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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27