1. 首頁 > 生活百科 > >

3種指標及3個影響因素 數據分析常見指標及影響因素是什么( 二 )

產品文案策劃數據指標


（3）留存數據：活躍留存與關鍵行為留存
留存率 ， 往往用來衡量產品的核心價值 。 并且總會和新增關聯在一起去衡量整體流量池的存量 。 如果留存率很高 ， 即使新增率很低 ， 依然能維持很大的存量用戶群 。 反之 ， 留存率低 ， 新增率高 。 那長期看 ， 很難保持持續的存量用戶群 。
活躍留存分次日 ， 三日 ， 七日 ， 月的單位 。 具體以哪個為主 ， 取決于絕大部分用戶的生命周期 ， 如果本身產品是個高頻剛需行為 ， 那么短周期留存會很高 ， 因此適宜觀測長期留存 ， 去衡量產品質量 ， 及用戶體驗 。
如紅極一時的臉萌 ， 在短時間內匯集了大量的用戶 ， 如果只看次日留存 ， 那在那段時間的次日留存 ， 應該會處于很高水平 。 如果將時間拉長 ， 觀察次周留存 ， 也許就能看出一些問題 。 產品提供的價值可持續性越強 ， 往往用戶粘性越高 ， 長期留存就會越高 。 因為培養了用戶習慣 ， 用戶也會樂于去長期保持習慣 。
另外一種是關鍵行為留存 。 如果拿活躍留存率、注冊留存率、或有更深入行為用戶的留存率做比較 ， 我們會發現 ， 往往用戶行為越深入 ， 越接近核心功能 ， 留存會越高 。 從用戶角度敘述即 ， 用戶越深入使用產品 ， 就越能感受到產品價值 ， 就越大概率第二天甚至第二周回來繼續用它 。
因此 ， 如果我們想確定哪種行為 ， 哪種用戶是我們想持續拓展的用戶群 ， 不妨將他們的畫像和留存率做個交叉 ， 即能發現什么樣的用戶他們的留存率更高 ， 我們將其他用戶盡可能轉化成這樣的用戶 ， 就能明顯提高留存率了 。
影響指標變化的因素作為產品經理 ， 需要每天持續觀察數據指標 ， 以此做出正確決策或思考優化方向 。 如果某一天數據突然發生異常波動 ， 那就需要立刻確定波動原因 ， 從而去解決問題 ， 使數據回歸正常 。 經過這么長時間和數據打交道 ， 總結了以下幾點：
（1）渠道調整
各渠道的投放分配 ， 流量占比一旦發生調整 ， 便有可能影響整體的數據指標 。 高質量渠道縮量 ， 低質量渠道擴量 ， 都會拉低整體數據指標 。 因此在關注整體數據變化時 ， 要同步關注渠道數據變化 ， 也要及時跟進市場的計劃同步 。 便于第一時間確認指標變化原因 。
另一方面 ， 如果有品牌投放或廣告投放 ， 要注意投放的素材發生變化 ， 會帶來新增用戶群的畫像變化 。 也會影響到用戶質量與匹配度 ， 從而影響到整體數據指標
（2）用戶畫像變化
不同用戶畫像在產品上表現的行為特性不同 ， 因此要善于拆分用戶畫像或交叉用戶畫像去對比數據 。 比如寒暑假 ， 往往會帶來學生流量的增加 。 學生流量的特點和上班族的特點一定存在某些差異 ， 那么從數據指標上看 ， 每當寒暑假的時候 ， 數據指標都會發生一些趨勢變化 。 因此需要提前了解不同畫像的行為特性 ， 并且在關鍵時間點 ， 監控不同用戶群的占比變化 。
（3）功能變化
每一次迭代發版 ， 很容易造成數據指標的波動 。 因為存在新老版交替 ， 用戶行為數據的遷移和重疊 。 另一方面 。 功能改動越大 ， 影響面就越大 ， 有可能產生連帶效應 。 即更改的雖然是這個頁面 ， 但實際會影響到多個頁面 。
比如：我雖然更改了列表的排序策略 ， 但通過數據 ， 會發現 ， 除了列表CTR發生了變化 ， 列表的下一級頁面轉化率也會變化 。 這是因為 ， 當列表的結果因排序變得不精準 ， 那進入下一級頁面依然會受此影響 ， 變得不精準 ， 從而造成持續的流失 。 從用戶角度解釋 ， 即用戶的決策會受到持續影響 。
【3種指標及3個影響因素 數據分析常見指標及影響因素是什么】今天先聊到這兒 ， 有時雖然會被數據波動虐的不行 ， 但當經過各種原因排查 ， 最終確定問題根源時 ， 那種串聯邏輯后形成的完整分析思路 ， 是我最大的收獲 。 希望你也有此收獲~

推薦閱讀