中国海商网_全方位打造本地企业资讯门户网站

数据产品经理:从埋点系统搭建到数据可视化落地

2020-03-29 06:37:22 来源:互联网 阅读:1683

这些都是本文作者在数据分析这条路上踩过的坑,作者进行复盘与反思,供大家学习与参考。。

数据是产品的宝藏,数据分析就是产品设计中,挖宝藏的过程。

「数据分析指导产品设计」的这一整套流程,可能是产品经理在产品设计中最享受的部分了。而数据分析的基础就是数据源,数据源一般分为两部分:一部分叫用户行为数据,主要在APP的前后端埋点;另一部分,叫业务数据,一般存储在后台数据库。

这两种数据,会随着用户的操作,源源不断地产生。

比如:

笔者打开了某宝准备买一把键盘,搜索之后,浏览了3页商品,在某一页商品的详情里看到了键盘排行榜的入口。然后,发现排名第一的正是自己这款键盘,于是选型号、加入购物车,最后和本在购物车里的一箱屈臣氏苏打水一起下单、支付,完成购买。

这一整套流程,笔者跳转了8个页面,进行了8次点击操作,触发了n次信息流曝光,完成了一次电商线上购物流程,包括购物车收藏、订单确认、订单支付等三个阶段流程。

在这个流程中,前后端埋点会按时上报,在极少量损失的情况下,上传到服务器并存储在埋点数据表里。同时,笔者的订单、交易、钱包、会员等相关数据,也因为这次交易的发生,做了相应的变化。

APP的产品经理,通过分析笔者这类用户的行为数据,得出了以下结论:

  • 用户查看排行榜后,80%选择对排行第一的产品进行下单购买,15%选择购买排名第二的产品,其它5%没有发生购买。(行为数据分析)。
  • 笔者在后台被打上了高级用户标签,这种用户人数占活跃用户数的30%,但贡献了60%的交易额,同时这个标签群体的退货率不到2%。(业务数据分析)。
  • 84%的用户在商品列表页翻页时,最多翻到4页就选择跳出,而最多翻页的用户,剔除极端异常数据后,一般是翻到10页左右。通常搜索结果在10页以上且发生购买的情况下,前五页商品被下单的概率高达88%。(行为数据、业务数据结合分析)。

于是,产品经理依照分析结论,按照产品优先级,在下一个迭代中加入了「排行榜展示及详情维度策略优化」等需求,上线后新版本排行榜购买率提升1%,GMV同比新增0.02%。

以上就是数据分析指导产品设计的理想流程,但要实现这种设计流程,可能需要整个研发团队的倾力协作去做好数据体系的搭建。这个过程往往费时费力,且有很多坑。

笔者总结了搭建数据体系过程中的三大常见难点,即:

  1. 埋点流程及体系
  2. 数据报表及后台
  3. 数据监控及可视化

接下来我们将依次详述。

一、埋点流程及体系

埋点是数据分析的底层设施。

但埋点不是凭空出现的,埋点往往是研发同事一个个做上去的,是有一定开发量的。同时,也需要大量的测试人力来验证;否则,一两个数据指标埋点错乱的话,后续的后果不堪设想。

那么有开发量,就代表有需求。

埋点的需求,一般来说是随页面需求走的;也就是说,通常不单单要做需求方案评审,还要做埋点评审。由数据产品经理,对每次有页面变更需求的埋点文档进行评审。

埋点文档,一般是随需求文档,由需求提出的产品经理来撰写,形式不限。但主要目的是能够标注清楚每一个点位的位置、上报逻辑、上报字段参数。

通常有页面跳转关系的,叫页面埋点。即笔者点击商品列表页的商品图片,进入商品详情页,此时APP就要上报这个埋点,假设编号为P02。

这个埋点的意思是,笔者从编号为P01的列表页,通过点击商品图片,跳转到编号为P02的详情页。同时,上报字段包括商品的参数good_id。

这时通过上报的埋点数据,我们可以知道笔者从哪个页面去到了哪个页面,又查看了哪个商品,从哪个入口进行下一步操作。

而APP内不单单有页面跳转,还有同一页面的操作和信息的曝光。

当笔者在购物车页面时,发现自己之前添加了一把键盘,但是没有今天看到的喜欢,于是在购物车页面选取那个键盘进行了删除。这个时候,就需要上报事件埋点,并携带被删除商品的good_id及加入购物车时间等参数,假设埋点编号为C01。也就是说,在购物车页面(假设为P03)下,有N个事件。其中,删除事件的埋点编号为C01,上报时携带了删除商品信息等字段。

在曝光方面,笔者在浏览商品列表时,并没有把第三页的商品看完,只看到了前三个,还有后3个没有曝光在笔者的手机屏幕上。于是,在笔者手机屏幕停下的时候,一次曝光埋点被上报了,这次上报的商品信息仅包括3个商品,并不包括此页面还没有曝光的后三个。

以上我们分别讲述了:埋点文档,以及埋点文档包括的页面埋点、点击事件埋点和曝光事件埋点。

通过规范埋点流程、定义埋点需求、完善埋点系统的方式,才能建立起一个APP进行用户行为数据分析的必要底层数据基础。

二、数据报表及后台

和埋点需求一起确认的,应该还有报表需求,因为两者是相辅相成的。

埋点是报表分析的基础,而报表分析提供了埋点的思路和方向。一个产品功能往往承载了指标提升的任务,比如上面说到的排行榜,可能是为了拉升下单转化率。

而该目标是否实现,是要靠数据报表来体现的。比如为了衡量排行榜的产品价值,我们可以搭建一个时间维度的报表,字段诸如:排行榜入口曝光量、排行榜引流其它商品量、排行榜跳转购物车量、排行榜直接购买量等。

只要产品核心价值不变,往往上述需要定期分析的数据指标就不会变。这个时候,做成报表就会节省很多重复工作,也更加方便跟产品之外的人来汇报,或发定期报表给关联方进行知会。

但报表并不是数据分析的全部,还有部分无法固化下来的内容。比如,短期运营活动的数据、ABtest的数据、其它维度的灵活数据分析等。

短期运营活动的数据很好理解,一般都周期较短,可能加工成报表的开发时间比活动时间都长,故临时手工支持即可。ABtest也一样,有专门的ABtest分析系统,且动作偏过程化,没有定论,不建议体现在报表中。

而其它灵活维度的数据分析,比如新增事件、位置调整等,就需要埋点分析后台来支持,待方案稳定落地后,再逐步提需求到报表中。

一般的数据分析后台,比如天眼、神策等,这种平台已经把常用的分析方法和功能沉淀下来了。接入APP后,产品经理可以在管理后台快速上手进行分析。

具体的分析维度,要根据目标来定。比如内部产品,可能不需要看留存等数据,更多需要关注漏斗转化和性能,而C端产品,留存分析就重要一些。

三、数据监控及可视化

除了分析,监控和可视化也是很重要的。

数据监控指的是,要定期跑一些数据看看,有没有异常情况发现。比如,每小时跑一下排行榜打开的数据,如果排行榜人均打开次数10次左右,而某天有个别用户单日打开100次,那可能是异常数据,要追查原因了。看看是统计问题,还是机器刷量,再对症下药来解决。

可视化通常是在报表基础上,更进一步的表现形式。

通常可视化有几种:表达一串操作的衰减情况时,通常采用漏斗模型;表达功能用量或关键数据时,通常采用线装状趋势图,来表达增减趋势情况;分析渠道占比或其它横向类比时,往往采用饼状图,这些都是最基本的可视化形态。

更高级的可视化应用有很多,比如我见过的有动线系统。

动线起源于商业地产:在商场中,某一个顾客从入口到逛街到购买到出口的全流程,他行动的线路,就叫顾客动线。

依据对动线的分析,商场的每一个门店、每一个楼梯、每一个收银台的位置设置都有讲究的,能够最大化用户体验,最大化购物转化率。

同样,在APP中用户也存在一定动线。比如用户同样完成一个购买行为,可能是通过列表页-详情页-购物车-付款的动线,也可能是通过活动页-详情页-直接下单-付款的动线。

如果能够把这些动线通过可视化的方式展示出来,我们就可以看出动线之间的关系,以及每条动线的优劣势,从而跳脱出现有功能,而从整体规划这个流程的最优动线。

类似的可视化手段还有热力图,可以看到用户在某一个页面的点击情况,从而分析出用户的真实操作和我们产品设计的视觉引导之间的关系。如果存在偏差,可以有目的性地来调整视觉和交互。

总结

数据分析,是有范围和目的性的;也就是说,一个团队要先有数据指导产品设计的需求,才能培养起全员的意识,才能建立起数据分析和埋点的机制,才能建设好底层埋点等设施。

埋点的方式,根据页面和场景的不同,采用最合适的方法,其核心是业务目标或用户行为目标的反馈,要从产品价值进行梳理。

通过报表、监控和可视化,能够洞察到产品运行中的机会点和优化点,逐步走向最优。

如果你作为一个产品经理,想做好团队的数据分析工作,就从以上几项入手吧。

希望能够帮到你,感谢阅读。

#专栏作家#

笔者先生,微信公众号:产品之术,人人都是产品经理专栏作家。金融业资深产品经理,对职涯规划与个人发展有丰富经验,产品涉猎广泛,ERP、金融领域较多。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议

推荐阅读:必挑值得买