浅析产品数据指标的拆解

2017-11-30 13:10:00

前两天给团队制定明年计划时，大家对计划的来源存在疑惑，也感觉计划本身没有一个拆解过程，不知是依据什么制定的。这时团队小伙伴提出了一种更科学的任务划分思路，今天就抛出来和大家分享一下。

其实这个问题从根本上看，就是一种指标拆解方法，也就是说，如何依据一个目标数据，层层分解，并根据分解的细分指标，制定相关的工作计划。这本身也是一种数据分析的思路。
以36氪App实际情况为例，我们的考核指标是DAU，也就是日活跃用户数。如果是发散性思考，为了达到这个指标，其实可以有很多办法，可以做运营活动，可以做渠道推广，可以提升用户体验，可以上线激励体系，可以增加更多内容形态等等。但这样一来，如何将这些事情有序进行，如何评估这些事情的优先级，如何确定这些事情是否真能为DAU提升带来帮助，都是不明确的。
那么，更合理的做法是怎样的呢？就是用结构化思维拆解指标。
还是以DAU提升为例，组成DAU的行为有哪些呢？参考经典的数据分析模型AARRR模型，主要步骤就是：用户获取—>用户活跃—>用户留存，拆解到指标，对应到：新增用户、老活跃用户、回流用户。如下图所示：

而如何提升这三类指标呢？

对于新增用户

从产品层面可以做的，就是提升新增用户的来源渠道效果。在通过线上渠道BD、线下地推后，流量首先访问的就是落地页，因此对渠道引流后的落地页设计和优化，则是产品方面要考虑的。此外，为了让这批新用户尽可能留存，对他们第一印象的引导设计也是优化重点，这其中包括：新用户引导、激励体系建设、使用路径优化、首次访问内容多元化、精美的UI 等等。梳理结果如下图所示：

对于老活跃用户

由于这批用户已形成浏览习惯，如果产品形态长期不变，时间长了也会由于失去新鲜感而流失。因此对这样的用户群，我们可以做的主要是：基础功能优化、上线新的内容形态、增加更多互动手段、提供每个人的个性化阅读体验等，具体做法可以如下图所示：

对于回流用户

这批用户其实属于曾经访问过App，但后来就不再启动的人群。对他们我们的策略肯定是尽可能召回。如果已安装了App，可以考虑进行个性化PUSH，或者全量PUSH“诱导性”活动。如果已卸载，还可通过等方式召回。此外，通过不断优化App的站外分享页面，也可在一定程度上召回老用户，让他们重新认识 App的新内容和新功能。如下图所示：

最终，根据DAU指标拆解，可以得出一张大图，上面就是下一步我们可以考虑优化的方向：

当然，完成了拆解还远未结束，接下来就要评估每个方向的重要度、紧急度、使用频率、实现成本、运营成本、推广计划、预期效果等，综合出优先级，并按此优先级和已有资源，分步骤制定roadmap，有序执行。
以上就是今天想和大家分享的，你们有做过指标拆解么？期待你的回复与我讨论~
作者
申悦，36氪产品总监，微信公众号：互联网悦读笔记（ID：pmboxs）