网站分析常用的指标之内容指标(产品经理用指标做分析的基本思路又是什么呢？)

　　网站分析常用的指标之内容指标(产品经理用指标做分析的基本思路又是什么呢？)

　　对于很多产品经理来说，用户体验是一个重要的考虑因素，所以产品经理往往会从用户的角度来思考问题。但这里其实有一个悖论——因为产品经理永远不可能真正成为用户，不可能假装对自己创造的产品一无所知。

　　如果产品经理只根据自己的直觉体验和理解来设计产品，认为自己了解用户的想法，就会离用户的真实需求越来越远。

　　所以，在产品经理的工作中，不能仅仅依靠产品的Sense作为决策的依据。因此，反映用户行为的指标和数据就成为重要的决策依据。指标作为用户体验的原生反馈，越来越被互联网公司所接受。注意，指标如何帮助我们做出决策？哪些重要指标没有被重视？产品经理使用指标进行分析的基本思路是什么？

　　一、业务需求执行得好，产品却越来越差

　　以前在公司做产品，根据业务需求设计用户群。为了更完整的用户体验，我还做了很多后续的高级功能：用户创建群组后，可以在群组中创建项目并在群组中分享。以及协同开发等高级功能。

　　新建组织的数量和总体用户数都不错，但以下用户并没有我们预期的那么活跃，甚至还在流失。但是当时并没有认识到这个问题的严重性，后续的高级功能，我们既没有用多个指标衡量产品结构是否合理的意识，也没有关注产品数据的习惯。实时，所以我们根本找不到原因。

　　时间久了，我们发现用户建群后并没有得到有效的引导，导致无法邀请其他成员加入，所以很多用户都去了“新建群”，还有以下高级功能根本没有使用。，相当于用户的使用过程在前期完全被破解。

　　后来我想，如果我们把每一步的流程和转化效率可视化，马上看到每一步的转化率和利用率，我们就可以及时调整产品策略，减少用户流失（详情请参考到马海翔的博客“产品经理应该重点分析用户离开相关介绍背后的原因）。

　　二、这些指标与产品健康密切相关

　　既然数据对于产品设计和优化非常重要，那么我们需要关注哪些数据和指标呢？

　　1、简单的指标

　　对于产品经理来说，最简单的指标就是页面浏览量、登录用户数、访问用户数等数据：

　　每天关注这些指标的变化和趋势，可以快速了解产品的整体情况，但仅靠这些还远远不够。产品经理需要更加关注反映产品健康度的指标。

　　2、综合指标

　　基础指数/用户数 & 基础指数/访问量

　　通过对每个用户或每个会话（Session）的基本指标进行平均，可以得到产品的平均访问深度、平均访问时长、平均每周购买量等复合指标：

　　与简单的基础指标相比，分配给每个用户的指标通常可以更好地帮助产品经理了解用户的真实使用情况。以光伏相关数据为例。即使PV增加，平均访问深度（每次会话的PV数下降并不是一个好兆头。这意味着用户的使用可能存在问题。每次访问的操作数和打开的页面数正在减少，甚至可能直接导致亏损。

　　所以产品经理要多关注这些指标，尽量增加平均访问时间、平均访问深度、平均每周购买量等指标，可以有效消除基础指标带来的虚荣效应，保持对产品的清晰认识。现状和产品目标（详见马海翔博客《产品经理如何做市场调研和数据分析》）。

　　3、转化率指标

　　在衡量产品使用过程时，转化率指标至关重要。转化率指标可以帮助您真正了解产品流程的健康状况。以注册流程为例。成功注册的用户数量在增加，但这并不意味着注册过程变得更好（可能是新的流量基数变大了）。只有注册转化率（注册成功的百分比）提高了，才能证明注册流程的优化是OK的。这是有效的。

　　4、留存指标

　　在这些指标中，留存指标越来越受到产品经理的关注。过去，大家更倾向于下载和注册，这代表了新的拉动效应的指标。但是一个人什么时候才真正成为你产品的用户呢？事实上，当他活下来的时候。

　　因此，在 AARRR 模型中，保留是最重要的部分。获得（Acquisition）和激活（Activation）的用户愿意持续使用产品来实现用户留存，只有剩余的用户才能实现后续收益（Revenue）。甚至自发传播和推荐（推荐）。

　　如果留存率不理想，所有的用户获取努力都将白费，无法激发用户的付费和推荐意愿。

　　三、产品经理如何以数据分析的思路优化产品？

　　对于没有数据分析意识的产品经理来说，在完成产品规划、功能开发、上线测试后，他们认为自己现阶段的工作已经结束，无法做出优秀的产品。

　　当产品发布上线时，数据分析的工作才刚刚开始。只有不断调整优化在线功能，才能打磨出真正优秀体验的产品。那么对于产品经理来说，如何用数据分析的思路来驱动产品优化呢？

　　1、建立业务目标和产品期望

　　认真思考“用户故事”，明确产品成功的目标是什么，比如使用量、使用频率、留存率达到多少才算成功？

　　2、 产品的抽象、逻辑和结构

　　只有了解了产品的结构和逻辑，才能知道需要关注哪些数据和指标，以及如何通过监控这些指标来达到最终目标。因此，此时我们需要对产品功能进行抽象、逻辑和结构化。, 拆分成特定的逻辑层次。

　　包括用户的预期操作可以分成几个部分，业务逻辑可以分成几个部分等等……明确产品逻辑后，可以根据每个部分进行分析和优化，比如在电子商务应用中. 用户的购买行为抽象为如下逻辑结构：

　　A. 打开产品详情页面

　　B.进入购物车页面

　　C. 确认订单页面

　　D.进入支付页面

　　E、支付成功

　　3、数据准备和采集

　　产品经理需要确定具体的分析方案，梳理数据需求。经过一段时间的数据采集，形成相应的数据样本（时间短，或者用户少的数据没有意义）。

　　但是很多产品经理往往会在这一步失败，因为传统的数据采集工作必须提前埋起来，最常见的事情发生埋“（详见马海翔的博客“互联网产品规划的四个维度”。

　　4、多种数据分析方法衡量用户使用情况

　　新功能上线后，我通常会通过多种分析方法来了解用户的真实使用情况，验证是否符合第一步设定的业务目标和产品预期。

　　比如在验证产品每一步的逻辑和转化时，我会使用漏斗功能来分析用户的核心路径。在前面的电子商务示例中，“A.打开商品详情页->B.进入购物车页面->C.确认订单页面->D.进入支付页面->E.支付成功”漏斗（如下所示）。

　　用于实时数据分析的 GrowingIO 漏斗

　　在这个漏斗中，可以发现从接收信息页面到支付页面的转化率并不理想。只有50.2%产生购买意向并确认订单的用户到达支付页面，为什么这一步丢失了一半用户？这里我们可以按照从“确认订单页面”到“支付页面”的流程来分析产生这种现象的原因。

　　5、提出猜测并验证

　　通过以上数据分析，为什么从确认订单到支付的转化率这么低？我们会有一个初步的猜测。可能是“用户在订单确认页面无法查看商品详情，为了返回上一页，放弃支付”，或者“用户想要修改商品的数量和款式，但是订单确认页面无法修改，因此放弃付款”。当然，也有可能简单的提交支付按钮有bug或者理解上的偏差。

　　接下来，我们将使用数据分析来验证我们的猜想。例如：我怀疑一个按钮的样式和文案不足以满足用户的期望。可以检查这个按钮的点击率是否有问题，设计一个新的按钮样式进行A/B测试。有了这样的实时数据分析图，我们可以随时看到每一步的用户行为和转化行为，及时调整产品策略以获得更好的效果。

　　验证猜想后，我们会得出带有相应论据的结论，产品经理可以在此基础上对产品进行优化，从而提升产品的用户体验，更好地实现业务目标。

　　优化上线后，产品经理会开始新的数据分析周期，对修改后的数据进行分析提炼，测试修改后的效果是否有效，并继续用数据驱动产品优化和业务增长，形成良性循环。圆圈 。

　　四、用数据指导产品优化的大体流程

　　产品经理是要解决产品问题的，那么如何才能更好更高效地解决问题呢？首先，我们要能够发现问题。数据分析是发现问题的常用方法。通过数据定位问题，然后通过设计方案来尝试解决问题。然后用量化的数据指标评价问题是否解决，采用迭代优化。，问题可以更好的解决。在这里，马海翔将总结通过数据引导产品优化的大体流程。

　　1、确定产品体验的量化指标

　　例如，在上面的案例中，我们使用成功率来衡量登录产品体验的质量。可以用哪些指标来量化某个产品的体验？这是目前交互设计领域正在讨论的一个话题。此处不再详述，仅提供参考建议：

　　（1），用户体验的变化对这个指标有至关重要的影响。

　　（2），这个指标很好量化。

　　（3），指标是如何计算的，项目组已经达成共识，这样设计才能更有针对性地进行。

　　2、数据分析精准定位问题

　　影响上述量化指标的产品问题在哪里？如果页面登录失败会怎样？比例是多少？根据产品的不同，数据来源可以是产品的后台日志数据、用户点击行为数据、用户求助率等。

　　进一步分析：为什么密码错误？为什么账户名错误？为什么图片验证码错误？例如，我们可以通过大量的用户电话和客服录音找到用户密码错误的真正原因：将支付密码与登录密码混淆，与其他产品的机密混淆；密码设置太复杂，记不住。如果密码错误，找回密码不成功，以此类推。

　　3、 迭代优化，用数据测试效果

　　如果发现问题，可以获得具体的设计方案，解决方案可以参考：

　　提前：问题是否可以提前规避，减少发生的概念；

　　事件中：如何在出现问题时帮助用户快速解决问题；

　　事件发生后：如何避免再次发生。

　　快速启动优化计划，查看对应的体验指标有没有变化，变化多少。一步解决问题往往是不可能的。需要迭代优化。通过数据跟踪不断修改设计策略，积累成果以实现我们的最终目标。设计目标。

　　马海翔的博客评论：

　　随着大数据时代的到来，产品经理对数据分析提出了更加严格的要求。懂数据分析的产品经理，可以用数据驱动产品设计优化，提升客户体验，实现更多价值。