维度

只需5步,你也可以画出高质量的状态流转图

一份PPT可以认为是一个产品,一个PRD文档也可以认为是一个产品,乃至于一张流程图、一封邮件都可以被当做是一个产品。状态流转图是一种用于描述状态之间流转过程的需求文档,在电商类产品的订单流、审批流一类的需求中比较常见。相对而言,状态流转图用得并不像业务流程图那么多,所有很多产品经理对这个类型的需求文档不太熟悉。为了更好地给大家分享这个类型的需求文档,火山YY了一个名为“扫宝

如何七周成为数据分析师 04:数据可视化之经典图表合集

本文是《如何七周成为数据分析师》的第四篇教程,如果想要了解写作初衷,可以先行阅读七周指南。温馨提示:如果您已经熟悉数据可视化,大可不必再看这篇文章,或只挑选部分。Excel的课程告一段落,今天开始第二周的内容,数据可视化阶段。数据可视化是一个热门的概念,是分析师手中的优秀工具。好的可视化是会讲故事的,它向我们揭示了数据背后的规律。大家对可视化的使用认知或许来源于下面这张图。

用户体验数据的多维度处理:PC A 法及碎石图

无关乎算法原理,本文将从用户体验的角度,着重分析多维度数据处理的降维方法:主成分分析法(PC A)主成分分析法(PC A):类似SUS,该方法能够将诸多因子如(满意度,可用性,简易性等多指标转化成低维度数据,以数字或图表的形式直观呈现),并介绍反映维度数量与误差性关系的图表–碎石图及其算法(基于PC A)。前文我们提到了用户体验数据化的广泛例子–系统可用性量表SUS,但是在

远离需求说改就改的日子,因为我知道……

作为运营设计经常会和PV、UV、转化率、点击率、曝光率、留存、DOSU、DAU、WAU等数据名词打交道(不了解可自行度娘)。数据指标是运营设计的命脉,在结果论的时代,我们该如何运用这些数据?那么多数据,如何get关键指标?当收集到的数据越来越多,很容易「数据迷失」,面对大量PV、UV等可视化数值时,却有可能找不到能促进业务增长的关键指标。虽然每个公司和部门的指标都不同,但是

互联网跨界打劫,传统企业是如何集体雪崩的?

在互联网逐渐成为基础设施,传统企业的发展越来越无力。而在互联网的降维打击之下,传统企业是如何雪崩的?这篇文章,为你解读。2015年,传统企业迎来倒闭潮,2016年大批“互联网+”企业也纷纷阵亡,在这个传统与互联网+的新旧之交,我们知道,是信息技术让这个世界重新洗牌,可是, 互联网到底是如何跨界打劫,让传统企业集体雪崩的? 这就有必要引入一个爆款词汇了——降维打击。一、降维攻

网易云音乐:3种推荐维度和2种推荐算法漫谈

网易云音乐在我看来在各方面都是较为出色的音乐APP,网上也有各种体验报告、产品分析,但都比较偏向交互和前端。所以,我决定对其靠后端大功能“推荐音乐和算法”稍作一些探讨。也是因为个人喜好问题,包括我做PD的时候,也喜欢接一些靠后端的项目,所以本文也不太涉及到界面交互方面的东西。网易云音乐希望面向的受众为85后到90后的年轻听众,且分布于经济发达地区。这类人对新生事物的学习和消

年终产品销售分析报告怎么做?

当我们面对数据的时候,不能光盯着数据本身看,就数据论数据,而是要用一个完整的数据分析框架去解读数据。光说数据分析理论太干,我想通过一个电商案例,来盘活与销售数据分析相关的术语和方法论, 以便各位更策略的应对各类线上大促的挑战 。这个案例是这样的:一个在信息流平台上卖礼品的电商,之前10个月的销售都不温不火,有涨有跌,每月销售额一直徘徊在40万元左右,但 上个月的

从一道产品面试题中,我悟出的思考逻辑和方法

我们对事物或者对事情的分解维度决定了我们思考的深度。如果选择了一个错误的维度,也必将整体跑偏,最后得出一个错误或者不如意的结论。一直以来,在表达的输出和思考的程序上,我总会秉承着“金字塔原理”的思维方式,即先重要后次要,先总结后具体,先框架后细节,先结论后原因,先结果后过程,先论点后论据。这种思维方式是在书上学到的,在实践中也得到验证,甚至慢慢成为了我的思考习惯,但却不是可

被KPI烦死的优化师,来看一下

希望,当你今天看完这篇文章之后,再思考为什么效果差的时候,能多设置一些思考维度,谁都不是元芳,回答不了一句简单的“你怎么看?”。最近几天几乎每天都会收到二三十个咨询同一类型问题的私信,这类问题可以概括为:“XX平台投放效果好差,怎么回事啊!?咋办啊?!”当然了,问这个问题的朋友大多是希望我回答后半句,即“咋办?”。可我总是“不识趣”的反过来问他们:“你说的这个‘效果差’是怎