京東出品!寫給大家看的數(shù)據(jù)分析思路(二)
在上一篇文章《寫給大家看的數(shù)據(jù)分析思路(一)》中,著重介紹了數(shù)據(jù)分析 6 步的前 3 步:構(gòu)建 X 問題、提出假設(shè) & 選擇指標、數(shù)據(jù)采集與整理,這 3 步如果沒有足夠的數(shù)據(jù)處理經(jīng)驗,可能會耗費整個數(shù)據(jù)分析 60%-70% 的時間,但下面一個環(huán)節(jié)──數(shù)據(jù)分析,雖然耗時不如準備階段那么多,卻是所有環(huán)節(jié)中專業(yè)門檻最高、含金量最高的環(huán)節(jié)。本文將會介紹數(shù)據(jù)分析的基礎(chǔ)工具,以及幾種在產(chǎn)品設(shè)計分析上非常有用的數(shù)據(jù)模型。
必知的基礎(chǔ)數(shù)據(jù)分析工具
1. 常規(guī)統(tǒng)計分析
從后臺獲取的原始數(shù)據(jù)往往是獨立的一條條數(shù)據(jù),我們必不可少需要進行基礎(chǔ)的數(shù)理計算,包括但不限于求和、算平均數(shù)、比率、計數(shù)、最大最小值等。如:訂單轉(zhuǎn)化率由引入訂單數(shù)/頁面 UV 而來,客單價由總引入訂單金額/引入訂單數(shù)而來等等。
除此之外,常用的統(tǒng)計學方法還有:
- 結(jié)構(gòu)分析,如男女用戶占比;
- 分布分析,如品類訂單金額分布;
- 分組(群)分析,如分流失用戶和活躍用戶 2 類人群進行用戶特征分析、分地區(qū)進行訂單分析、分品類進行購買頻次分析。
2. 對比分析
對比分析在上一篇文章中已提到過,基本上 90% 以上的分析都離不開對比。沿著提出假設(shè)及對應(yīng)的衡量指標的思路,我們有了一個假設(shè)「X 策略可以提升 A 頁面的賣貨效果」,且定義此假設(shè)的衡量指標為「頁面轉(zhuǎn)化率」,當我們拿到頁面轉(zhuǎn)化率指標后,轉(zhuǎn)化率需要達到多少才算好呢?是否是因為 X 策略帶來的提升,還是可能是時間規(guī)律上的自然上漲?這時就可以通過對比來分析了。
縱比:在時間維度上,對比頁面 A 在使用 X 策略后,頁面轉(zhuǎn)化率是否提升了?
橫比:選取同時期的同類頁面,頁面 B,橫向?qū)Ρ壤享撁?A、新頁面 A、B 三個頁面的轉(zhuǎn)化率對比情況。
與經(jīng)驗值對比:可以拉取更長的時間段,看 A 頁面的轉(zhuǎn)化率變化規(guī)律,看使用 X 策略是否高于時間規(guī)律上的預(yù)期值;可以選取更多同類頁面,選取同時期的轉(zhuǎn)化率對比,看 A 的轉(zhuǎn)化率處于哪個位置?
與業(yè)務(wù)目標對比:假如大的業(yè)務(wù)目標其實是 GMV 為 2000w,計算目標轉(zhuǎn)化率=目標 GMV/(UV×客單價),然后對比目標轉(zhuǎn)化率和目前轉(zhuǎn)化率的差距。
各個角度的對比都能幫助你更清晰地理解目前指標的情況,然后就可以據(jù)此繼續(xù)做下一步計劃。
3. 趨勢分析
數(shù)據(jù)趨勢分析,一般會選取一個較長的時間段來看數(shù)值的起伏變化趨勢??蹿厔萦惺裁从媚?在電商場景下,最常見的運用是做流量和交易情況實時監(jiān)控,在產(chǎn)品、運營均未做大幅改變時,數(shù)據(jù)一般會呈現(xiàn)在一個數(shù)據(jù)區(qū)間內(nèi),表現(xiàn)出相對穩(wěn)定的變化規(guī)律??梢愿鶕?jù)此規(guī)律做數(shù)據(jù)預(yù)警和適應(yīng)性運營策略。
數(shù)據(jù)預(yù)警:當某天的數(shù)據(jù)趨勢線出現(xiàn)明顯異常的變化時,就需要引起項目組的警惕,去排查變化原因并及時作出應(yīng)對策略。如某頁面 UV 突然大幅下降,可能是商品配置出現(xiàn)問題或者頁面出現(xiàn) BUG 導致。
適應(yīng)性運營策略:某服飾類的頻道,歷史呈現(xiàn)出的規(guī)律是工作日流量相對較高,到周末則會出現(xiàn)明顯的下降。當運營想要在此頻道推出一個女裝主題的促銷活動時,就可依據(jù)此規(guī)律選取工作日為活動上線時間。
4. 交叉分析
交叉分析可用于兩個或兩個以上的變量關(guān)系分析。在電商活動場景中,將交叉分析+趨勢分析結(jié)合起來,也是一個比較有用的分析角度。比如最常用的,將流量 UV+轉(zhuǎn)化率,放到時間趨勢里面去,就可找到投入產(chǎn)出高和低的活動日.轉(zhuǎn)化高但流量低的日期,流量的投入產(chǎn)出高,可以引入更多的流量;而流量高轉(zhuǎn)化低的日期,投入產(chǎn)出低,需要尋找問題優(yōu)化售賣策略。比如,下圖為頁面點擊率和轉(zhuǎn)化率間的數(shù)據(jù)曲線,則可發(fā)現(xiàn)點擊率與轉(zhuǎn)化率變化趨勢基本保持一致。
也可加入第三個變量,在前面的例子中,再加上 UV 的屬性,可發(fā)現(xiàn)看出 3 者的變化規(guī)律。
有用的數(shù)據(jù)模型
1. 價值矩陣分析法:通過數(shù)據(jù)找到最有價值的方向
對比分析往往只是在單一維度上進行價值對比,直接得出誰高誰低。但在實際情況中,就跟做人才選拔一樣,既需要看成績也需要看潛力,衡量的維度往往會有多個。在企業(yè)眾多的業(yè)務(wù)線/產(chǎn)品的眾多功能模塊中,哪些值得加大資源投入、哪些應(yīng)該及早放棄,才能使企業(yè)的資源得到最大化的運用呢?
價值矩陣分析法就可以用于綜合衡量多個因素的價值,輔助決策在哪些因素可以加大投入。放到企業(yè)決策中,可以判斷業(yè)務(wù)的價值高低;放到頁面模塊或產(chǎn)品功能模塊的場景中,可以用于判斷功能/模塊的價值;放到渠道質(zhì)量評估中,可以用于評估多個渠道的用戶質(zhì)量。
- 我們以功能模塊價值評估為例來詳細介紹如何使用價值矩陣分析法。在電商賣貨的頁面中,有 A、B、C、D、E、F、G、H,8個功能模塊。首先,需要選取我們最關(guān)注的衡量指標,在電商賣貨的頁面中,按經(jīng)驗往往會關(guān)注的模塊角度有:
- 訪問用戶中有多少人點了此模塊(點擊 UV 占比);
- 點了的人又有多少人最終購買了(點擊轉(zhuǎn)化率)。
所以可以據(jù)此建立橫縱為點擊 UV 占比,縱軸為點擊轉(zhuǎn)化率的矩陣,用以評估功能模塊的價值,具體見下圖。
矩陣中,右上的模塊點擊多轉(zhuǎn)化高,這里為「PMF 區(qū)(需求契合點)」,最符合用戶購買需求,功能價值最高,可以固化保留、
右下的模塊點擊少但轉(zhuǎn)化高,這里為「潛力區(qū)」,可能是還沒被用戶注意到,可以嘗試強化吸引更多用戶點擊,有可能能帶來大幅的增長、
左上的模塊點擊多轉(zhuǎn)化低,這里為「需求未滿足區(qū)」,即用戶對這些內(nèi)容有需求但還無法讓用戶下購買決策,需要解決此路徑阻攔用戶購買的障礙因素、
左下的模塊點擊少轉(zhuǎn)化低,這里為「廢棄區(qū)」,各方面價值都不高,可以考慮砍掉了。
小結(jié)一下,價值矩陣的主要使用步驟為:
- 有多個需要衡量的因素;
- 明確衡量這些因素最關(guān)鍵的 2 個指標;
- 以這 2 個指標為橫縱軸,并將每個因素放到矩陣中去;
- 對 4 個象限的因素提出下一步的解決方案。
2. 目標驗證模型OSM:通過數(shù)據(jù)驗證策略有效性
OSM(Objective 目標 – Strategy 策略 – Measurement 衡量)思路是所有做數(shù)據(jù)驅(qū)動項目中必不可少的一個思路,即:明確增長目標 – 圍繞達成目標而采取的策略 – 使用具體的數(shù)據(jù)指標衡量策略是否有效/目標的達成情況。
明確增長目標(Objective)
根據(jù)產(chǎn)品增長生命周期所在階段確定。
- MVP 階段:最小可行性產(chǎn)品期,進行最小化增長試驗,尋找 PMF 功能。
- 產(chǎn)品和市場匹配階段:提升用戶黏性(使用頻次)和用戶體驗。
- 快速擴張階段:推廣渠道和產(chǎn)品的匹配,對高質(zhì)量的渠道進行大規(guī)模的資源投入。
- 成熟期:探索新的增長機會和方向,如國際化等。
根據(jù)價值矩陣分析法確定。在前面已詳細講解過,可以用于業(yè)務(wù)線、產(chǎn)品功能、渠道質(zhì)量等的價值綜合評估,從而確立目標(橫縱軸指標結(jié)合大的業(yè)務(wù) KPI 來確定)。
當然,還有一種更加普遍的做法:直接從業(yè)務(wù)/項目的關(guān)鍵 KPI 得來。(往往是已經(jīng)非常成熟的業(yè)務(wù)模式)
圍繞目標制定增長策略(Strategy)
先進行目標拆解:3 種拆解方法。
杜邦指標拆解:杜邦分析法(DuPont Analysis)是利用幾種主要的財務(wù)比率之間的關(guān)系來綜合地分析企業(yè)的財務(wù)狀況。具體來說,它是一種用來評價公司盈利能力和股東權(quán)益回報水平,從財務(wù)角度評價企業(yè)績效的一種經(jīng)典方法。其基本思想是將企業(yè)凈資產(chǎn)收益率逐級分解為多項財務(wù)比率乘積,這樣有助于深入分析比較企業(yè)經(jīng)營業(yè)績。
放到互聯(lián)網(wǎng)/電商產(chǎn)品分析中,也是同理,即將目標指標進行一級一級拆解,每一個細化的指標都可以提出相應(yīng)的具體增長策略出來:
- 總銷售額 GMV = 訂單數(shù) × 客單價
- 訂單數(shù) = 訪問 UV × 訂單轉(zhuǎn)化率
- 訪問 UV = 新用戶 UV + 老用戶 UV
- 新用戶 UV = 渠道投放入口曝光 UV × 曝光點擊率 CTR
AARRR 用戶增長模型拆解:此模型在各大網(wǎng)站中已經(jīng)被反復提到,主要是用于用戶增長語境下。放到電商語境下進行拆分,則可從拉新 Acquisition> 激活 Activation> 轉(zhuǎn)化 Revenue> 留存 Retention> 推薦 Refer,5 大完整的閉環(huán)流程中分階段發(fā)力去挖掘用戶增長的機會點,每個環(huán)節(jié)都可以作為不同業(yè)務(wù)部門負責的增長目標。
漏斗路徑拆解:漏斗模型也是一個比較常規(guī)的拆解模型,一般可按照流程的先后順序,從目標流程中的起點(如打開頁面),一直到最后目標完成(如支付成功)。整個過程中,依據(jù)每個環(huán)節(jié)的到達量和流失率,來評估每個環(huán)節(jié)的好壞。據(jù)此來找到當前需要重點發(fā)力去提升的環(huán)節(jié),最終達到目標值的增長。
衡量拆解后的目標:使用 ROI(投入-產(chǎn)出)決策框架確定細化增長方向。
當我們拆解之后,會發(fā)現(xiàn)有很多個增長選項,但資源有限,如何選擇一個最優(yōu)的增長方向投入資源呢,這時候就可以使用 ROI 決策框架進行優(yōu)先級判斷,將資源聚集在投入產(chǎn)出比最高的目標方向上。
建立橫軸為投入,縱軸為產(chǎn)出的 9 個矩陣,1-9 個區(qū)域依次代表項目的優(yōu)先級,1 為投入產(chǎn)出最高,9 為投入產(chǎn)出最低。
圍繞小目標發(fā)散具體策略:到達此步時,已經(jīng)完成了由大目標到多個小目標了,接下來,就可以圍繞小目標進行解決方案的發(fā)散,組織頭腦風暴會議、思維導圖列舉等都是可行的方法。
選擇具體的衡量指標(Measurement)
很多情況下,衡量指標可以直接從細化的小目標得來,比如用杜邦拆解來的直接就已經(jīng)是「廣告入口的曝光點擊 CTR」之類具體的衡量指標了。
但還有一些場景,目標并不是具體的指標,我們就需要將目標轉(zhuǎn)化為指標,這時候可以用到現(xiàn)象-指標關(guān)聯(lián)法:具體的做法是將我們期望出現(xiàn)的「現(xiàn)象」描述出來,然后轉(zhuǎn)化為「指標」。假設(shè)有一個目標是「提升頁面內(nèi)容對用戶的吸引力」轉(zhuǎn)化過來,其實就是讓用戶看更多內(nèi)容,具體的指標就對應(yīng)了用戶的瀏覽頁面深度,以及在頁面中的停留時長。
在選擇數(shù)據(jù)指標的時候,可以參考定義衡量指標的 SMART 原則:
- Specific 具體的
- Measurable 可衡量的
- Attainable 可達成的
- Relevant 和大目標相關(guān)的
- Time Bound 時效型
最后一步就是進行結(jié)果衡量了,這一步可以回到前面的數(shù)據(jù)采集和整體的過程,然后選擇合適的對比對象進行對比,最終衡量目標的完成度,以及每個細化策略的有效性,得出最終數(shù)據(jù)結(jié)論。