深圳APP开发咨询热线:0755-23578246 | 136-2233-6324欢迎来到深圳APP开发公司乐信科技!

已阅读

APP产品运营中如何用数据优化产品

来源:lexintech.com       发布时间:2018-10-15
 
运营数据对APP产品的设计和优化很重要,当一款APP开发出来,就要开始关注运营数据,那么,我们需要关注哪些数据和指标呢?
APP产品运营中如何用数据优化产品
对于产品经理来说,最简单的指标就是页面浏览量、登录用户数和访问用户数这样的的数据了
每天关注这些指标的变化和趋势,可以快速了解产品的整体情况,但是只有这些是远远不够的,产品经理需要更多的关心反应产品健康度的指标。
 
基础指标/用户数量 & 基础指标/访问数量
将基础指标平均在每个用户身上,或者每个访问(Session)上,就可以获得产品的平均访问深度、平均访问时长、平均每周购买数量等复合指标。
相比于简单的基础指标,分摊在每个用户身上的指标通常能够更好地帮助产品经理了解用户的真实使用情况。拿 PV 相关的数据举例,即使 PV 升高,但平均访问深度(每个 Session 的 PV 数量)下降了,就不是一个很好的征兆,这代表用户的使用情况可能出现了问题,每个访问进行的操作和打开的页面数正在变少,甚至有可能直接导致流失。
因此,产品经理应该更多地关注这类指标,并且尝试去提高平均访问时长,平均访问深度,平均每周购买数量等指标等,这样可以有效地消除基础指标带来的虚荣效应,保持对产品现状以及产品目标的清晰认识。

在衡量产品的使用流程时,转化率指标是至关重要的。转化率指标能帮助你真正了解产品流程的健康度。拿注册流做一个简单的例子,注册成功的用户数量正在不断增加,但这并不能代表注册流程正在变得更好(有可能是拉新来的流量基数变大了),只有注册转化率(注册成功人数所占百分比)有所提高,才能说明注册流的优化是行之有效的。
留存指标越来越受到产品经理的重视。从前大家更偏向于下载量,注册数这样代表拉新效果的指标,但是一个人在什么时候才真正成为你产品的用户呢?其实是在他留存下来的时候。
获取( Acquisition)和激活(Activation)的用户愿意持续地使用产品,就实现了用户留存,留存下来的用户才能实现后续的变现(Revenue),甚至自发进行传播和推荐(Referral)。如果留存率不够理想,所有在用户获取方面的努力都都将白费,进而也不可能激发用户的付费和推荐意愿了。

对于没有数据分析意识的产品经理来说,在完成产品规划,功能开发,以及测试上线之后,就认为自己在这一阶段的工作结束了,这样是无法做出优秀产品的。在APP开发完成,产品发布上线之时,数据分析的工作才刚刚开始,只有对上线的功能进行不断的调整和优化,才能打磨出真正体验优秀的产品。

那么对于产品经理来说,怎样用数据分析的思路驱动产品优化呢?
1.建立业务目标和产品期望
认真思考「用户故事」,明确产品成功的目标是怎么样的,比如什么样的使用量,使用频度,达到怎样的留存率才算是成功;

2.将产品抽象化、逻辑化和结构化
只有对产品的结构和逻辑足够了解,才知道哪些是需要关注的数据和指标,以及怎样通过对这些指标的监控实现最终的目标。因此这时我们需要将产品功能抽象化、逻辑化和结构化,拆分成具体的逻辑层次。包括用户的预期操作可以分为几个部分,业务逻辑分为几个部分等等…在理清产品逻辑之后,才可以按照每一个部分去进行分析和优化,比如在电商应用中,就可以将用户的购买行为抽象为如下的逻辑结构 A.打开商品详情页 B.进入购物车页面 C.确认订单页面 D.进入支付页面 E.付款成功;

3.进行数据的准备和收集
产品经理需要确定出具体的分析计划,并且整理出数据需求。在一段时间的数据采集之后,形成相应的数据样本(时间上很短,或者用户很少的数据是没有意义的)。
但很多产品经理常常就败在这一步,因为传统的数据收集工作必须要提前埋点,而埋点最常发生的事情就是漏埋和错埋,产品上线了才发现“没埋点,没有数”。
 
4.多种手段进行数据分析,衡量用户的使用情况
在新功能上线之后,我通常会利用多种分析手段了解用户的真实使用情况,并验证是否符合在第一步中设定的业务目标和产品期望。
 
5.提出猜想并验证
通过上面的数据分析,针对为什么确认订单到支付这步的转化率这么低?我们就会有一个初步的猜想,可能是「用户无法在确认订单页面查看商品细则,为了返回上一页,因此放弃了付款」,也可能是「用户想修改商品数量和样式,但是确认订单页面不能修改,因此放弃了付款」,当然也有可能是单纯的提交支付按钮存在 Bug 或者理解的偏差。
 
验证猜想后,我们就会得到具有相应论据的结论,产品经理就能够以此为依据进行产品的优化,以提升产品的用户体验,更好的实现业务目标了。
 
在优化上线之后,产品经理就要开始新的数据分析轮回,对改版的数据进行分析提炼,以检验改版带来的效果是否是有效的,不断用数据驱动产品优化和业务增长,形成良性的循环。