产品经理对于需求分析和数据分析的思考
|
那么根据这个数据我们可以判断出基本的结果： 注册页面存在着流程问题，用户无法有效完成注册，但是还没有办法有效分析到底哪个流程有问题，所以可以进一步埋点，看看用户在注册页面都做了哪些操作，点击了什么？浏览了其他的什么东西？跳出的路径是什么？注册页面的流量较大，是否可以将一些运营活动放在注册页面中来。让用户一眼能看到我们注册之后可以参与XXX活动这里，我们简单的表述一下数据的问题，我们主要来说说，数据到底该怎么去做？ 明确各项指标定义，比如注册页面PV、UV的定义是什么？产品的日活、月活的指标定义是什么？明确转化之间的计算方式，知道最终的结果是怎么来的？对谁有指导意义这个对应的数据对你的产品或者运营或者其他业务有什么指导性的意义，不要去做无意义的指标定义，比如你要看页面的转化，那么就对页面转化的指标进行定义和埋点，比如页面的PV、UV，按钮的点击次数，页面停留时间，下一个页面的PV、UV，页面停留时间等上面我们用实例来讲述了在产品中数据的重要性；所以当我们使用在产品中进行埋点，并且去收集了基础数据后，就可以对基础数据进行分析，去发现产品存在的问题，并且最好能深入探究到原因。数据分析有一些常常容易掉进去的陷阱，这里引用：大前研一.思考的技术[M].中信出版社,2017.中的一些观点(大前研一，麦肯锡顾问公司日本分社社长)： 观点一： 不要把假设和结论混为一谈。分析数据后所整理出来的资料，只不过是假设。为了证明这一假设是正确的，必须再着手搜集证据，并分析证据。 数据分析中最容易犯的错误之一，就是导出网站后台数据，发现数据表现不好的指标，然后简单推测出几条原因敷衍了事；实际上这样的推断很容易遭到质疑，要让自己的结论站得住脚，需要搜集证据验证你的假设，证据可能来自用户反馈，也可能来自细分数据、竞品比较等；我个人偏向于先找到细分数据验证我的推断。 观点二： 所谓线性思维，就是套用公式，根据公式就一定会得到正确答案的直线式思维方法；但是，在非线性以及复杂理论体系的世界里，初期条件存在些许不同时，结果就会变得无法预测（换句话说，在你试图建立因果关系之前，要排除可能的影响（干扰）因素） 举个例子，某电商做了一个10点钟免费抢的促销活动，导致了数据在上午10点-12点时段异常的高，而数据分析人员没有关注活动信息就认为用户在这个时段有暴涨，那么这个数据可能就会造成误判，从而造成一些成本损失。 观点三： 认清现象和原因的不同；做数据分析最容易犯的错误之一就是把所发现的问题反过来说，当作是解决方案。例如，某电商网站购物车的“去结算”按钮的点击率持续下降，经分析认为是网站流量质量不好，有购买意愿的用户少造成的。于是提出了优化建议：提升流量质量，从而提升购物车的转化。 在这个优化建议提出之后，产品、运营、用研都对产品进行了复盘，发现并没有进行改版和优化，而最终经过深入分析，透过现象看其本质，发现是因为成本控制，所以对优惠券的叠加规则进行改变，从而导致了转化下降；与流量本身是没有关联性的。 归根结底，数据分析工作没有做到位，没有分析出流量质量不高的根本原因，才导致解决方案“虚”、落不了地。 结语产品经理对于需求分析的把控程度决定了其为用户提供对应服务的准确性及价值，而数据分析能力决定了产品的走向及优化的点是否符合用户预期。 Tips：本文整体结构不是特别清晰，主要的原因是仅挑选其中比较实际而且可以通用性的内容进行描述和整合，具体的一些写文档的技能、画原型的技能、写PPT的技能、写方案的技能等还是需要个人去真正多做项目才能有效培养的，任何一项硬技能都是与团队协作高度匹配的，只有和团队达到磨合最优，才能让整个团队的产出效率最高。 以上内容是我从业以来的个人总结，因为并不擅长于此，所以也是在锻炼自己，很感谢在我职业和人生道路上既当了人生导师又是好朋友的一些人，他们对我说过的一些内容让我在当前的人生中受益匪浅。 很感谢我人生路上的这些明灯，是他们让我在产品路上走的更坚定，也对自己更自信。希望每一个做产品的人都有自己的坚持，也都能一直走下去。同时欢迎吐槽，也欢迎一起交流 作者：罗德涛，电商产品经理，专注于研究社交电商、金融理财业务；对用户体验有执着的热爱。 文章作者系 @罗德涛 未经许可，禁止转载。 注：相关网站建设技巧阅读请移步到建站教程频道。 （编辑：厦门网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
