[[384022]]

 01 全鏈路分析

全鏈路分析是指對全鏈路的每個節(jié)點進(jìn)行分析和研究，它是一種非常重要的分析思路，也是對產(chǎn)品經(jīng)理而言最重要的思路。大家所熟知的漏斗分析、AARRR模型都是典型的全鏈路分析(見圖2-1)。

▲圖 2-1 常用全鏈路分析模型舉例

還有很多常用的業(yè)務(wù)模型都屬于全鏈路分析中的整體節(jié)點監(jiān)控，比如生命周期(用戶生命周期、商品生命周期、產(chǎn)品生命周期等)的思路。

全鏈路分析的步驟如下：

1. 梳理鏈路關(guān)鍵節(jié)點，確定每個節(jié)點指標(biāo);
2. 進(jìn)行節(jié)點洞察，分析每個節(jié)點的數(shù)據(jù)，查看問題點和增長點。

我們用一個背景是廣告平臺的案例來講解全鏈路分析的步驟。廣告平臺的作用就是統(tǒng)一對接各個媒體，讓廣告主在廣告平臺上可以買到各個媒體的流量。

第一步：梳理關(guān)鍵節(jié)點，確定每個節(jié)點指標(biāo)

最開始，梳理的廣告行業(yè)的全鏈路流程是這樣的：

1. 媒體發(fā)送廣告請求;
2. 廣告平臺對其中的部分請求返回廣告;
3. 媒體展現(xiàn)廣告;
4. 用戶點擊廣告;
5. 廣告平臺扣廣告費(這是廣告平臺的收入)。

梳理出來的關(guān)鍵節(jié)點和指標(biāo)如圖2-2所示，圖中，每個比率指標(biāo)是下一個節(jié)點數(shù)據(jù)與上一個節(jié)點數(shù)據(jù)的比值。注意，節(jié)點指標(biāo)除了指這個節(jié)點的指標(biāo)值，也可以指比率指標(biāo)。

▲圖 2-2 廣告行業(yè)全鏈路分析

全鏈路公式是CPC，即收入=PV×PV展示廣告的比例×廣告位數(shù)量×點擊率×平均點擊價格。

到了這一步，指標(biāo)體系就建好了，可以用來做關(guān)鍵節(jié)點監(jiān)控。要把中間的每個節(jié)點都梳理出來，如果中間有漏掉的節(jié)點，那么就說明思路有遺漏，容易出現(xiàn)問題。特別是當(dāng)數(shù)據(jù)量大、數(shù)據(jù)流轉(zhuǎn)系統(tǒng)多的時候，節(jié)點就要更細(xì)。

經(jīng)過一段時間的使用后，筆者發(fā)現(xiàn)漏掉了很多節(jié)點，即廣告平臺把數(shù)據(jù)返回媒體后，還要經(jīng)過競價、排名才會被媒體展現(xiàn)給用戶，完善后監(jiān)控的節(jié)點變成圖2-3中的第二種方式。

▲圖 2-3 廣告平臺全鏈路分析

此時全鏈路公式變成

收入=實際請求數(shù)×出價率×參與競價率×競價成功率×(1-響應(yīng)超時率)×點擊率×平均點擊價格

這個公式和上一個公式基本一樣，只是為了讓監(jiān)控更完善，加了幾個節(jié)點。

第二步：對每個節(jié)點進(jìn)行深入洞察

如果只是完成第一步，全鏈路分析只能用于監(jiān)測，要想得到具體的問題及解決方案，還要對每個節(jié)點進(jìn)行深入洞察，梳理每個節(jié)點的影響因素，如圖2-4所示。

▲圖 2-4 全鏈路分析的節(jié)點排查

在每個節(jié)點，都有非常多的原因?qū)е逻@個節(jié)點的流量轉(zhuǎn)化效率低。經(jīng)過這樣的梳理，才能找出根本原因，進(jìn)而有針對性地給出解決方案。

當(dāng)產(chǎn)品經(jīng)理負(fù)責(zé)一個項目時，就是這樣一個節(jié)點一個節(jié)點地優(yōu)化，才能做好整體數(shù)據(jù)。由此可知，全鏈路分析是產(chǎn)品經(jīng)理必備的思路和技能。

02 組成因子分解

把整體指標(biāo)數(shù)據(jù)按照某種分類標(biāo)準(zhǔn)分成不同的因子的過程，稱為組成因子分解。整體目標(biāo)等于所有的組成因子之和。以廣告平臺總收入為例，其組成因子分解如圖2-5所示。

▲圖 2-5 廣告平臺總收入的組成因子分解

整體指標(biāo)數(shù)據(jù)只能讓人看到目標(biāo)達(dá)成的結(jié)果，但是不能知道是如何達(dá)成目標(biāo)的，也不知道執(zhí)行中的細(xì)節(jié)，更不知道如何改進(jìn)。組成因子分解首先可以明確思路，把組成結(jié)果的因素清晰地列出來，并且可以針對不同的因子，制定對應(yīng)的策略。

案例：筆者曾經(jīng)有一次在做渠道分析時，用了這樣的組成因子分解：總費用=A類渠道費用+B類渠道費用。但之后發(fā)現(xiàn)，A類渠道的花費是B類渠道的1.6倍，而有效用戶卻是B類的2.4倍(見表2-1)。在這之前，B類渠道在其他項目的經(jīng)驗中效果是非常好的，所以市場人員都在B類渠道花精力，看到這個數(shù)據(jù)后，立刻決定去接觸市面上所有的A類渠道，以便擴(kuò)充優(yōu)質(zhì)流量。

表2-1 多個組成因子對比的案例

如果只看整體費用，就得不到這樣的結(jié)論，也就不能提出有用的建議。

任意一個指標(biāo)可拆解的方式都是非常多的，比如，針對總流量的組成因子分解，就有以下幾種方式。

• 按時間拆分。不同時間段數(shù)據(jù)是否有變化。
• 按渠道拆分。不同渠道的流量也會不同。
• 按用戶拆分。新用戶和老用戶的流量會有明顯的區(qū)別。筆者待過的一家公司，老用戶的流量就遠(yuǎn)遠(yuǎn)大于新用戶，這種情況，就需要想辦法促進(jìn)新用戶的流量。

要嘗試多種方式，試驗出最好的因子分解方式。

需要注意的是，如何進(jìn)行組成因子分解，代表著思考問題的第一維度，直接影響能否得到有用的結(jié)論。后面的所有策略和解讀都是根據(jù)第一步因子分解而來的。

1. 優(yōu)先考慮業(yè)務(wù)團(tuán)隊習(xí)慣的拆解思路，比如廣告類公司會把客戶分為大客戶、中小客戶。
2. 要勇敢嘗試，不要固化思路。

案例：以前做過一個項目，我們按“收入=移動端收入+PC端收入”來分解組成因子，發(fā)現(xiàn)移動端收入快速上漲。但是當(dāng)時高層的思路還是“銷售額=流量×轉(zhuǎn)化率×客單價”，他們盤算的是“客單價提升x元，就會提升x元的銷售額”。按照這樣的思路，資源就投給了客單價提升，沒有在移動端投入。等到發(fā)現(xiàn)移動時代來臨，再開始建團(tuán)隊和買流量，成本已經(jīng)變得非常高。

從這個案例中可以看出，如何進(jìn)行因子分解，決定了如何思考目標(biāo)的組成因素，即如何思考解決方案、資源調(diào)配等更深層的問題。所以要經(jīng)常嘗試是否有其他的因子分解方式，如果囿于經(jīng)驗、思路固化，可能就會錯失機(jī)會。

03 影響因子拆解

很多時候，因子對結(jié)果的影響是定性的，并不能完全把結(jié)果拆成多個因子的相加，這時候就可以采用影響因子拆解的方式，列出對結(jié)果有影響的所有因子，逐個分析。比如對于銷售額，影響因子就是商品、會員、客服、流量、活動等，但是不能說銷售額=商品+會員+客服+流量+活動。

圖2-6所示為B2C訂單轉(zhuǎn)化率的常用影響因子拆解。

▲圖2-6 B2C訂單轉(zhuǎn)化率影響因子拆解

影響因子對結(jié)果的影響是定性的，并不能直接推出來，如果想通過影響因子分解這種方式做增長，測試是一個好辦法。

案例：有一個SaaS軟件團(tuán)隊，客戶是小型創(chuàng)業(yè)公司。經(jīng)過分析后，這個團(tuán)隊認(rèn)為影響購買轉(zhuǎn)化率的因素之一是客戶團(tuán)隊人數(shù)，如果團(tuán)隊人少，就不會購買這種提高效率的軟件。所以他們在客戶團(tuán)隊人數(shù)這個指標(biāo)上做了一個測試：3個人、10個人、5個人，不斷嘗試，看哪個數(shù)值使轉(zhuǎn)化率最高。

影響因子還可以用于制作PPT的框架。在做數(shù)據(jù)分析之前，如果我們已經(jīng)知道了分析的目的，需要考慮從哪些角度去達(dá)成分析目的，一般用這種思路。

案例：某客戶的需求是查看一場活動效果。對于品牌類的客戶，我們認(rèn)為活動效果包括品牌分析和人群分析。在這樣的拆分下，PPT的框架就出來了，如圖2-7所示。

▲圖 2-7 影響因子用于制作PPT框架

04 枚舉法

枚舉法是把所有的數(shù)據(jù)一一列舉出來，然后進(jìn)行后續(xù)的分析。枚舉法是策略產(chǎn)品經(jīng)理日常分析數(shù)據(jù)用得最多的方法，當(dāng)然對于其他類型的數(shù)據(jù)產(chǎn)品經(jīng)理而言，也非常好用。

枚舉法的通用分析步驟如圖2-8所示。

▲圖2-8 枚舉法分析過程

再舉一個搜索優(yōu)化的例子。算法類的產(chǎn)品，如搜索、推薦、廣告等，在使用枚舉法時都可以用這種思路。

案例：搜索點擊率的分析如下。

1)數(shù)據(jù)列舉：取出搜索query列表和分析用到的數(shù)據(jù)指標(biāo)(見表2-2)。

表2-2 搜索query列表示例

2)逐個解讀：逐個解讀其數(shù)據(jù)和特征，一步步地努力通過這些數(shù)據(jù)還原出用戶的真實使用場景和想法，從而得到用戶不點擊的原因(見表2-3)。

表2-3 搜索詞解讀示例

通過上面的解讀，我們得出以下問題或增長點。

1. 專有名詞搜索不識別。有一些行業(yè)專有名詞，搜索引擎不識別，就不能找出對應(yīng)的結(jié)果，只能找出文本識別的結(jié)果，比如搜索“老酒”，就會展示“瀘州老窖酒”等商品，所以點擊率低。
2. 品牌詞。對于品牌詞，一般搜索結(jié)果沒有太大問題。但是，用戶搜索品牌詞時，如果給用戶更權(quán)威、更專業(yè)的內(nèi)容，比如品牌的官網(wǎng)、旗艦店等，用戶體驗豈不是更好?比如用戶搜索“瀘州老窖”這樣的品牌詞，直接給用戶瀘州老窖的官網(wǎng)，讓用戶看到權(quán)威、專業(yè)、全面的信息。圖2-9為QQ瀏覽器的搜索sug頁的處理方式。
3. 對于搜索客服電話的詞，可以直接把客服電話顯示在頁面內(nèi)，用戶不用跳轉(zhuǎn)到搜索結(jié)果頁內(nèi)的鏈接就能看到，從而減少用戶操作，體驗也會更好。圖2-10所示為百度的處理方式。
4. 匯總問題，給出解決建議和優(yōu)先級。問題匯總一般類似于表2-4這樣。

▲圖2-9 品牌詞在QQ瀏覽器的搜索sug頁結(jié)果

▲圖2-10 電話類的詞在百度的搜索結(jié)果頁

表 2-4 問題匯總表

就這樣，通過枚舉法，產(chǎn)品經(jīng)理就可以很清楚地了解產(chǎn)品現(xiàn)有問題，并給出解決方案和優(yōu)先級。

在枚舉的時候，一條一條地看固然是產(chǎn)品經(jīng)理的基本功，但是當(dāng)面臨大量的數(shù)據(jù)時，這種辦法效率太低了。要想快速抓住重點，還需要借助兩種思維：排序思維和抽樣思維。

1. 排序思維

排序指把某個指標(biāo)降序排列和升序排列，然后按上述的枚舉方式進(jìn)行分析。排序的目的是確認(rèn)關(guān)注范圍。產(chǎn)品經(jīng)理面對大量數(shù)據(jù)時，需要先確定關(guān)注哪一部分?jǐn)?shù)據(jù)能帶來最大收益。例如，可以按照以下方式進(jìn)行排序和分析。

• 將PV降序排，看占PV總量90%的搜索詞有多少個，重點關(guān)注這幾個詞，調(diào)用所有資源優(yōu)化它們。
• 或者按點擊量降序排，看90%的點擊量發(fā)生在哪幾個搜索詞上，調(diào)用所有資源優(yōu)化它們。
• 會員和商品的數(shù)據(jù)也可以用這種方法來看。筆者之前做過很多類目的淘寶店代運營，雖然那些店鋪一年能有上億元的銷售額，但實際上有銷售量(日訂單量大于100)的商品很可能就兩三個。

案例(來自客戶陳述)：我們雖然買了很多關(guān)鍵詞，但是只有兩個關(guān)鍵詞能帶來流量。所以只要把這兩個主要的關(guān)鍵詞優(yōu)化好，就能夠把花在數(shù)據(jù)上的錢掙回來。我們把這幾個詞就當(dāng)寶貝一樣，對其進(jìn)行各種測試、各種優(yōu)化。

在實際使用中，只排序一次得到的結(jié)論都不全面，為了得到更全面的信息，產(chǎn)品經(jīng)理一般會使用多次排序，并且對多個指標(biāo)進(jìn)行排序。

對一次完整的搜索進(jìn)行每周的點擊率分析，如下。

1)按PV降序排，篩選出高頻詞，即PV大的搜索詞。高頻詞能貢獻(xiàn)絕大部分最優(yōu)結(jié)果和最高點擊率。

按PV上升量降序排。篩選出飆升詞，飆升詞是高頻詞里需要特別注意的，因為往往代表的是新的用戶需求或者新的市場變化。

按點擊率升序排。這樣可以看到高頻詞中點擊率較低的詞，優(yōu)化它們能帶來較快的提升。

2)按PV升序排，篩選出低頻詞。2%的搜索詞占了98%的PV，剩下98%的詞可以歸為低頻詞。低頻詞是最能衡量搜索引擎好壞的，因為量大代表用戶多。低頻詞包括大部分長尾詞、同義詞、問答詞、未召回詞、無結(jié)果詞、沒有點擊的詞和沒有成交的詞，badcase基本上都是從這里產(chǎn)生的。

低頻詞的召回是件十分令人頭疼的事情，算法很難取舍，因為這些都是長尾需求，并沒有足夠多的用戶行為可以學(xué)習(xí)，如何給予相應(yīng)的匹配，需要非常深入的學(xué)習(xí)和分析。

2. 隨機(jī)抽樣

枚舉的方式可以快速看到問題，但是不能保證問題的典型性;加入排序思維后，可以劃定范圍，但是可能會造成偏差，因為不代表全部用戶行為。那么，怎樣既能看到全部的用戶行為又能保證問題的典型性呢?答案就是隨機(jī)抽樣。

可以對所有的數(shù)據(jù)進(jìn)行隨機(jī)抽樣，也可以分層抽樣，即先對整體數(shù)據(jù)分層，然后針對每層抽樣。

隨機(jī)抽樣比較簡單，常用的場景有以下幾種。

• 產(chǎn)品經(jīng)理日常工作。
• 每周至少要看一次隨機(jī)抽樣的數(shù)據(jù)，以對產(chǎn)品用戶行為有所了解。
• 日常上線前后都會看，以了解新策略對用戶的影響。
• 項目可行性判斷。要想知道一個項目是否可行，可以先抽樣看一下。筆者有段時間頻繁接觸各個媒體的數(shù)據(jù)，評估媒體質(zhì)量，主要就是用的抽樣的辦法。媒體會給我們一部分真實數(shù)據(jù)，我們抽樣出來后，就開始做評估，包括是否有商業(yè)價值、需要的技術(shù)難度等。舉這個例子主要是想告訴大家，抽樣這個簡單的辦法有時候是直接影響戰(zhàn)略決策的。
• 需要了解全貌的任何需求。比如在項目功能上線后，需要整體了解用戶，以便制定推廣方案等，這個時候就可以抽樣。

本節(jié)講了枚舉法及枚舉法需要使用的思維，用的是搜索的案例，那么是不是只有策略產(chǎn)品經(jīng)理才需要這種思維呢?當(dāng)然不是。枚舉法是所有產(chǎn)品經(jīng)理的基本功。

舉例來說，如果你每天抽出100個用戶來看他們的行為，堅持一段時間，你就會對用戶有非常深入的了解。你會看到用戶經(jīng)常在哪些頁面徘徊，你也能夠推測出這些用戶的年齡和職業(yè)。

枚舉法會潛移默化地提升產(chǎn)品經(jīng)理對用戶的了解。我們每多看一次枚舉的數(shù)據(jù)，就會多一些對用戶行為的理解。

產(chǎn)品經(jīng)理經(jīng)常面對突發(fā)情況，或者是領(lǐng)導(dǎo)的詢問，或者是大小事情的決策。比如項目存在一個小問題，是上線還是回退;忽然發(fā)現(xiàn)原方案會導(dǎo)致性能問題，要臨時換一種解決方案;開發(fā)和測試人員都建議采用其他方案;領(lǐng)導(dǎo)忽然問你要不要跟進(jìn)競品的新變動。

在這些情況下，產(chǎn)品經(jīng)理幾乎都是要立刻給出結(jié)論的，沒有時間做細(xì)致全面的分析，既來不及做分析報告，也來不及找出詳細(xì)數(shù)據(jù)來查看，那么產(chǎn)品經(jīng)理可以依靠什么呢?依靠的正是你對用戶的了解。

因此我們每天都要從各種角度看數(shù)據(jù)，這樣才能有深入的洞察，知道每一種問題的影響范圍，才能處理各種情況。

以上四種就是我們常用的數(shù)據(jù)分析思路，是不是很簡單?實際業(yè)務(wù)情況一般都很復(fù)雜，沒有一種數(shù)據(jù)分析思路是通用的，需要結(jié)合使用多種思路。