《数据分析篇》——业务增长前的思考
当作为一个数据分析师,在推动业务增长前,我们需要思考什么?
定位
哲学三大问:我是谁?我从哪来?我到哪去?
而其中“我是谁”这个问题放在开展业务增长前显得尤为重要,因为这是在解决定位问题。
开展业务增长,首先起码要清楚这是什么类型的业务,以及所处的大环境和小气候。
不同类型的业务其增长路径和逻辑也大不相同,例如虚拟产品可以借助互联网的裂变效应快速获客,而实体产品需要考虑供应链和线下渠道的铺开。虚拟产品和实体产品的差异是如此之大以致难以统一到一篇文章里讨论他们的增长方法,下面会主要侧重互联网产品,讨论互联网产品在增长前需要考虑的问题。
而在讨论互联网产品时,还需要明晰如下几个基本问题的答案:
- 这是什么类型的产品
- 满足了用户哪些需求
- 实现了什么价值
而这些问题其实还是定位问题的一体多面,只是为了更好地回答需要增长的产品是款什么样的产品。
产品类型
互联网产品可以分为:工具类、内容类、游戏类、交易类和社交类、SaaS类、平台类和杂交类。
每个类型产品的典型代表如下:
工具类:高德地图、墨迹天气
内容类:爱奇艺、优酷
游戏类:阴阳师、原神
交易类:淘宝、去哪儿
社交类:微信、微博
SaaS:钉钉、飞书
平台类:大众点评、美团
杂交类:小红书、Keep
不同类型的产品适用不同的增长策略,只有界定清楚了才能开展后续的增长动作。
用户需求与价值实现
一款产品一定是满足了用户某项需求、实现了某项价值、促进了某类信息流动才能长久存在的。
高德地图:满足用户获取地理位置信息的需求
淘宝:满足了用户购物的需求以及商家连接更多顾客的需求
微信:满足用户即时社交的需求
只有当考虑清楚产品是满足了用户哪类需求后,才能实现长久、大规模的业务增长。
大环境
在考虑清楚手上需要增长的产品是什么类型后,还需要考虑这款产品所面临的市场环境。
以社交类产品的熟人社交细分市场为例,这块市场如果以微信上线时的11年为起点,到现在已经经历了10年,有无数的微信同类产品想要打破微信一家独大的格局,但均无功而返。所以如果手上是一款主打熟人社交的产品,数据分析师需要考虑的应该是拿出市场数据,劝这个产品的业务醒醒,并建议转型到陌生人社交或其他领域上。
相反,当该产品所处的市场还未被挖掘,整体环境还是一个增量市场,那么即使同类产品众多也会具有较大的增大空间。
小气候
在明晰产品所处的大环境后,还需要了解自身产品所处的生命周期。
产品的生命周期大致可以分成四个阶段:启动期、成长期、成熟期和衰退期。
每个阶段均有其主要特点,如处于启动期的产品,用户基数少,核心用户使用情况较好但其他用户的增长和流失则比较差;而处于成长期的产品,每天的新增用户要大幅多于流失的用户,用户池在快速增长;处于成熟期的产品其用户基数很大,影响力也日益扩大吸引更多的用户使用,并开始逐渐变现,但同时伴随前期核心用户出走以及流失用户绝对值逐渐与新增用户绝对值持平;最后产品进入衰退期,每天流失用户要显著大于新增用户,用户池的规模日益萎缩,最后出现收入覆盖不了经营费用的情况。
而处于启动期的产品想要跑步进入成长期,首先需要考虑和判断自身是否达到了PMF(Product Market Fit),即用户是否真的需要这个产品且会长久使用。
这个判断方法可以通过定性和定量结合来实现。
具体来说,定性的话可以通过向用户调研,了解他们使用这个产品的原因以及意见,而定量手段则可以观察产品的用户流失情况。如果调研发现即使是使用次数较多的用户对该产品的评价并不算好,并且流失率一直保持在一个较高水平且无下降趋势,则说明该产品并没有达到PMF,需要推动产品首先完成基本功能层面的改进,否则谈不上进入成长期实现业务的快速增长。
资源
考虑完了业务和产品当前所处的位置后,数据分析师还需要考虑掂量手上都有哪些能用于帮助业务完成增长的工具。
数据指标
巧妇难为无米之炊,数据分析师要想帮助业务完成增长,首先得要有相应的数据来源,因此在进行业务增长前,需要思考:
- 是否能够获取相关的数据
- 从哪获取到这些数据
- 数据质量如何
- 相关埋点是否完整
除此之外,还可以考察相关业务或者之前的数据同学是否已经搭建了用于业务增长的数据指标体系,如果没有则需要根据当前业务所处阶段从零开始建立一套合适的数据指标体系,如果有则思考这一套数据指标体系是否能够有效帮助业务完成增长,当出现业务异动时是否能够快速响应和诊断。
数据看板
在有了数据源后,还需要判断是否有相关的数据看板可以在指标出现异动时呈现在可视化图表上。
数据源往往是以结构化存储在数仓里的,如果没有数据可视化的指标看板那么数据分析师需要每天从数仓跑一遍代码取数然后判断今天相关的指标是否存在问题。而如果能够把用于业务增长的数据指标体系呈现在数据看板上,那么就能够帮助数据分析师随时把握业务的动向,并在出现异常时及时发现并完成归因分析。
AB test工具
按照公司所拥有的AB test工具以及对AB test的重视程度,可以粗略地分成三个等级:
T1
随时有几十个不同的版本在线上进行对比测试,并能实时观察到不同版本的运行数据,并包括覆盖人群和人数、测试起止时间、改动页面详情等。
T2
找产品开发圈定特定的人群进行灰度测试,并手动在后台捞取数据检验新版是否优于旧版。
T3
全凭产品经理根据老板和用户反馈,并结合历史数据以及个人的判断直接向全量用户覆盖新版本。
T1级拥有最优质的AB test资源,可以并行测试几十个版本然后择优推广;T2级需要数据分析师全程参与整个灰度测试,包括人群选定、埋点设置、结果评估等;T3级则更多依赖产品经理个人对产品的理解,但无法从统计学上判断新版是否就一定比旧版更好。
产品自身独特的资源
市面上各种产品其资源禀赋即使是较其同类产品也有很大差异,例如一些产品拥有优质的流量入口,那么需要更多考虑用户进来后的留存问题;而另一些产品是公司产品矩阵中的一员,本身拥有海量的用户池,那么久需要考虑如何完成用户在产品间的转化;还有一些则是产品自身出色,但缺乏用户来源渠道,此时就需要根据历史数据在合适的渠道重点发力实现优质的用户量增长。
总结
数据分析师在业务增长需要思考如下几个问题:
- 这是一款什么类型的产品,实现了什么用户需求和价值?
- 这款产品所处于什么样的大环境和小气候?
- 是否已有高质量的可用的数据指标体系和对应的数据看板?
- 公司层是否拥有足够的AB test工具和测试流程?
- 该款产品所具有的优势且独特的资源是什么?
引用:
[《数据分析篇》——业务增长前的思考 - 知乎](https://zhuanlan.zhihu.com/p/360906617 )]