数据驱动是如何应用于商机立项、产品设计、增长运营等?

624 阅读32分钟
原文链接: www.pmcaff.com
玉米王子 京东金融 产品经理

产品经理要重视数据,根据数据做决策,用数据说话。

idea头脑风暴,表面上是天马行空,是没有限制的发散思维,但实际上最终胜出的idea,还是靠谱最重要。如何做到靠谱呢?

除了以用户为中心,主要是靠数据说话,建立在真实客观的数据基础之上的idea,才是靠谱的。作为带业务的产品经理,你的idea不能脱离数据真实情况太离谱,不能越过基本的数据边界。

idea的时候需要重视数据,需求分析阶段更是如此。我司的产品需求文档模板,第二项就是目标评估,撰写PRD的时候,需要给出这个需求最终可以带来的数据结果。

在进行需求评审,以数据为中心的项目目标评估,是大boss比较看重的一点,如果你的数据评估结果很不错,评估过程的逻辑严密合理,需求很容易获得通过,并且通过的速度特别快,这就是数据的力量。

需求开始阶段,要积极寻找数据支撑点,数据的统计口径要一样,否则就不是在一个频道上进行对话,数据还要具体准确,不能说:应该、大概、左右、接近这些词,讲需求的时候,用词尽量要准确靠谱。

记住具体的数字,而不是大概,比如酒店的入住率是58%,别人问起的时候,就不要为了方便说是接近60%,有的时候计算最后的目标,就是因为每个地方都有一个大概的误差,才导致最后的结果又不小的偏差甚至错误。58%是真实靠谱的答案,这么准确的数字说出来不会受到多少质疑,并且传递这种真实靠谱的数据,是对别人负责的表现,也是对自己工作严谨的一个要求。

但是说接近60%,则是不怎么准确的回答,传递给别人不怎么准确的数据信息,很容易越传偏差越大,最终带来不必要的麻烦。从某种程度上讲,你说入住率是58%,别人是比较容易相信的,但是刚好说是60%,很容易引起别人的质疑,然后带着这种质疑私自去查看数据,结果是58%,这样容易引起别人的不信任,给人留下不靠谱的印象。

产品经理做项目的时候,经常需要做项目目标评估。即便是在idea阶段,也需要为自己的idea做一个大概的估算,然后给出大概的数据目标结果。一般情况下,最终结果,都是经历了几个环节的乘法或者加法得到的。

数据估算结果=数据A*数据B*……数据X,如果中间某一个数据不靠谱,比如多猜了1倍,那么几个环节相乘,最终的估算可能就差几倍或者几十倍了。

前面说了数据在一个产品需求完整生命周期里,要经历的九个阶段里的前五个,基本到需求评审结束,并且需求获得通过,数据神经就可以稍微放松一下了,毕竟你暂时不需要拿数据来说服自己和说服别人。

但是,这不意外着就可以把数据抛在一边。进入了开发测试阶段,也要关注数据,比如开发经常会问产品经理,你这个需求能带来多少订单?

如果同样工作量的项目,你的需求带来的订单数据更多,那开发是比较愿意重视你的需求的,并且很有可能在资源安排上给予更高的优先级支持。无论是产品经理还是开发,都希望利用有限的资源,为公司创造更多的价值。

QA在测试的也会问产品经理,我们测试的时候,数据从哪里取?这个时候你就要懂一些数据方面的东西,知道用户信息数据、订单数据放在哪里?怎样能方便的取到数据。当QA在mock测试case数据的时候,你如果能给一些靠谱的数据源,会更加赢得QA的喜欢的。

还有数据对于运营监控的重要性就不多说了,产品经理的需求上线之后,需要有靠谱的运营监控数据指标,并且定期输出数据报表,随时可以通过监控后台的数据观察项目日常运营情况。

项目后评估看的也是数据,看上线后的数据效果是否达到了需求预期设定的目标。业内有句流行的糙话,项目后评估,其实就是产品经理直播吃翔,自己生产的翔,即使数据效果再差,也要跪着含泪吃完。

后评估的数据就是项目上线后的真实情况,不存在估算差异问题,很多时候出现后评估直播吃翔的情况,也是因为当初写PRD作目标评估的时候,数据不靠谱,导致项目目标不合理,从而让后评估难以达标。

所以,整个产品需求的生命周期最后一环,项目后评估是直播吃肉还是吃翔,取决于在一开始的idea评估、需求分析和项目评估阶段,所做的数据估算和评估是否靠谱。

差之毫厘谬以千里 ,作为一个合格的产品经理,数据观要融入全身的每个细胞里,把数据当作是检验需求质量的重要标准。

产品经理拥有的第一观:数据观,数据的重要性要深入人心,时刻记得靠数据说话,数据可以让你的idea和需求变得更有尊严。

分享 | 评论 21 马越felicity 58同城 TEG搜索部策略产品 商机立项:简单举个例子。比如小明想开一家餐馆。(确定一个背景),想盈利(确定一个目标),想开一间多大规模的餐厅呢,比如想开一间普通中餐馆(假设是从无到有)

于是第一件事要先确定判断这件事是否可能的数据指标,并制定数据指标预期。

1.人流量,确定机会大小

2.当地爱好占比,确定市场容量

3.竞品容客率,上坐率,预估自己应该开店的规模

4.竞品人均成交单价,根据自己的食材成本预估利润

5.吃完一顿饭的时间,饭口经营时间,预估一天的客流量,并预估服务人员

6.当地服务人员工资价格,房子租金水电等

....综上计算自己的店,在什么适当规模下,进行什么成本选材,扣除场地成本,是否有盈利空间,盈利几成。OK,假使能够盈利,决定开店

产品设计:开店之后再分析,每天菜品被定的分布情况,爆款的食物剩余量,顾客再次光临的比率,是否重复点餐等。目前成交量,盈利情况。小明需要分析自己家的菜是否被认可。如果某样菜从来没被点过,原因是什么,名字不好听?位置不明显?这菜是否需要被主推(看资源情况,和战略重点)。假使需要被优化,菜单位置或标签使之明显。如果主推菜剩余量很多,根据现有的调料配方,精确到g,进行味道调整。。之后再观察,前述数据情况。(不断进行迭代)

增长运营:OK现在菜品没有问题了,老顾客是否带新顾客来,新顾客是否带新新顾客来,需要数据观察。如果没有达到理想化的增长,需要调研市场中已有的推广方式。OK,小明需要定一个预算(这个季度的广告费用是多少),先均匀投放到各个渠道和自有活动中一周,看数据增长效果,下周调整广告费分配,达到最优的增长效果。

以上。也可以套用到产品思路中~ 分享 | 评论 9 caffe 创业? 产品经理 数据驱动增长运营:

1. 流量指标体系:我们需要通过多维度指标判断基本的流量情况,包括量级指标、基本质量指标和来访用户类型占比指标。量级指标涉及不同平台,Web 端主要看访问量、pv 和 uv,App 主要看启动次数、DAU 和 NDAU。基本质量指标包括用户的平均访问时长、平均一次会话浏览页数(即访问深度)和跳出率等,通过这些指标可以判断用户的活跃度。产品的生命周期模型广泛应用在互联网运营中,在不同的产品生命周期中,访客的类型是有差异的。

2. 多维度的流量分析:在网站流量分析中,主要从访问来源、流量入口、广告等角度切入。

首先,访问来源包括直接访问、外链、搜索引擎和社交媒体等。在这个分析框架下,需要一层一层拆解,具体到每一个渠道进行流量分析。

3. 转化漏斗分析:在增长模型中,流量进入后,还需要进一步激活和转化,而激活是需要一定的流程和步骤的。使用漏斗模型,可以清晰展示每一步的转化情况。

4. 渠道优化配置:在进行一系列的流量分析和转化分析后,我们可以进行相对应的策略制定,具体方式包括搜索词、落地页、广告投放优化等等。 分享 | 评论 3 Cassie_逆光 熊厂 pm

首先,数据就是事实,数据就在那摆着,这个产品的运营情况,功能设计情况就可以一目了然。

1、商机立项:有了市场数据,收益数据这个产品才可能被立项。投资人或boss才不会管你把这个产品吹的有多好,最重要的数据人家心知肚明。

2、产品设计:产品一般都会埋点,后台会有数据统计结果,作为产品设计者就可以通过这写数据对自己的产品进行评估,那一块用户点击的次数较少,是不是入口太深了?再思考需要如何改进。其次用户反馈的统计数据对产品设计也有很大影响,产品经理需要根据不同类型的用户反馈来进行产品功能优化(比如说某一个功能用户反馈人数到达某一统计值,这个需求就会放入需求池中)

3、增长运营:这是产品活下去的关键,也是产品赚钱的关键。运营人员需要根据产品运营的相关数据进行分析,反馈给产品,最后达到运营的目标。

所以说数据是贯穿产品全部生长周期,作为一个产品首先需要对数据敏感,知道数据分析如何去做,然后通过这些数据来不断迭代优化产品。

分享 | 评论 5 Miya_Zh 某电商 数据产品 产品设计应基于数据但不能完全依赖于数据,数据应是反映产品设计效果的一种有力辅助手段,从而避免产品因拍脑门或者主观臆断造成的错误判断。通过数据驱动一方面可以为产品迭代与升级提供评估参考依据,另一方面还能及时度量产品的改版或优化是否成功。所以在设计一款产品、迭代一个功能前,最好提前规划好对应的数据监测体系,让数据更准确客观的给予答案。

经过总结,将目前觉得有效的数据体系搭建步骤在此列出:

1. 明确数据需求

2. 建立待验证问题list

3. 明确衡量指标

4. 寻找对比数据

5. 设计数据采集方案 分享 | 评论 2 芦_苇 P2P 产品

选产品设计说说吧。

数据驱动是推进产品更新迭代、引导发现用户需求的基础。

产品是为用户需求而存在,而需求不是一成不变的,如果有一天用户的需求变了,那产品应该何去何从呢?我认为这是一个“数据为王”的时代,数据可以反映用户需求的变化,可以评估产品功能的价值。所以,对于已一个产品而言,需求是核心,数据是基础,我们要在数据的基础上,保证产品核心的可持续性。

数据驱动如何应用于产品,首先要保证数据来源的真实性,还有数据分析的客观性,不要带着个人主观的情感,这样才可以得出更接近真实的分析结果,对产品的引导也最有效果。

对于数据如何应用于产品设计,主要有下面这几点的思考:

1.推进产品更新迭代

通过数据分析的结果,将产品研发的重点放在用户使用最多的功能上,删减用户不使用的功能,一方面简化产品突出核心功能,另一方面也可以节约成本。

2.发现用户需求的转变

通过监测用户行为,发现用户使用产品各功能频率的变化,分析用户的需求是否发生改变。

3.提升产品用户体验

比如通过数据发现页面的哪个位置是用户停留时间最长或者点击最多的,就可以把重要的信息、按钮放在那,方便用户浏览、点击。

4.发现产品漏洞,引导产品优化

产品数据出现异常波动时,检查是否由于产品出现bug导致,及时优化产品。

分享 | 评论 3 JenniferWang 互金行业 高级产品经理 数据驱动并不是一步到位的,从数据到洞察,它是一个不断进化的过程。对于所有的分析团队来讲,数据驱动都绕不过这四步:数据获取、数据挖掘分析、商业预测以及商业决策。其中,数据获取是基础,商业决策的价值量最高。



数据驱动不能没有数据分析工具,我结合自己多年分析经历谈了自己的看法。一个好的数据分析产品一定要简单易用,让数据工作从大到小,实现从冰山到冰棍的变化。同时,几秒钟就能拿到数据、大幅提升数据工作效率也是一款优秀数据产品的所必须具备的。 分享 | 评论 1 业余老司机 山东合商云购电子商务有限公司 产品经理

数据驱动的概念理解,但是应用的少,所以只能浅显的说一下自己的理解了。

1、数据驱动的应用

我们目的是用数据让商业更加灵活有信心。管理层需要了解公司高层的优先级,再选择支持这些目标的指标。如果你不分重要性衡量一切的话,你就会陷入无关紧要的细枝末节。比如对于用户增长的核心指标有注册数,激活率,重新激活率。

2、数据驱动的用途

在一个数据驱动的团队,每个人都能做数据分析。数据是公开的。作为工具被人使用。

3、放眼未来

指标天然就反映已经发生的事情,但很容易卷入大量时间分析报告,讨论前因后果。发生了什么事,下一步该怎么做。

4、不能只专注于数据的数字

数字比目标更容易管理。指标激励人们尝试“测试型的工作”。但要,度量是一种手段,它是帮你完成目标的工具。你从指标中想要获取的是内在的解释,如果粗浅的去衡量更多的东西,反而没用。避免“过度分析“,那样可能会得不偿失。

分享 | 评论 2 armywang 金融科技 产品经理 在商机立项数据驱动就是市场调研、行业分析、竞品分析,这个领域市场有多大,行业有哪些竞争对手,竞争对手的市场份额如何,产品和运营数据怎么样,还有多大的市场发展空间,还有哪些没有被满足或是可以改善的空间,所有数据都指向你这个立项的产品机会如何,如何定位,如何突围;

产品设计的数据驱动首先要有用户和需求的调研,通过定量和定性的分析去确认目标用户和用户需求,得到产品的核心功能和周边功能,并在上线后数据表现中不断迭代优化。

增长运营更是需要直接的数据驱动,一个功能、一个活动、各环节的转化率等都需要从数据入手,优化效果和新功能新活动的效果也是需要数据去验证和说明,运营一定要看数据的。 分享 | 评论 1 蓝色韵脚 保密 产品经理 从产品设计角度来思考

1.产品立项:要看整个大行业、竞品、流量的,市场的,但是具体也要看产品项目的差异。如果是成熟的产品,特别是商业化产品,例如广告、数据分析类产品,市场相对比较成熟,决定自己做不做,能够比较容易找到自己需要的背景数据;而新点子、小众产品,靠数据驱动时要注意分别哪些是直接参考的数据、哪些是间接参考,比如市场环境、某个关键数据的近期增长情况、可以依托的红利技术(硬件、政策)发展情况;

2.产品设计:产品设计其实已经比较依托前期的市场、需求、用户调研情况了,这里对设计比较大的影响其实就是开发落地过程中遇到的细碎问题;这里可以考虑产品关键指标设计、上线策略(灰度)、统计埋点事宜,为后续奠定基础;

3.产品灰度&迭代:产品KPI指标、关键衡量指标、行业(竞品)趋势分布、用户画像数据等,依托数据做具体的产品迭代与运营分工。 分享 | 评论 0 厘鸿焰 中航亿通电子商务(北京)有限公司 产品经理 讨论点:商机立项



从去年开始,小额现金借贷产品如雨后春笋般在互联网的大转盘里涌现,无论大公司还是初创型公司甚至公司里的小团体都想抓住这个突然出现的风口,捞一杯羹。



我也负责参与了一款小额借贷产品的设计,实现,上线运营。由于开发网站和app时间紧迫,且成本高昂,我们采用建立一个微信公众号,在里面嵌入借款问卷,用户填写借款申请问卷后我们审核通过即可借款的办法快速试水市场。



拉取用户流量是一个棘手头疼的问题,采取种种办法后终于开始有了一些零星的用户来我们微信公众平台填写借款申请问卷,令人惊喜的是,从那后来进行借款申请的人开始成倍地增长,每天看着问卷后台的申请量曲线抖斜式地攀登,心理无比激动。



但是很快从用户借款申请问卷里呈现的数据发现了问题,每天申请的人数里面合格的人数越来越少,而且在第三方风控检测平台里跑出的风险监测分数为风险极值的人呈普遍现象。再加上前期放款后催收还款难度越来愈大。我们及时停止了放款。



想说的是,通过数据预测到了风险,避免了小规模创业团队的更大损失。 分享 | 评论 0 勇敢的小C 大猫网络科技股份有限公司 高级产品经理

 我简单说一下商机立项如何运用数据吧,如何判断一个产品是否值得做。

首先,看产品所在行业,或者母行业的体量。(存量市场)

其次,看所在行业的体量的增长率。(想象空间)

最后,看竞争对手情况。(对标)

拿餐饮Saas软件行业来举例:

餐饮软件行业的母行业餐饮收入从 2012 年的 2.3 万亿发展到 2016 年的 3.5 万亿,增速11.3%,远高于中国GDP7.5%水平,并且餐饮行业有高开店率、高倒闭率的特点,北上广深月倒闭率在10%,年复合倒闭率100%,传统的行业越来越需要拥抱互联网以提高自己的运营效率,可见餐饮软件行业是一个高速发展,体量不小的行业。

再看竞争对手情况,随便看几家主要的如客如云,二维火等等。 客如云是三板企业,可以通过财报来获取一些信息,这里看到几个点,1. 百度占股20%,2. 收入规模7000万,净利润 -5800万。可见客如云正在快速扩张期,并且是百度系。所以餐饮软件业也是一个竞争非常激烈的行业。

时间有限,不过多深入,这里只探讨了通过人工收集数据以供商业立项决策,如何更深入、更巧妙的让数据说话,还看这次活动大神们的分享,哈哈

分享 | 评论 1 yuma 骑骑 产品

1. 支撑

当有了产品灵感时,如何才能得到领导的支持呢?数据是一个强有力的支撑,有了数据的支撑,产品灵感不再是空中楼阁,多少落地了一些

2. 验证:

产品在设计时,实际上是在做一件未知的事情,无论前期需求分析是否靠谱,只有上线做出来得到用户反馈和数据反馈,才能知道产品方向正确与否。各种产品方法论只是我们创造性拍脑袋时显得更加靠谱,使得产品更大概率的压中方向。而真实的数据反馈,能基本验证之前的产品设计

3. 矫正

数据驱动让快速迭代产生意义,数据的呈现表明了每一次迭代的价值。如果数据良好,可能说明方向是对的,如果数据下降,是方向不对,还是设计等其它有问题呢?这都是数据带给我们的思考

分享 | 评论 0 瞳孔中看世界 欣都(上海)商贸有限公司 产品经理 浅谈数据驱动应用于产品设计自身见解!



关于数据,一直都属于敏感话题。产品的走势、设计、迭代等等一切都需要数据支撑。

无论是做B端产品还是C端产品,在产品上如果没有数据,你如何准确把控需求?如何对症下药?如何在一定程度上避免踩坑?

例如在做产品设计时,遇到某个按钮的摆放问题,你是随便放一个位置吗?你确定你摆放位置对于结果影响不大吗?没做过设计的产品,就是随便摆一下,不影响核心使用就行,但是在设计上追求的是主次,一眼能突出该页面的核心功能,其实这些都是需要数据支撑的。

很多时候我们做需求时都是相信直觉,数据驱动太麻烦,其实数据驱动在一定程度上能直接体现用户的真实需求。例如:曾经一次线下LOL比赛,一个大厅里一半黑色电脑,一半白色电脑,主办方承诺在游戏比赛结束后,每位选手可以带走一台电脑。在开始时大家都不看好白色的电脑,实际情况也是,几乎所有选手都在比赛时使用了黑色的电脑,但当临走时却都抱走了白色的电脑。你说你的直觉黑色正确吗?很显然,数据驱动,白色电脑是选手喜欢的。同理,在产品设计时,如果凭你的直觉去设计产品时,你会发现很多决定你不能很自信的作出,因为你不够自信,没有足够的数据。在实际情况下,数据也的确很重要,举个例子,如:滴滴与优步,优步在国外其实挺不错的,但是到中国却做不过滴滴,包括苹果投资滴滴,很大一部分原因是滴滴掌握着中国人出行的大数据,所以说数据驱动产品设计很重要。

但是,上文我也说到,数据驱动在一定程度上能直接体现用户的真实需求,但是也有不准的时候。例如埋点,大家都知道数据传输有损耗,埋点数据也一样,基本存在15%左右的误差,很正常,一点其实也反应了有时候数据并不准确,完全数据驱动太理性,不可靠。设计上的视觉差就是这个原因,有时当两个图标尺寸完全一样大时,视觉看上去一大一小,很变扭,但是做出尺寸一大一小时再看,感觉两个图标一样大,这也说明了完全靠数据在某种程度上不太可靠。

以上是我个人的浅显见解,有不对的地方还请留言指出,谢谢! 分享 | 评论 2 匿名用户

交互设计要解决的问题主要是“如何将产品定位与用户的真实需求深度融合”,深度融合并非一味满足,主要因为有时候一个新产品的定位并非理论化和理想化,需要考虑到创新,也会受到各种因素的影响,比如开发时间限制、底层技术框架制约等,只能尽可能满足用户需求。

1.通过问卷获得数据

通常来说,数据采集有两种方式,第一种是利用网络问卷调研的方式,获得用户心理和行为习惯层面的定量数据;第二种是在产品页面设置模块、图片、文字等埋点的方式,收集页面数据。

在商家服务平台上线之前,产品还未诞生,没有页面数据,初期主要使用网络问卷调研的方式获得用户的需求数据。

2.调研前工作准备

首先要明确产品定位、产品规划及架构,对产品有全面的了解;然后,再明确调研目的,研究目的是问卷调研的核心,决定了调研的方向、研究结果如何应用等。

接着,需要根据研究目的,确定调研的内容和目标人群,调研内容越细化越好,目标人群越清晰越好。

对于商家服务平台这样一个新产品,设计之初,研究目的是,了解淘宝卖家对各类服务(尤其是对店铺装修和日常运营服务)的使用、需求和评价情况。

研究的主要内容有:卖家在经营店铺中遇到的困难、目前急需的卖家服务有哪些、近期使用过哪些卖家服务、对使用过的卖家服务满意度如何,最满意哪一个卖家服务、不满意的卖家服务具体原因是什么等。还需要明确的是,研究中的卖家服务涉及的类型,包括淘宝提供的服务、淘宝卖家提供的服务、淘宝合作伙伴提供的服务等。

商家服务平台的目标人群跟产品定位有关,主要是做给需要服务的卖家的。

分享 | 评论 0 ZY丶 求职 产品 商机立项:通过大数据来了解用户群体,区分用户群体,项目的核心使用人群,用户需求的强度和频次是否能支撑一款新产品。对竞品有正确的判断。在竞品的挤压下,还有多少痛点是用户很在意,竞品未满足的,还有没有自己插身立足的空间。这就是产品的核心竞争力,这就是产品存在的意义,分析这类人群增长,是否能撑起一个可持续化的项目,分析是否是硬性需求,未来规模,产品的发展目标,和通过大数据分析10年及以后的需求,商机立项,我觉得不仅仅要分析目前大数据表面的展示出来的东西,还要分析可能在时间内可能存在的改变,比如说这类人群随着年纪的增长需求变了,下一代到了这个年纪需求也变了,一定要通过大数据在立项的时候分析可能存在的改变和相对应的策略,达到可持续发展。



产品设计:正常的通过大数据来分析界面展示,风格就不多说了,这里说下需求打个比方,腾讯的产品用户量最大,用户跨度也不同,我们就可以分这大数据的用户群体,区分用户群体,在开发出所有人都需要的共同需求之外,根据区分的不同用户群体开发出不同的小需求,比如QQ里面的语音大厅,微信摇一摇,漂流瓶,淘宝里面的我的宝贝等等,我都认为是通过大数据区分用户群体的小需求,这些小需求 能用到的群体很有用,用不到的群体也没有影响体验。



增长运营:还是通过大数据还分析用户群体特性,来策划一些迎合这些用户需求的活动,比如说电商大数据可以分析出哪些年龄段喜欢买哪些东西,买了哪个东西还会一起买哪些东西,有了这些以后就可以调整排序,推荐策略了。



最后说点自己想说的,怎么看待快手,我觉得成也逗比败也逗比,一个品牌的内涵很重要,如果你现在做一个短视频应用定位文艺清晰调子定高一点,视频的裁剪,滤镜做的完美一点,每个人都能拍出大片的感觉,人人都是生活的导演,估计还是很有机会的,我觉得快手应该马上要产品品牌升级不然会没落。 还有前段时候马化腾与朱啸虎关于智能锁之争,我觉得他们的争论毫无意义,虽然在产品运营上智能锁能够提供很有帮助的数据,可以让车摆放的合理。但是站在用户的角度上看,没有人会在意用什么锁,用户在意的是哪个车骑起来更轻松,好骑,哪个车押金少,用户会选择他们对于自己性价比高的。我想说的还是品牌,明显摩拜的调性比OFO高,已经在用户心理产生了思想,所以摩拜比OFO应该要更主动一些,我也更看好摩拜 分享 | 评论 4 amkiyo 保密 产品 数据驱动产品设计

首先,在需求阶段,数据是判别需求是否伪需求的重要支撑,通过数据说话,验证提出的需求是否真实有效,让需求不再是空谈空想。

其次,当一个功能上线后,通过埋点收集的数据,发现用户在页面访问质量等方面的问题,进行分析后进行功能的更新迭代,不断优化产品。

最后,不管在产品的那个阶段,数据都是最有说服力的,数据是理性的,而人的主观判断是带感情色彩的,所以在产品上线后做好数据的跟踪收集,发现问题,解决问题,发现怒点,提升体验是最重要的。



分享 | 评论 0 Jon(博彩) 英雄互娱 高级产品经理

商机:市场数据可以作为项目立项时一个重要的参考指标,通过数据可以对项目所在领域包括但不限于市场增长空间、进入的时间节点、用户需求(频次、需求类型)、用户画像等维度有一个清晰的认知。

产品:常规的讲是通过用户在app或PC端的使用数据(新增、日活、时长、arpu值、热区点击次数等等)来确定权重较高的功能模块与产品的迭代周期。但基于我对手游行业用户的洞察,我更侧重于从用户心理需求层次的角度出发。从产品的角度讲,数据可以作为产品设计时的参照,但不会是权重最高的,你的商业敏感性,你对用户心理需求的把控(除了理论上的,如马斯洛需求、弗洛伊德之外,你要去感受实际生活中遇到大小事件时个人或他人的真实心理活动并记录,还有诸如......),你可协调的公司资源(这个决定你能不能干成)。

运营:运营是最需要数据驱动的,这点在大公司体现的淋漓尽致,因为数据直接与绩效挂钩。说点常规的,运营同学需要根据运营数据(营收、净利润、arpu、日活等)决定推广预算、推广方式(用户自传播、视频广告之类的,海外发行目前需要代理商)、活动周期、活动方案(充十返一之类的)等等。

时间关系,暂先略下部分内容,发帖补。

分享 | 评论 0 芳草一般 58集团 资深产品经理 从数据驱动产品设计来回答吧,把产品过程细分到不同的周期中,需要关注的数据存在差异化

1.产品立项:要看盘子数据。大盘子,行业、竞品、流量的,但是具体也要看产品项目的差异。如果是成熟的产品,特别是商业化产品,例如广告、数据分析类产品,市场相对比较成熟,决定自己做不做,能够比较容易找到自己需要的背景数据;而新点子、小众产品,靠数据驱动时要注意分别哪些是直接参考的数据、哪些是间接参考,比如市场环境、某个关键数据的近期增长情况、可以依托的红利技术(硬件、政策)发展情况;

2.产品设计:产品设计其实已经比较依托前期的市场、需求、用户调研情况了,这里对设计比较大的影响其实就是开发落地过程中遇到的细碎问题;这里可以考虑产品关键指标设计、上线策略(灰度)、统计埋点事宜,为后续奠定基础;

3.产品灰度&迭代:产品KPI指标、关键衡量指标、行业(竞品)趋势分布、用户画像数据等,依托数据做具体的产品迭代与运营分工。 分享 | 评论 0 Z·ky 十坊科技 PM 以数据驱动应用于增长运营来说吧,我认为分两个重点。

一,检测异常指标,发现用户对产品体验上的怒点,产品大的流程中,存在很多小的功能点,用户的体验就是建立在这些小的功能点上;就是这些小的功能点的使用情况,成为我们每一步转化的关键。

二,通过留存曲线检验新上功能,在迭代过程中经常要对产品功能进行优化或者上新,当新功能上线后,需要评估新功能的效果,是否满足用户的核心需求,能否给用户带来价值。

其实归根结底数据驱动在增长运营中是为我们提供了便于识别的参考指标,有利于我们对产品的进一步优化及发展。 分享 | 评论 0