[]优秀产品人必懂的数据增长监控模型

很多产品人在工作中 , 每次想要看指标 , 都要到各个看板去查询指标 。无法及时发现某些出现异常的数据指标 。而增长仪表盘不但可以解决上述问题 , 还可以通过纵观数据发现指标之间的相互影响 , 对比不同维度的关键指标 。发现增长机会 。

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
一、增长仪表盘
增长仪表盘是指通过数据指标来代表公司的业务漏斗 , 并实时监测公司的经营状况 。可以通过仪表盘快速扫描各个重要的指标从而知道公司目前的经营状况的变化 。
在有些公司中 , 产品可能仅是通过了活跃用户和新增用户的趋势来监测产品增长 。这种情况可能无法准确的解释产品的增长态势变化情况和原因 。因为新增活跃仅关注产品增长的拉新方面 , 无法全面监测产品增长情况 。活跃用户数仅是一个结果 , 并不能清晰的显示新增、留存、流失的用户数量 。那么如何更全面更准确的监测产品的增长情况呢?这里可以用净增用户和净增指数来衡量产品的增长情况 。净增用户仪表盘:观大盘 , 评估用户增长的总体态势和健康度 。细分指标仪表盘:品脉络 , 监测所有对增长有影响的细分指标 。
二、净增用户仪表盘
【[]优秀产品人必懂的数据增长监控模型】净增用户仪表盘是通过显示用户流入、流出 , 和净增的情况 , 来把控产品的用户增长的总体态势和健康度 。净增用户仪表盘通过净增用户和增长指数这两个个指标来全面真实的监测增长情况 。
1. 净增用户:计算真正净增加的活跃用户数 。

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
2. 增长指数:衡量公司增长是否健康 。

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
增长指数 > 1:用户流入 > 用户流出 , 活跃用户正净增长 。增长指数 = 1:用户流入 = 用户流出 , 活跃用户达到峰值 。增长指数3. 搭建和应用净增用户仪表盘
结合净增用户和增长指数 , 就可以搭建一个净增用户仪表盘 。如下图所示:

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
用户流入:新增活跃用户:本周首次活跃 。流失回流用户:上周不活跃 , 本周活跃 。
用户流出:流失用户:上周活跃 , 本周不活跃 。
通过上图的净增用户仪表盘观察产品的增长态势 , 可发现以下问题:好消息:该产品目前用户仍处于正净增长 。增长指数约1.25 。坏消息:用户流失比较严重 。1.25的增长指数意味着每拉回6个新增或回流用户 , 将流失5个老活跃用户 。典型的拆了东墙补西墙的案例 。
通过上述问题 , 制定解决方案的思路如下:如果用户留存率低 , 思考产品是否没有达到PMF?是否还有提升留存的空间?如果用户留存率不低 , 但流失用户绝对值大 , 是否是用户基数大 , 进入衰退期?
工作中时常会遇到将多个产品业务模块的用户活跃或新增趋势对比后 , 发现很类似 , 无法区分哪个业务趋势更好时 , 也可以通过对比这些业务模块的净增用户仪表盘的趋势来判断增长趋势 。如下图案例:

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
在产品业务一与产品业务二的活跃用户新增趋势基本相同时 , 通过净增用户仪表盘的趋势对比可发现:产品业务一的增长指数 三、细分指标仪表盘分页标题
细分指标仪表盘通过是显示增长模型中所有关键细分指标来监测所有对增长有影响的细分指标 。工作中常常备用与发现和解释异常情况、提升对业务的认知程度、针对目标业务进行下钻 。
细分指标表盘主要有两个部分组成:
(1)指标:北极星指标;增长模型中的指标;关键细分指标和漏斗:关键路径、关键行为 。
(2)维度:用户的关键分群维度 。渠道来源;新老用户;设备类型、地域、性别等 。
搭建细分指标仪表盘可以通过以下四个步骤完成:
这里小编通过模拟社交类产品的细分指标仪表盘来具体说明一下 。
第一步:梳理用户路径

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
第二步:制定关键指标:多种形式搭配:如数字 , 比例 , 变化量 , 趋势图 , 维度分解后选一个合适的时间段将指标和目标进行比较指标指标最好有明确的负责人
第三步:添加分解维度客户端:iOS, Android , 网页获客渠道用户性别年龄组 ?所在地
第四步:组装增长仪表盘 。
四、案例分析
小编通过携程的特价酒店这个业务模块来分享一下如果通过增长仪表盘找到业务增长机会 。首先将参考数据进行可视化处理 , 得到特价酒店模块的转化指标细分仪表盘 , 如下图:

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
用户行为路径图:
将携程的特价酒店模块进行用户行为路径梳理可以得到以下路径 。

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
1. 寻找增长线索
通过细分指标仪表盘的数据情况 , 可以发现一些数据异常的地方 。具体如下:
搜索功能用户路径:搜索结果页->酒店详情页转化率仅为21% , 低;
banner位用户路径:酒店详情页->点击酒店预订按钮转化率为38% , 较低;开始结账->付款成功转化率为8% , 很低 。
猜你想去用户路径:酒店详情页->点击酒店预订按钮转化率为30% , 较低;开始结账->付款成功转化率为20% , 低 。
路径转化对比:banner位用户路径的酒店详情页->付款成功的转化率最低 。
业务路径占比:业务渗透占比从高到底排序为:首页搜索 > 城市地标> banner位 。
是否登录用户转化率对比:未登录与已登录用户在【点击酒店预订按钮->开始结账】的转化率为53%和75% , 差值22个百分点 。根据路径分析 , 在用户点击酒店预订按钮时 , 判断该用户是否登录 。
根据上述问题 , 总结可能的增长线索如下:
1)在搜索路径中 , 搜索结果页->酒店详情页转化率仅为21% 。流失了14200人 , 流失巨大 。
2)总转化中后 , 开始结账->付款成功转化率为31% , 流失了2200位付费意向高的高价值用户 , 流失巨大 。在banner路径中 , 开始结账->付款成功转化率为8% 。流失了920位高价值用户 , 占该阶段总流失的42% 。在猜你想去路径中 。开始结账->付款成功转化率为22% 。流失了780位高价值用户 , 占该阶段总流失的32% 。
3)在猜你想去的路径中 , 酒店详情页->点击酒店预订按钮转化率为30% 。流失了3500位有明确订房意义的用户 。
4)用户点击酒店预订按钮触发开始结账的转化率 , 需完成登录操作的用户比不需要完成登录的用户低22个百分点 。
2. 制定增长策略
(1)搜索路径优化策略

[]优秀产品人必懂的数据增长监控模型 分页标题
文章图片
文章图片
搜索结果转化率低的原因可能是:
产品功能策略:
搜索结果并未满足用户的需求 。搜索query词分词算法不精确 。搜索结果排序算法不精确 。携程的酒店物料库内容不够丰富 。
鉴于携程目前的产品阶段 , 优化难度:搜索结果排序优化 > 搜索词算法优化 > 酒店物料库丰富优化 。因而这部分策略为优化搜索结果酒店列表排序算法 。
运营文案策略:
搜索结果的酒店优惠价并未达到用户的心理预期价格 。酒店优惠价格超出了用户可承受的最高价格 。酒店的优惠差值(原价-优惠价)并未激起用户继续了解的欲望 。
优化难度:提高优惠差值对用户的刺激 > 降低酒店优惠价格 。
优化策略:在结果页显示酒店原价及优惠最大差值 , 通过视觉交互刺激用户完成下一步转化 。
(2)结账路径优化策略

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
结账路径总体转化低的原因可分为两个方向进行分析:
产品功能交互:
1)在点击酒店预订页的【去支付】按钮后 , 进入该页面需先选择支付通道后 , 再点击确认支付 。秉承着尽量简化主流程中的非必要行为的原则 , 在保障安全合规性的前提下 , 可将该操作优化为进入该页面默认选择上次支付的路径或推荐路径 , 减少用户流失的可能 。
2)部分进入该页面的用户离开后会浏览其他酒店 , 可能的用户存在比价行为的心理 。因而可在该页面加入【限时30分钟内完成支付】 , 通过为用户营造紧迫感的心理状态 , 刺激用户完成支付流程 。
业务路径分析:
通过业务路径转化率对比漏斗分析图可发现:
1)产品功能对完成支付流程的影响小于业务路径对其影响 。在酒店预订页、订单确认页、确定支付页产品设计完全相同的情况下 , 节点转化率因业务路径来源不同而差异较大 。
2)拥有明确酒店预订目标的用户完成支付流程的概率高于其他类型 。即使用搜索功能的用户完成支付流程的概率远高于通过banner和猜你想去查阅酒店信息完成支付的用户 。
3)通过点击banner进入触发支付流程并完成支付的用户转化率最低 。可能的原因:统计点击banner的用户特征 , 对这类用户根据地域 , 消费能力 , 出行次数等进行用户分群 。对不同类的用户群进行定制化的banner详情页展示(即根据用户群围绕banner的推广主题 , 展示不同的酒店搜索结果) 。
(3)猜你想去的订单转化优化策略

[]优秀产品人必懂的数据增长监控模型
文章图片
文章图片
该功能的产品设计本质是基于酒店搜索功能 , 通过推荐的城市类query词引导用户进行快速搜索 。该业务功能的订单转化率低的原因可能是:
1)提供的query词对应搜索结果与用户的查询需求不匹配 。
2)提供的query词不精确 , 增加的搜索功能的用户使用流程 , 增加用户行为阻力 , 造成流失 。如用户原本需求是查询北京朝阳大悦城附近酒店 。通过”猜你想去“的query词(北京)进入地标附近酒店页后 , 查看多个酒店详情页但并未找到满足需求的酒店 , 用户需要下翻页面或重新搜索才可获取精准结果 。该流程中造成用户流失 。
对应策略:收集使用进入特价酒店的用户的用户属性和行为数据 , 对用户进行更精准的分群分析 。并基于携程网的大数据推荐功能 , 对用户进行更精准个性推荐的地标query词 。因为该功能是搜索功能的延伸功能 , 而搜索功能的转化率远高于该功能 , 可将使用该功能用户群引导至使用搜索功能 。可先通过A/B测试 , 对该策略进行测试 。对比是否提高了特价酒店的整体订单转化率和付费转化率 。分页标题
这次就这 , 祝大家周末快乐 。
本文由 @杨三季 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