数据指标系列 | 1 个事件 + 2 个变量 = 核心产品分析

GrowingIO 2019/09/26 22:36

「数据指标系列文章」旨在分享埋点方案设计的方法论和实际场景应用分析,为企业又快又准地搭建起高质量数据指标体系提供帮助。系列文章将持续在 GrowingIO 微信公众号和博客发布,欢迎大家关注。

作者:GrowingIO 联合创始人 叶玎玎

在定义指标体系的过程中,并不需要一味追求埋点数量。一个事件,两个变量,就能完成产品分析的核心工作。

任何一个产品,都可以分成两类。用,即浏览功能。做,即创建功能。比如电商产品,浏览商品是浏览功能,下单购买是创建行为。对于内容产品,查看内容是浏览行为,创建内容是创建行为。

所以,我们搭建指标体系,也应该分为两部分。一部分是浏览类功能指标,一部分是创建类功能指标。

  • 对于浏览功能,一个功能会展示在某个页面上,所以从产品角度考虑,功能使用大致等于页面访问。举个例子,你查看 GrowingIO 的某个漏斗,是在这个漏斗详情页上看。

  • 对于创建功能,是通过某个具体交互触发的,所以从产品角度考虑,交互行为的完成大致等于创建功能。举个例子,在「新建分布分析」页面点击保存并成功返回时,就是使用了分布分析创建功能。

基于此,我们只需要用一个事件 + 两个变量,即可完成核心的产品分析体系搭建。

新知图谱, 数据指标系列 | 1 个事件 + 2 个变量 = 核心产品分析

实施

当你确认了一个事件和对应的变量,就可以进入实施阶段。做好这一步,需要产品经理和工程师之间的通力协作。

有些公司,会有专门的数据产品经理,负责指标体系规划,跟研发沟通落地实施。有些公司,每个产品经理都需要掌握这个能力,遵循公司统一的指标体系方案,在每个产品文档里落地实施。

详细的实施流程,可参考《数据指标系列 | 完整埋点方案设计的四要素》。当实施完成后,我们就可以开始搭建可视化看板,通过数据洞察改进产品了。

可视化样例

一旦指标体系实施完成,就可以开始搭建产品分析可视化报表。下面是一些报表可视化例子,供参考。

1.浏览功能整体情况

新知图谱, 数据指标系列 | 1 个事件 + 2 个变量 = 核心产品分析

通过横向柱图可以了解用户主要在用哪些浏览功能。在事件分析中选择 页面浏览量 用户量 两个指标,选择 交互功能页面名称 为维度,选择用户分群为任意目标人群,就得到上面这张图。

其中,左图是浏览功能的使用次数,右图是浏览功能的使用人数。

2.创建功能整体情况

新知图谱, 数据指标系列 | 1 个事件 + 2 个变量 = 核心产品分析

同样,通过横向柱图可以了解用户主要使用哪些创建功能。在事件分析中选择 产品交互性参与事件_次 产品交互性参与事件_人 两个事件,选择 交互功能类型 为维度,选择用户分群为任意目标人群,可以得到上面这张图。

其中,左图是产品创建功能的使用次数,右图是产品创建功能的使用人数。

3.功能渗透率和使用率

新知图谱, 数据指标系列 | 1 个事件 + 2 个变量 = 核心产品分析

通过气泡图可以了解核心功能的渗透率和使用率如何,明晰产品功能推广方向。

通过 事件分析,选择 用户数、人均浏览页数和平均页面停留时长(分钟) 三个指标,选择 交互功能页面名称 为维度,选择用户分群为任意目标人群,可得上图。

4.产品功能用户使用分布分析

新知图谱, 数据指标系列 | 1 个事件 + 2 个变量 = 核心产品分析

可通过分布分析,了解功能使用频率,结合使用率和渗透率来优化产品。

在分布分析中,选择页面浏览量为事件,选择用户分群为任意目标人群,在维度对比中选择 交互功能页面名称 ,就出来上面这张图。

同时,可通过自定义区间来设置你需要分析的目标区间,比如,我们通过判断高频使用产品功能的用户的占比、低频使用功能的用户占比是否符合预期,思考如何引导,从而提升用户使用频率。

总结

以上是一个核心产品分析的指标体系搭建方案。数据分析的流程是以业务逻辑或产品逻辑为起点,从而定义指标体系,搭建看板,探索洞察,继而决策。

少即是多,在定义指标体系的过程中,我们并不需要一味追求埋点数量。就如上述方案,一个事件,两个变量,就能完成产品分析的核心工作。

大道至简,一个符合产品、业务逻辑的指标体系,才能更好地为后续的分析洞察提供支撑。

关于 GrowingIO

GrowingIO 是基于用户行为的新一代数据分析产品。 首推国内领先的“分析工具 + 运营咨询 + 持续增长”数据服务体系,帮助企业构建数据运营闭环。 依托于快速部署无埋点技术,实时采集全量行为数据,搭建完整的数据监控体系,高效管控与运营核心业务指标,帮助企业挖掘更多商业价值。

GrowingIO
+ 关注

更多新知