优秀产品人必懂的数据驱动增长模型

在实际的业务中，产品人很少有机会经历完整的数据体系搭建过程，本文将系统的介绍如何搭建一个完成的数据驱动模型。

在实际的业务中，大多数人可能只会遇到以下一种或几种常见的场景，并且对于各个细分场景，所需要解决的问题和关注重点都是不一样的。

场景一：你刚加入一个成熟产品的用户增长部门，会发现业务当前有非常全面详实的用户和业务数据，但由于个人缺少数据分析的经验，面对一堆数据，除了能简要了解到产品基本情况，不知如何从数据中挖掘出更有价值的信息。

1. 待解决问题：面对大量数据，不知如何入手分析。
2. 所需的能力：各种可以从数据分析中找到增长线索的方法论。

场景二：你熟练掌握了基本的数据分析技能，能够基于现有数据找到增长线索，你想针对某些关键指标的异常情况进行分析，但不知道哪些数据相关性高，如何将多维度的数据关联分析。

1. 待解决问题：有明确的问题需求，但不知如何有效拆解数据问题。
2. 所需的能力：基于目标行为的拆解用户路径的方法。

场景三：拆解完用户路径后，发现目标的转化路径中有部分数据缺失，无法有效支撑你的分析。

1. 待解决问题：如何快捷有效的收集缺失的数据。
2. 所需的能力：制定数据采集方案。

场景四：需要的数据采集到位后，发现数据统计混乱，每次查询和分析数据的效率成本都很高。

1. 待解决问题：数据如何高效可视化呈现，降低查询使用的成本。
2. 所需的能力：创建数据仪表盘。

诊断上述的工作场景，大多数增长人的工作顺序可能是：数据分析→用户路径拆解→收集数据→搭建仪表盘。

基于数据驱动用户增长可以分为以下五个步骤：

对大多数增长从业者来讲，最重要的是先掌握一套数据分析方法，从现有数据中快速找到增长线索，取得一些增长业绩，再反过来检查数据埋点、统计等地方有没有问题。当掌握了数据分析方法，但所在的公司or负责的业务没有基础数据也无从下手，才需要思考如何拆解用户路径、数据采集。而数据仪表盘，则是为了提高查询效率，支持数据分析工作快速、准确开展。

一、分析数据：多维度数据分析

从数据分析中寻找增长机会，可分为“宏观”和“微观”两个角度。

1. 宏观：在基础数据中，找到较大的增长机会。
2. 微观：对比精细化的用户数据进行分析，挖掘相对隐蔽的增长线索。

无论所在的公司是否有用户的精细化数据，都可以通过从整体的角度进行数据分析，找到增长乏力点。然后再考虑要不要分析更精细的数据。

案例：某内容类APP产品

本节将会围绕北极星指标和全链漏增长模型，通过一个案例（数据虚拟）展开关于宏观数据分析的分享。

1. 北极星指标：指导增长工作方向最重要的指标，也可以理为业务现阶段的唯一重要的指标。制定北极星指标时，需要在服务于业务的长期健康增长下，同时考虑商业目标和用户价值。
2. 全链漏斗增长模型：是把影响北极星指标的主要细分指标梳理梳理出来，并标注转化率。通过模型，可以将北极星指标细化拆解，从中找到增长的机会点。

案例场景：刚刚入职一家内容类APP，负责用户增长，公司没有完善的后台数据系统，无法通过详细的用户行为埋点数据，如何找到一些增长的线索。公司现有后台可提高的数据指标：下载量、注册量、登录量、平均阅读时长、基本用户信息。

第一步：构建全链漏斗增长模型

从转化漏斗可发现：

1. 拉新转化率较高：新用户下载到注册的转化率为70%，新用户下载转化率不错。
2. 老用户活跃度低：当月活跃老用户占总注册用户数的10%，老用户活跃较低。活跃用户主要靠新用户补充。
3. 用户感知的产品价值较低：当月人均阅读时长较低，远低于行业均值。

第二步：分析历史趋势，观察趋势、异常点、拐点

从历史数据中发现：

1. 拐点：2019年11月，下载到注册完成的转化率从71%开始大幅度下降，发送了什么？
2. 趋势：2019年10月，人均阅读时长提高了一倍。因为那个时间段增加了内容社区版块。

第三步：按获客渠道分解

在了解了现状和历史数据情况后，可通过获客渠道对数据进行维度分解。

1. 公众号的新用户下载转化率一直维持在63%-71%左右。
2. 2019年11月份开始抖音广告，转化率仅有10%-15%，因此导致了总体转化率下降。

第四步：了解用户的基本属性特征，根据APP收集的用户信息，画出分布饼图

通过年龄、性别、城市、职业等发现：

1. 18-25，25-30的用户占比最大。
2. 职业：白领和大学生为主。

第五步：了解用户的基本活跃度

发现：

1. 超过80%的活跃用户每月登录少于4次；
2. 但每月登录4次以上的用户，有接近80%的用户为18-25岁的大学生用户群体。

总结：

1. 新用户下载到活跃的转化率尚可。
2. 老用户活跃度低。
3. 人均阅读时长低于行业均值。
4. 公众号转化率远高于抖音广告。
5. 18-25岁的大学生用户群活跃度较高。

通过增长线索的制定应用策略的两个方向

在通过数据分析得到增长线索后，可以通过取长补短的方式来制定增长策略。

1. 取长：强化增长，在已经显出成功信号的方向上，继续加强。
2. 补短：修补漏洞，找到整个业务漏斗中流失问题最严重的环节，通过策略降低流失。

继续针对上述案例，进行分析，假设发现：

（1）公众号来源的新用户质量高

对应策略：取长。增加公众号的内容数量，提升公众号的内容质量。

（2）大学生用户活跃度高

对应策略：取长。进一步分析大学生的获客渠道来源，通过用户问卷了解大学生感兴趣的内容和功能，加强对应的产品体验。

（3）来自抖音广告的新用户转化率低

对应策略：补短。找到漏斗转化率低的原因，测试提升转化率。

（4）老用户活跃度和留存率低

对应策略：补短。进一步分析活跃和留存曲线，找到用户流失最大的问题。

二、理解数据：梳理用户行为路径

梳理用户路径的意义：新项目开启时，需要明确北极星指标和增长模型，之后还需要进一步加深对用户和产品认知的颗粒度。需要快速结合产品功能、业务逻辑，梳理清楚用户行为路径，为后续的确立指标、数据埋点、数据分析奠定基础。

梳理用户行为路径的方法

（1）梳理核心路径：根据北极星指标，构建转化漏斗。转化漏斗一般为设定的用户主路径。

（2）细化核心路径：将核心路径中加入更多的漏斗步骤，理想形态是拆到不能再细化为止。

（3）加入其他重要路径：梳理重要的产品功能和业务逻辑，描绘主漏斗之外的重要行为路径，找到路径之间的关系。

案例：某电商类APP

小编通过针对电商类的产品，简要分享一下如何梳理用户行为路径。

第一步：梳理核心路径

第二步：加入其他重要路径

第三步：输出用户行为路径图

三、收集数据：制定埋点方案

制定数据采集方案是数据驱动用户增长的第二步。没有用户行为数据，数据颗粒度不够，也就难以发现业务指标变化背后的原因，从而难以发现增长线索。通过数据埋点追踪用户行为，可以用数据描述用户在产品中的行为轨迹，也构成了指标仪表盘和分析数据的基础。

增长团队经常面临的问题：

1. 没有详细用户行为数据，无法进行比较细致的数据分析。
2. 做过用户行为的埋点，但不准确，无法使用，不能满足分析需求。

埋点的目的是追踪所有的用户关键行为。

确定埋点数据指标

常见的两种需要数据埋点的情况：

1. 已有基本埋点，只需进行缺失的数据埋点。
2. 如从头埋点采集用户行为数据：分级分步，由主到次。

埋点需要记录的信息：

行为本身（event）：用户做了什么操作？

行为的属性（property）：

1. who：谁参与了这个行为（设备ID，用户ID等）。
2. when：行为发生的时间。
3. where：行为发生的地点。
4. how：用户参与这个行为的方式（设备型号，版本号等）。
5. what：根据行为类型，细化更多情况（商品名称、价格、数量、query词等）。

制定事件埋点方案

制定事件埋点方案是产品运营的基本技能之一，这里小编就不做过多的分享了。

简单总结几点埋制定埋点方案是常见问题：

埋点的常见问题一：思路不清，事无巨细。

问题现象：什么都想埋点，导致上线时间晚，且埋点过多对产品负担较大，影响用户体验。

避免建议：

1. 从重点出发：如从北极星指标，增长模型和重要问题出发，规划埋点计划。
2. 从问题出发：带着需要解决的问题和分析目标，通过数据解读进行埋点规划。

埋点的常见问题二：事件命名格式不统一

1. 问题现象：同一个事件，存在多个名字。因为版本迭代导致前后版本命名不同等。
2. 避免建议：统一规定事件结构和命名规范，做好文档管理，定期更新。

埋点的常见问题三：错过重要的事件或属性

1. 问题现象：因为突发情况导致的某路径或环节数据异常，但未针对这个路径进行埋点。
2. 避免建议：埋点前，从问题出发：想清楚为了回答哪些问题，要追踪哪些事件，事件需要哪些分支路径和环节。发现错漏后，逐渐补齐。

埋点方案常常分为前端（客户端）埋点和后端（服务器端）埋点两类方向。

前端埋点：主要是记录用户端操作行为，如点击事件，页面打开事件等。

1. 埋点方法：通过客户端代码进行埋点。
2. 优点：真实记录产品内用户行为和路径，不需要请求服务器数据。
3. 缺点：不能记录业务结果，网络加载慢时，可能导致数据不完整，更新埋点时需要进行版本更新，界面视觉交互修改时，可能需要更新对应埋点。

后端埋点：主要记录用户特征变化及前端操作导致的业务结果，如付款成功，交易失败等。

1. 埋点方法：通过从接口调用后端数据。
2. 优点：实时性好，产品界面改变不需更新埋点。能够收集不在APP内发送的行为，记录最终的结果，数据相对更准确。
3. 缺点：不能收集不需调用接口请求服务器的数据。例如用户的按钮点击事件。

埋点案例

小编在此通过一个携程的登录页面埋点来简要说明一下如何埋点。

因对登录功能进行埋点，所以需要记录如下信息：

行为（event）：

1. 注册流程各个节点的转化率。
2. 第三方登录流程各个节点的转化率。
3. 验证码登录流程各个节点的转化率。
4. 密码登录流程各个节点的转化率。
5. 密码找回流程各个节点的转化率。
6. 用户从登录页面直接退出的点击次数

行为的属性（property）：

1. who：用户设备ID，用户ID，用户使用的产品版本号，用户手机号的国家号段(国内，国外)。
2. when：用户操作各个流程的服务器时间，用户登录成功的服务器时间。
3. how：用户登录时的产品版本号。
4. what：根据行为类型，细化更多情况（商品名称、价格、数量、query词等）。

作者&公众号：杨三季

作者 杨三季

关键字：业界动态

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！