏对产品的宏观把控

    此类误区尤以某一鲜明但偶然的事件易诱人误导。“洛阳纸贵”只是一时现象,不能因它而忽略了产品背后的整体概率。举个例子,在欧洲杯前期,商家H5宣传盛行,某H5公司客服接到很多客户反映,希望自己做好的H5作品可以转送他人或者允许他人修改。产品经理在接到客服反馈后,没有深思产品功能的可延续性周期,迅速立项,联合工程加班加点开发出子账号功能。欧洲杯期间,此功能确实使用概率较高,但欧洲杯过后,H5行业热度降低,子账号功能的使用频度更是直线下降。

    三、理论不结合实际,过于注重数据表象

    系统化的数据分析报表才能够更好的反映出产品或服务存在的问题,要结合营销性思维来分析数据。否则,即便报表做的再漂亮再专业,也只是纸上谈兵。示例:某家服务型公司发现,使用某项功能4次以上的用户忠诚度更高。于是,公司加大了对该功能的宣传推广,EDM、首页推荐各种推送。一段时间后,该功能的使用度大幅提升,但忠诚用户比例并无明显上升。为何?用户并非单一使用该功能,而是在产品的诸多功能使用中该功能频度较高。这是一个整体过程,非单一事件。数据分析逻辑错误,因果关系错判,方向错误结果自然也不理想。

    四、高流量即高转化的误区

    与网站收录高不一定排名好同理。大流量、收录高是获得好转化、好排名的基础,是敲门砖。但绝不是决定性的唯一因素。某些情况下,大流量是获得转化的前提,也就我们平常所说的扩大用户池子。在获得流量后需要考虑如何提高产品转化。但某些情况下,流量转化的高低取决于渠道质量的好坏。此种情况下,最应该做的是选择优质渠道而非研究流量转化。

    示例:一篇文章百度带来100个leads,微信带来80个leads。但百度带来的流量最终转化为60个注册用户,微信渠道最终转化了64个注册用户,哪个渠道比较好,不能单纯根据流量来源多少定吧?

    五、只关注最终总体产品转化率

    不注重数据分析价值时易犯此错误,不懂精细运营也易犯此错误。

    延用上述案例。百度带来的流量明显比微信多,转化第一步流失30%,第二步流失10%左右,最终带来流量60%转化的效果; 微信第一步流失仅5%的用户,第二步流失16%。

    针对两个渠道,我们就要开始进行数据分析,并思考:什么造成了百度第一步转化流失率高,该采取什么措施。微信第二步流失率高的原因是什么,该怎样解决?

    六、转化率高不一定代表用户体验好

    一般而言,我们会通过提高用户体验来提高产品转化率。但是,反之,转化率高就代表用户体验好吗?
     

    像我们曾经遇到的问题,登录密码那块出现问题,用户登录不上,只好重新注册。短期内,用户注册率大幅上升,但造成的用户体验却很不好。

    工作中处处留心,可以避免走入很多的误区。产品经理每一个决策几乎都要牵涉到很多方面。磨刀不误砍柴工,多想想再去做,说不定效果更好。http://www.cda.cn/view/18677.html

  • 相关阅读:
    grunt in webstorm
    10+ Best Responsive HTML5 AngularJS Templates
    响应式布局
    responsive grid
    responsive layout
    js event bubble and capturing
    Understanding Service Types
    To add private variable to this Javascript literal object
    Centering HTML elements larger than their parents
    java5 新特性
  • 原文地址:https://www.cnblogs.com/amengduo/p/9587340.html
Copyright © 2011-2022 走看看