关于产品的数据分析体系

标签: 极客互联 | 发表时间:2016-12-23 07:41 | 作者:shendao
分享到:
出处:http://www.shellsec.com

今晚听了【产品壹佰讲堂】诸葛io产品总监于晓松关于《如何建设产品的数据分析体系》的分享,有些许感悟,记录如下:

首先,什么是产品?产品是一种抽象化标准化的解决方案,同时也是一种商业模式。那么,与之对应的,一款成功的产品,就必须同时满足两个条件:一是帮助用户解决问题,创造价值,二是帮助企业赚钱或获取其他收益。简单概括下,就是一款成功的产品必须同时具备用户价值和商业价值。

那么,有没有一个模型能够统一用户价值和商业价值,使得我们在分析产品问题的时候能够迅速找到原因和解决方案呢?其实我觉得所谓的商业模型都是人们分析总结出来的,模型的作用也是方便人们更好的分析总结,这本身就是一个正循环,你觉得某个模型有道理好用,你就可以套用,你觉得不好用没道理,你也可以自己创建一个模型,能解决你的问题就行。所以,这个问题既然提出来了,那么肯定就能找到解决方案,但是到底该如何去分析思考,这就看各人的能力了。

产品首先肯定是用户价值的创造。发现用户有某方面需求,痛点挺痛的,然而目前市场上的产品无法满足或无法充分满足这一需求,于是我们想出了一个解决方案并设计成产品,能够完全满足这个需求,那么我们就完成了价值创造这一过程,之后是考虑如何在这一过程中获取收益。这时,我们需要考虑我们产品的价值网络结构,从结构中攫取一部分形成我们的收益,比如我们产品创造的价值是X,我们要攫取的部分是Y%,那么,我们获取的收益就是X*Y%。比如PPTV,它所处的价值网络是媒体,可以粗略分成“采编播”,那么PPTV就处于“播”这一块,收益就从这里获取;再比如谷歌,所处的价值网络是广告,而广告可以分成“广告主–广告策划–广告代理–媒体”,谷歌攫取的就是“广告代理–媒体”这一段,形成了AdWords点击竞价的盈利模式。

关于产品的数据分析体系
谷歌

横向考虑价值创造,纵向考虑价值获取,横纵结合,从而建立产品的统一价值模型。另外,从以上例子可以看出,商业价值这一块其实最难把握的不是考虑攫取哪一段,而是判定我们产品所处的价值网络,因为盈利方式一般都不止一种,所以这个判定要从产品本身和公司战略方面综合考虑,这个不在本文讨论范围之内。

再以摩拜单车举例,摩拜单车的统一价值模型应该包含哪几个指标呢?每个指标应该包含哪些数据呢?

首先是进行横纵分析:

关于产品的数据分析体系

关于产品的数据分析体系
横纵

通过以上分析知道摩拜单车产品的用户价值和商业价值,围绕着这一点归纳统一价值模型应该包含的几个指标:

关于产品的数据分析体系
统一模型及包含的指标

每个指标包含不同的数据体系,体系的复杂程度取决于产品定位和业务需求,对于摩拜单车,可以粗略划分如下:

关于产品的数据分析体系
指标体系包含的数据

至此,我们就建立了摩拜单车的用户价值和商业价值的统一模型,模型里包含了不同的指标以及对应的数据体系:

关于产品的数据分析体系
摩拜单车统一模型

当然,以上模型是一个整体概括性的模型,一般是给公司CEO/CXO看的,对于具体的不同的岗位,比如运营、研发、产品,他们关注的点是不同的,比如对于运营,他们更应该关注“更多用户”这一块,那么运营人员就应该对这一块进行进一步细化:

关于产品的数据分析体系
摩拜运营人员数据分析体系

细化的程度取决于具体的岗位需求。

至此,终于理清了建立产品的数据分析体系的思路。小结一下就是:横向从用户价值出发设计产品,纵向从商业价值出发定位产品的价值网络,攫取网络中的一部分获取收益,考虑横纵中的每一个关键指标,将指标建立成统一模型,再对每个指标进行岗位化的细分。

其中有两个难点,一是定位产品的价值网络,二是考虑关键指标。对于价值网络的定位,和具体的行业及业务有关,不多说了;而指标的考量我觉得很关键的一点就是指标之间能形成一个闭环,具体的就看上面的例子吧。

今晚的讲堂还讲了产品数据平台的一般构成和数据平台建设的三种方式,最后还讲了数据平台的应用场景,我觉得这都是一些一般的知识,也很容易理解,但最关键的还是思考如何建立模型时的思考方式。以下就是数据平台的一些知识,简单上几张图吧:

关于产品的数据分析体系
数据平台的一般构成1

关于产品的数据分析体系
数据平台的一般构成2

关于产品的数据分析体系
数据平台建设

最后的感想:我觉得“二维”和“闭环”是两种基本的思维方式,就如上述的从横纵二维考量建立模型,经常用到的四象限也是“二维”思考的产物;而让各个指标形成闭环,在产品的设计中,形成闭环也是一个产品自我成长的关键,以后要多考虑这一点。

转载本站任何文章请注明:转载至神刀安全网,谢谢 神刀安全网 » 关于产品的数据分析体系

相关 [产品 数据 分析] 推荐:

产品经理职责:如何对产品进行数据分析?

- - 互联网分析沙龙
数据分析是作为产品经理的重要工作,尤其是跟专业的搜索、商业产品经理,每天都会接触大量的数据,数据处理已经成为产品经理求职网的重要内容,下面为大家说说如何针对产品进行有效数据分析. 这是一切搜索或者类似产品的质量提升源泉没有之一 //至少我是这么认为的. 看了Query你才能知道用户真的在你这里干什么,于是就会理解了“访谈里都是骗人的……”.

LinkedIn是如何利用数据分析驱动产品的?

- - PingWest中文网
让我们看看这家全球最大的职业社交网站、第三大社交网络的运营数据. 目前,LinkedIn有着2.7亿注册用户,大约400万家公司入驻,已经成为了职场人士最重要的在线交流和招聘求职平台. 更引人注意的是它对高端企业用户的吸引力:大约90%左右的TOP100企业在使用Linkedin的服务. 从它的营收数据中也可以看出这些业务的增长潜力.

淘宝数据产品技术架构分析

- - 互联网分析沙龙
淘宝网拥有国内最具商业价值的海量数据. 截至当前,每天有超过30亿的店铺、商品浏览记录,10亿在线商品数,上千万的成交、收藏和评价数据. 如何从这些数据中挖掘出真正的商业价值,进而帮助淘宝、商家进行企业的数据化运营,帮助消费者进行理性的购物决策,是淘宝数据平台与产品部的使命. 为此,我们进行了一系列数据产品的研发,比如为大家所熟知的量子统计、数据魔方和淘宝指数等.

关于产品的数据分析体系

- - 神刀安全网
今晚听了【产品壹佰讲堂】诸葛io产品总监于晓松关于《如何建设产品的数据分析体系》的分享,有些许感悟,记录如下:. 产品是一种抽象化标准化的解决方案,同时也是一种商业模式. 那么,与之对应的,一款成功的产品,就必须同时满足两个条件:一是帮助用户解决问题,创造价值,二是帮助企业赚钱或获取其他收益. 简单概括下,就是一款成功的产品必须同时具备用户价值和商业价值.

产品经理做市场调研和数据分析的方法

- - 互联网的一些事-关注互联网产品管理,交流产品设计、用户体验心得
  产品经理,你对用户的需求了解多少呢?你知道用户想要什么样的产品吗?你想知道用户将会如何看待你的产品吗?你想知道你设计的产品在用户中的口碑如何吗?. 每一个产品经理都希望在产品开始立项设计前,得到用户最真实的需求,为自己的产品设计提供良好的支撑;每一个产品经理都希望自己的设计的产品得到用户的认可和亲睐;每一个产品经理都希望用户能在使用产品的过程中不断反馈对于产品改进的意见和建议……那么,我们如何才能得到用户的前期意见和后期反馈呢?.

Excel 数据分析

- - ITeye博客
用Excel做数据分析——直方图. 已有 0 人发表留言,猛击->> 这里<<-参与讨论. —软件人才免语言低担保 赴美带薪读研.

产品经理“玩”数据

- - 一个产品经理的博客...
  产品经理生来就是要解决问题的. 那如何才能更好、更高效地解决问题?首先要求我们能发现问题,数据分析就是一种常用的发现问题的手段. 通过数据定位问题,然后用设计方案来尝试解决问题,之后再用量化的数据指标来评估问题是否解决了,解决了多少. 通过迭代优化,问题就能够得到较好解决.   本文结合自己在在登录产品的体验优化中积累的一些实战经验,重现过程中的设计点滴,有效果明显的方案,也有效果不明显的优化尝试,最后将总结一些通用的设计思路.

数据分析那些事

- - 小蚊子乐园
今早突然有个想法,就是经常有网友会对数据分析方面有一些困惑,并且咨询我该怎么办. 并且经常是同样的问题,所以觉得有必要对一些经典共性的问题进行整理,与大家分享,这里并非标准答案,仅作参考. 欢迎提出自己对数据方面的疑问,将在此篇将持续更新,敬请关注. ----------------------------------------我不是完美的分割线--------------------------------------- .

扯扯数据分析

- - 互联网分析
在别人的眼里数据分析既是很深奥的职业,也是被人挑战的职业,更是让你又恨又爱的职业. 其实这些都不重要的,重要的是对此行感兴趣,骨子里有量化一切的 意识. 很多人首先脑海中出现的是1、2、3……等等,为何有这样的印象. 其实是我们数据分析师为了更好的运用“统计学”所以要将许多 数据想尽办法来转化为1、2、3这样的数据形式,从而更深入、科学的分析data,不扯这个了,这个没什么意思,看图:.

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.