数据分析在产品迭代前的意义

0 评论 4727 浏览 33 收藏 12 分钟

数据,对数据的敏感度,数据分析能力在当下的生活工作中变得越来越重要,不只是数据分析师所应该掌握的独特技能。其实对于运营、产品等大多数工作岗位,数据分析能力都有其意义存在。今天就想和大家讨论一下数据分析在产品迭代前的意义。

“迭代前”我们一般会进行哪些工作内容呢?就我看来主要是发现问题和需求评估。

  1. 发现问题,会要求我们去发现目前线上产品存在什么问题,收集和问题相关的需求,找出需要解决的问题
  2. 需求评估,会要求我们从众多的问题和需求中,进行优先级的评估,确保在有限资源下选出最有价值的需求。

而“数据分析”可以在这两个环节为我们提供数据支持,作为本迭代的数据依据,指导我们的产品设计过程。

发现问题

“数据”是怎么帮我们发现问题的呢?我们可以通过分析“数据的变动”的情况来分析问题,排查问题。

问题的出现常常伴随着数据的变动,因此,首先我们先要发现“数据的变动”,理解数据变动带来的数据现象都有什么意义。常见的数据变动主要有3种,出现峰值/谷值;出现异常值;趋势增长/下降。

(1)峰值/谷值:

现象:出现阶段顶点或者阶段低点。

意义:意味着数据拐点的出现,数据的趋势开始变化。

(2)异常值

现象:较前一段时间数据出现显著增长或断崖下降。

意义:意味着数据出现剧烈波动,原有数据的趋势被破坏。

(3)趋势增长/下降:

现象:代表较长一段时间数据的走势。

意义:可以用来预判未来一段时间的趋势。

通过观察数据变动,我们可以从不同数据变动现象的意义推断出目前业务在数据层面的反应,了解和发现业务的变化情况。

其次,界定数据变动出现的原因,是产品外部的因素还是产品内部带来的变化。

  • 外部因素:外部运营事件,节假日,热点事件驱动等;
  • 内部因素:产品内运营活动,新功能上线,产品统计规则改变等。

最后根据原因,分析数据变动所带来的影响,是否需要介入干预,提供解决方案。

一起看下我司的一个案例,下图是19年12月1号到13号某页面用户浏览次数(数据经过脱敏处理)。

浏览次数(PV)

按照上述所说的步骤来进行一些问题分析:

  • 第一步,发现异常值,该页面浏览次数日常稳定在100-200的范围内波动,很明显可以发现在12-03和12-12出现了两个异常数据;
  • 第二步,界定出现异常值的原因,通过外部和内部因素的自我排查,发现异常值出现的时间是双十二预售和双十二时间节点符合,确定数据变动的原因是双十二大促带来的;
  • 第三步,分析是否需要介入干预,该数据波动符合电商行业规律,属于正常现象。

再来看一个案例,仍然是同一个页面19年12月23号到27号某页面用户浏览次数(数据经过脱敏处理)。

浏览次数(PV)

同样运用上面的方法分析:

  • 第一步,发现异常值,该页面浏览次数在12月27号后出现断崖式下跌,浏览量从125骤降至16,并连续3天保持10-30之间波动;
  • 第二步,界定出现异常值的原因,通过排查发现,异常值出现前,数据接口出现问题,数据连续几天更新缓慢,部分数据未更新;
  • 第三步,通过原因可知,属于产品出现bug,需要介入干预,通过修复数据接口更新的问题,后续用户访问量回到了原来的水平。

上述时通过“数据变动”定位问题的简单应用。在发现问题这个环节中,我们主要通过分析“数据变动”反馈出来的业务情况,来发现问题,定位问题,提供解决方案。

需求评估

需求是可以无限增长的,但是公司的财力、物力、人力都是有限的,当有限的资源面对无限的需求时,就需要我们对需求和问题进行评估,评估出最迫切最适合的需求来实现。需求评估,是一个信息和分析的过程。在头脑中的思考,有一点让人觉得空洞,而通过数据把每一个需求转化成实际的数值,让每个需求的价值更加明确。

我们通过下面的步骤,运用“数值”,来进行数据的具体评估。

第一步,通过“数据假设”假设需求实现所带来的价值

  1. 收益:需求实现能带来多少的收益。假设需求实现可以带来多少用户,多少订单,多少传播等,并根据历史情况,转化为实际的现金数值,例如带来1个用户可以为公司创造实际人民币XX元。
  2. 成本:需求的实现需要多少的成本。假设需求实现需要投入多少人力成本,多少机器成本等开发资源,并根据现实情况,转化为实际的现金数值,例如实现某个需求,需要投入几个同学的多少工时,每个同学的平均工时工资是人民币XX元。
  3. 价值 = 收益的现金数值 -成本的现金数值。

第二步,通过“数据假设”假设需求不实现会带来多少流失

流失:需求不实现带来多少流失。假设需求不实现会产生多少损失,流失多少用户,多少订单等,并转化为实际的现金价值,例如某需求不实现,会造成多少个用户的流失,一个用户的流失给公司带来人民币XX元的损失。

第三步,前两步我们为每个需求都带上了具体的价值和流失数据,借助“四象限”划分,就可以评估出每个需求的优先级别程度

  • 纵坐标-价值:需求实现带来的具体经济收益;
  • 横坐标-流失:需求不实现带来了具体的损失;
  • 分成四个象限:“高价值-高流失”;“低价值-高流失”;“高价值-低流失”;“低价值-低流失”。

需求评估四象限图

通过象限法,对每个需求的优先级就很清晰了,我们首先需要关注的是“高价值-高流失”和“低价值-高流失”两个象限内的需求。因为负面影响总是最迫切需要解决的的,产品可以暂时没有新价值的产出和提供,但是带来高流失的漏洞和问题如果不解决对一个产品往往是致命的。例如如果“支付宝”存在“提现后余额并没有减少可以重复发起提现的漏洞”,那对于支付宝来说足以致命。

次要的,我们可以关注“高价值低流失”这一象限的需求,这一类的需求是我们产品持续发展的主要需求,能为我们产品不断的增加产品价值。

最后的,对于“低价值低流失”的需求可以暂时搁置,存放在需求池中,因为这一象限的需求对产品的影响很小。

回顾一个案例,在双十一前1个月,客服同学向产品同学反馈,部分现有客户和咨询客户(潜在客户)提出了希望在双十一前能提供“数据大屏”的功能,确定需求后,产品同学对这一需求进行了分析后,评估“简易版数据大屏”实现的价值和流失。

第一步,实现该需求的价值是多少?

通过反馈“该需求”用户占近段时间反馈用户数里的比例为10%,推断“该需求”上线后能带来100+订单(新订单+续订),平均客单价为400-500之间,带来的直接收益=40000元。实现“该需求”最大的成本为人力资源成本,需要投入1个研发同学+1个测试同学两周的时间。

假设平均工资为10000元,付出的成本大概为20000/20*10=10000元,该需求实现直接价值 = 40000-10000 = 30000元。

第二步,放弃该需求会有什么流失?

通过反馈“该需求”的老用户占近段时间反馈用户数量的比例为10%,因为不涉及核心功能点,推断放弃“该需求”只会使极小部分用户放弃续订转投竞品公司,预估导致流失的订单在10以内,带来的流失损失=4000元。

第三步,根据“象限法”可以评估该需求属于“高价值低流失”象限

结合当前资源以及本迭代没有“高流失”象限需要跟进的需求,产品同学决定讲“该需求”列入本次迭代中,最终在11月前上线,会产品带来了不错的订单数量,实现了客观的经济价值。

总结

在“迭代前”我们主要运用了数据分析里的对比法,假设法和象限法。运用这些分析方法,我们根据数据推断出业务的情况,及时发现问题,并把需求转化成实际的数值,区分出优先级,确保资源运用到最需要的地方。

 

本文由 @晌午 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!