京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据如何指导产品设计
两年之前,那时我刚开始做产品,当需要做数据分析时,我总是一头雾水,完全不知道该如何下手。我想做好,我真的非常想做好,可我却真的不知道该怎么做。经过这两年大大小小项目的不断锤炼,摸索、尝试、碰壁、复盘、再尝试,终于能够根据数据分析的结果,做出成功的产品设计,最终呈现出良好的结果。现在呢,每天到公司第一件事就是看数据,对昨天各平台的流量、各页面的转化、各品类各入口各目的地的销量,心中有数。从数据中发现问题,进行进一步的分析,及时调整优化。
我在网上曾不断的找有关“数据如何指导产品设计”的文章,一直没有找到有含金量的东西,所以,我决定自己写一篇,把自己认为有价值且能迅速用于实战的东西分享出来:
以“手机淘宝”App为例,打开淘宝App,选择阿里旅行:
由于我是一直做旅游产品的缘故,所以还是拿旅游App做为案例。通过对这个App的观察,可以把影响数据的因素概括如下:
好了,先说明一下:
1、数据分析的过程:
2、先把因素罗列出来是为了方便大家理解。在实际工作中,遇到一个数据呈现出来的问题,你自然而然就能联想到由哪些因素造成的,然后去查询分析相应的数据,找出具体原因。
3、电商类产品普遍以GMV为目标(不要说为什么不是用户体验,电商类和其他类产品在这点真的很不一样)。
4、大中型公司普遍都有自己的数据平台及相应的数据团队。每天早上看数据也是产品经理的日常工作。小型公司的话,建议自学SQL,自己在数据库中查询数据。其实我在去哪儿网也自学了SQL,因为这样更方便。先在我们的数据平台上看数据,发现异常,就自己在SQL里查询更详细的数据。不用去麻烦数据团队,因为大家手里的活都挺多的,自己查的话效率还更高。
5、 日常需要分析的数据纬度有:页面转化;商户/商品;用户纬度;市场环境;渠道推广;客诉纬度;财务纬度
6、数据分析的利器是Execl,重点要学会用“数据透视图”,这会对你的工作帮助极大。(以后我会专门写一个关于数据透视图的文章)
7、推荐看《谁说菜鸟不会数据分析》,这算是数据分析的入门书了。
案例一:产品第一版本上线后,发现首页向下转化率极低,才25%。需要紧急提高首页的转化率。
思考过程:先查询首页每一个入口的向下转化率。发现数据集中在首页的“搜索”模块,而其他模块,比如“热销低价商品推荐”,点击率都极低。基于对我们产品业务的了解来进行分析,我们产品属于旅游环节中的中下流。用户到我们的界面上来时,基本已选好目的地了。那么他们主要就使用搜索来查询他们想要的目的地,然后再筛选他们感兴趣的旅游商品。而“热销低价产品推荐”由于只命中了单一目的地,且商品不一定是用户感兴趣的,它击中用户需求的几率较低,所以点击率极低。
解决方案:1)、在首页增加了更多热门目的地的入口,并且设计了一个成本极低“运营管理后台”,对目的地进行人工运营配置。2)、把商品分类提到首页,方便用户选择目的地时同时选择商品类型,进行更精准的搜索,同时让用户在首页了解到我们有哪些类型的商品。3)、删除了“热销低价商品推荐”模块,增加了“主题游”作为尝试
后评估:最终首页向下转化率提高至68%。措施1提高了约25%的转化率(每两周查询一遍所有目的地的点击数据,把点击率低的目的地更换为近期较热门的目的,反复替换,最终达到较高的点击率为止。);措施2提高了约10%的转化率;措施3提高了约8%的转化率
案例二:发现某一个渠道带来的流量的转化率极高,从进来的流量到下单付款,转化率能有约10%,而我们一般的转化率才2%~3%。
思考过程:分析这个渠道的流量质量,发现与其他渠道差别不大,都是对旅游有需求的普通用户,且各自的商品类型都差别不大。然后横向对比所有渠道的流量、转化率、设计、所在位置、用户在此处的需求,发现主要原因是这个渠道入口的“设计”与别的渠道不同,这一种设计形式带来的转化率要明显高于其他的设计形式。
解决方案:根据实际情况,把这种设计移植到其他渠道
后评估:此平台(web端)的订单提高了约15%
案例三:在参与一个独立App时,发现一个功能的入口点击率很高(90%),但使用率不高(60%)
思考过程:查询与之相关的数据,从入口进来的用户流量都分布在什么位置,然后发现用户进来后都集中在新手引导上,反复的左右翻看新手引导(滑动操作的数据是UV的4倍),且停留时长能有20多秒,发现用户的注意力都集中到了新手引导上面。
解决方案:在新手引导的最后一页,增加一个“使用功能”的按钮
后评估:此功能的使用率从60%提高到了80%
案例四:公司攻略部门愿意与我们导流量的合作
思考过程:攻略每天有10万多UV,若能给我们的商品导流量,一定会促进我们商品的销售。我们平台(Web端)每天才6000的UV,若能有10万级的流量入口,对我们商品销售的帮助一定是极大的。然后考虑到数据越是在下游,就越精准,转化率也就越高。
解决方案:在搜索结果页、攻略详情页,增加相应目的地的我们商品的入口。推荐每个目的地销量最好的商品。保证用户在攻略的界面看到的会是他们需要的商品。
后评估:上线一周后评估,一周仅成一个订单,远远没有达到预期的一天至少5个订单。后来经过与攻略产品经理的沟通,分析,发现主要原因是攻略的用户主要是出行前15天至两个月的用户,属于旅行前期的规划阶段,看攻略是为了选择去哪里玩,而去哪儿玩都没有确定,怎么会在此时就购买旅游商品呢?而我们的用户普遍集中在出行前的三天至七天,是用户确定了目的地、机票酒店都已经订好了。才会在我们这里提前3~7天预订出境WiFi、包车、导游翻译...
最后,数据分析是需要不断的实践总结,成功都是靠失败的经验教训堆积而成的。在这个过程中,除了学习产品设计、数据分析的方法以外,更重要的是:了解业务,沉浸到业务当中去,成为自己业务的骨灰用户,知晓业务的方方面面,产品经理一定要做到比团队中的任何人都更了解业务!这样才能够做出成功的产品设计。
我的初衷是希望你看了之后能够有所收获,能够对你的工作和专业水平的提高,有那怕一点点的帮助。不然我就白写了 。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28