前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >3大基础模型,搞掂互联网产品分析

3大基础模型,搞掂互联网产品分析

作者头像
接地气的陈老师
发布于 2021-07-23 02:36:43
发布于 2021-07-23 02:36:43
4380
举报
文章被收录于专栏:接地气学堂接地气学堂

互联网产品(APP、小程序、H5、网页)分析非常普遍,也让很多同学觉得很棘手。每次都是列了一堆DAU/MAU、打开率、跳失率、转化率数据,却很难得出结论。然后被领导批为:“分析不够深入”。

╮(╯▽╰)╭

之所以出这种问题,是因为:不了解互联网产品的分析目标。光列数据,不结合目标,肯定下不了结论。而目标,又和产品类型有很大关系。今天就系统地讲解一下,互联网产品有哪些类型,以及每一类的基础分析模型。

01

互联网产品3大类型

互联网产品有很多分类方式,但站在:“产品是干什么的”角度,就只有3大类:

交易型产品:以促成一笔商品/服务交易为目标。

内容型产品:以提供视频/文字内容给用户看为目标。

工具型产品:以满足B端/C端用户某个具体功能需求为目标。

当然,大类之下有很多细类,比如:

交易型产品:

以交易的东西不同,还能细分为商品/服务两大类。由于特定的商品,其生产方式、交付方式有特点,因此还能根据商品特点,进一步细分出,诸如游戏、金融、消费品、耐用品等诸多各具特色的细类。

每一个细类,都会为更好促成自身品类交易,而做功能上修改,比如:

l 游戏要提升交易,需要增加PK赛,上新地图/皮肤/道具,荣誉称号/排位等

l 金融为了提升交易,需要收集个人信用信息(手机号、身份证、车、房、学历)

l O2O为了提升交易,会提供不同类型商户,供消费者选择

所以理解交易型产品功能,可以从:“如何提升交易意愿”与“如何降低商家交易风险”两个角度思考。

内容型产品:

以内容形式不同,可以分为短、中、长视频,图文,语音。每一大类下,又有题材的区别,诸如:新闻、小说、娱乐、情感……以内容提供方不同,分为PGC(Professional GeneratedContent 专业内容生产者)/UGC(UserGenerated Content 普通用户内容生产者)。

要注意的是,经过这些年发展,不同类型的内容,已经形成了各自独特生态,有相对固定的内容范围。比如短视频主打换装、跳舞、剪辑;中视频主打综艺、娱乐节目;长视频主打有版权的影视剧联播;这些生态一经形成,就有独立的运作体系,因此不能混在一起看,需要每一类单独了解。

工具型产品:

B端产品和C端产品有明显区别。B端产品常常是根据企业运营工作环节来分的,经常分前台(面向客户)、中台(面对营销/运营/产品经理)、后台(面向供应链)。

C端则百花齐放,比如健身/地图/天气/输入法/杀毒,这些工具往往有具体的场景,比如建设/查看天气/打字/杀毒,并且这些工具型产品不会兜售某个商品,大部分都是基础工具。

唯一有一个特例是:社交工具(比如微信、陌陌、soul)。由于社交工具自带流量,用户一旦在工具里建立社交关系就很难离开,所以天生自带流量,经常成为为其他产品导流的工具。

以上就是产品的基础分类情况,如果新手同学区分起来太难,可以简单记住上边的分类图,对号入座哦。

02

认识产品分析的主指标

了解产品类型,主要是为了:明确产品主要指标。

一般来说:

交易型产品,以促成交易为核心目标。因此关注GMV(Gross Merchandise Volume 商品交易总额),关注从推广到成交的全交易流程的转化率。

内容型产品,则秉持“活跃即正义”的理念。广告是这些平台的主要收入来源,因此只要用户肯浏览内容,就有机会卖各种广告。因此活跃率是核心关注指标,并不像交易型产品那样特别关注成交情况。

工具型产品则视其功能刚需程度/变现思路,有2种典型的模式。

一类常见于C端产品,将自身作为流量入口,为其他产品引流。这种模式下,要么不考虑变现,要么用广告变现的方式。这种模式与内容型产品是很类似的,本质上将自己作为流量源头,因此思考的主指标也与内容型产品类型。

另一类常见于B端产品,因为B端产品历史上就是需要付费使用(并且还很贵)因此B端收费经常是名正言顺的,只是付费方式有区别。有的按license付费,有的按项目实施付费。有的是本地部署,有的是saas形式交付。其主指标,就是传统软件销售考虑率的:客户数、转化率、客单价。

了解了产品主指标,主要为了解决:“空列dau、转化率但得不出结论”的问题。评价一个产品功能的好坏,本质上要看它有没有为这个产品的主指标做贡献。如果没有贡献,甚至是反贡献,那即使功能本身做得再炫酷,也是有问题的。

03

3大基本分析模型

了解了产品分类与产品主指标,可以更进一步看基本分析模型。

第一类:交易型产品漏斗模型。

交易型产品目标就是提升交易,只是不同的路径促成交易效率不一样,因此漏斗模型是非常适合的(如下图):

如果是站外直接引流,则是纯粹的漏斗模型,考察每个漏斗转化率即可。

如果是站内分发流量,则要注意是否各种形式之间,存在流量挤兑的情况。原则上,应该给转化率高的渠道多分配流量,但是也不能简单地看“哪个渠道转化高,流量就全给它”。因为有可能某个功能有其特定的爱好群体,因此需要作为一个组合,来考察流量分配效率。

第二类:内容型产品的分群模型。

内容型产品理论上也能用类似的漏斗模型,观察用户是否愿意完成一次内容浏览,以及内容浏览后是否有转发、点赞、买货等行为(如下图)。

但注意,内容型产品中,用户的一次浏览行为常常是短暂且分散的,用户每次登录后是一组行为的组合(先看看这个,再看看那个)。因此需要做用户分群,根据时长/频次,区分出轻中重用户,再看不同产品功能,如何满足不同类型用户:

第三类:工具型产品。工具型产品要区分类型来看。

对于C端的流量入口型产品,可以借鉴内容型产品的思路,做分群分析。

对于B端产品,要特别注意:B端产品的用户实际体验与用户付费是脱离的。因为B端产品经常有招标过程,在招标过程中,如何通过层层考核中标才是关键。此时的产品分析,本质上分析的是销售过程中成功几率(如下图)。

注意,以上只是基础分析模型,实际分析起来会更复杂。因为产品分析,也分战略级、战术级、战斗级,不同的层级的分析,服务的人群不同,想达成的目的也不同。

不分青红皂白地写转化率、点击率、使用时长,肯定不能满足需求。本篇的篇幅已经很长了,有兴趣的话,同学们点赞、转发、在看,三连走起,下一篇我们来分享,如何做不同层级的产品分析。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-07-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 接地气学堂 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
互联网运营中的10大数据分析方法
道家强调四个字,叫“道、法、术、器”。“器”是指物品或工具,在数据分析领域指的就是数据分析的产品或工具,“工欲善其事,必先利其器”;“术”是指操作技术,是技能的高低、效率的高下,如对分析工具使用的技术(比如用Excel进行数据分析的水平);“法”是指选择的方法,有句话说“选择比努力重要”;“道”是指方向,是指导思想,是战略。那么如何做好数据分析呢,今天推荐一篇关于互联网运营中的十大数据分析方法。 1 细分分析 细分分析是分析的基础,单一维度下的指标数据的信息价值很低。 细分方法可以分为两类,一类逐步分析,比
企鹅号小编
2018/01/24
2.4K0
九种常见的数据分析模型
漏斗分析是一套流程式数据分析,它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
大数据学习与分享
2020/11/03
2K0
九种常见的数据分析模型
当产品经理遇到数据分析这个槛,怎么办?
导读:大数据时代的到来,对产品经理提出了更加严格的数据分析要求。一个懂数据分析的产品经理可以利用数据驱动产品设计优化,并提升客户体验。那么,产品经理到底该关注哪些数据呢?小产品如何运用A/B测试?产品经理该如何学习数据分析呢? 本文根据GrowingIO创始人&CEO张溪梦与产品经理在线交流问题整理编辑,希望对产品经理提升数据分析能力有较好的帮助。 如何获取数据,获取什么样的数据? Q1:一个电商平台,应该着重关注什么数据,怎样设计数据后台? A1:电商数据的核心指标一般有:GMV,Transations(
灯塔大数据
2018/04/10
8190
当产品经理遇到数据分析这个槛,怎么办?
数据运营实战(一):细分目标人群,结合用户特征分析的实践
本文通过分析某电商App投放渠道的用户特征,提出了一种优化投放策略的方法。通过对比不同渠道的投放效果,发现渠道A具有更高的用户转化率,并据此调整了投放策略,最终实现了整体投放ROI的提高。
腾讯大数据
2017/09/12
5.7K0
数据运营实战(一):细分目标人群,结合用户特征分析的实践
数据分析 | 十种常用的的数据分析思路
道家强调四个字,叫“道、法、术、器”。 层次区别:“器”是指物品或工具,在数据分析领域指的就是数据分析的产品或工具,“工欲善其事,必先利其器”; “术”是指操作技术,是技能的高低、效率的高下,如对分析工具使用的技术(比如用Excel进行数据分析的水平); “法”是指选择的方法,有句话说“选择比努力重要”; “道”是指方向,是指导思想,是战略。 在数据分析和产品、运营优化方面,数据分析方法是其核心,属于“法”和“术”的层次。 那么如何做好数据分析呢,今天我们来讲讲互联网运营中的十大数据分析方法。 01 细分
IT派
2018/03/28
1.6K0
数据分析 | 十种常用的的数据分析思路
用户路径的分析结果_用户账号文件的路径
用户行为分析是数据分析中非常重要的一项内容,在统计活跃用户,分析留存和转化率,改进产品体验、推动用户增长等领域有重要作用。单体洞察、用户分群、行为路径分析是用户行为数据分析的三大利器。
全栈程序员站长
2022/09/23
1.2K0
用户路径的分析结果_用户账号文件的路径
一步步教你如何入门精益数据分析!
目录 一、认识数据——产品经理与数据分析 1.1 数据的客观性 1.2 面对数据的智慧 1.3 数据分析中的误区 二、获取数据——产品分析指标和工具 2.1 网站数据指标 2.2 移动应用类数据指标 2.3 电商类数据指标 2.4 UGC类数据指标 三、分析数据——产品数据分析框架 3.1 基本分析方法 3.2 数据分析框架——AARRR 3.3 数据分析框架——逻辑分层拆解与漏斗分析 3.4 数据
小莹莹
2018/04/24
1.4K0
一步步教你如何入门精益数据分析!
如何基于数据分析精准定位你的用户群?
“行为事件分析”对于很多业务人员来说相对比较陌生,但它却是用户分析的第一步,也是用户分析的核心和基础。一般来说事件通过埋点来获得。
1480
2019/05/21
1.2K0
指标体系构建-03-交易型的数据指标体系
人货场模型搭建 有了三个维度的基础理解,就能用来综合解释问题。回到开头的“生鲜电商复购率低”的问题。可以先从人货场角度建立分析假设:
IT从业者张某某
2023/12/25
4680
指标体系构建-03-交易型的数据指标体系
数据驱动运营案例
作者:腾讯大数据 全文共 6212 字,阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 现实情况是连续的、复杂的、互相影响的,而数据抽象的过程,就是将这些复杂多变的现实情况简化为数字量,搭建数据模型,计算相关因子,推断事件归因,并推进自身改进优化。 由于现实的复杂性,我们作为产品、运营或者数据分析师,在实际问题处理时,就需要做归因分析,需要屏蔽其他因子的干扰,因此我们常常使用用户分群。 分群后,我们的用户群可能简化为: 在每一个分群下,我们可以简化地对比某个
陆勤_数据人网
2018/02/28
1.9K0
数据驱动运营案例
大合集!互联网行业常用数据分析指标
上一篇讲到,数据分析的8大步骤里,找指标是非常重要的一步。通过这一步,把一个具体业务描述,转化为一个可以通过数据量化分析的问题。
码工小熊
2021/08/19
5.7K0
【案例】某金融理财交易平台——用数据驱动实现金融理财交易平台的产品优化与运营
数据猿导读 无论B2B还是B2C公司希望通过数据驱动业务增长,其中B2B领域中,在数据驱动下的B2B领先企业的收入增长能力是普通企业的5倍、盈利能力高8倍、股东整体回报率高2倍。因此,数据驱动能力正在
数据猿
2018/04/24
2.9K0
【案例】某金融理财交易平台——用数据驱动实现金融理财交易平台的产品优化与运营
9种最常用数据分析方法,解决90%分析难题
分享九个数据分析的方法。”  一、关联分析  关联分析,也叫作“购物篮分析”,是一种通过研究用户消费数据,将不同商品之间进行关联,并挖掘二者之间联系的分析方法。 关联分析目的是找到事务间的关联性,用以指导决策行为。如“67%的顾客在购买啤酒的同时也会购买尿布”,因此通过合理的啤酒和尿布的货架摆放或捆绑销售可提高超市的服务质量和效益。关联分析在电商分析和零售分析中应用相当广泛。 关联分析需要考虑的常见指标: 支持度:指A商品和B商品同时被购买的概率,或者说某个商品组合的购买次数占总商品购买次数的比例。
张俊红
2022/09/22
7280
9种最常用数据分析方法,解决90%分析难题
吐血整理!万字原创读书笔记,数据分析的知识点全在这里了
导读:今天这篇文章是「大数据」内容合伙人JaneK关于《Python数据分析与数据化运营》的一篇读书笔记。在大数据公众号后台对话框回复合伙人,免费读书、与50万「大数据」同行分享你的洞见。
IT阅读排行榜
2019/11/15
1.5K0
DAU是啥,数据指标是啥?必知必会的数据分析常识
在刚迈入数据的大门时,我经常对一些数据指标或者数据本身的概念很模糊,尤其是当跟运营、数据分析师扯需求的时候,会被这些密密麻麻的指标给弄糊涂。为了更好的在行业里面摸打滚爬,花了很多时间阅读一些指标相关的文章、书籍,总算解决了这个问题。
Datawhale
2021/01/07
8K0
DAU是啥,数据指标是啥?必知必会的数据分析常识
图解数据分析 | 业务分析与数据挖掘
教程地址:http://www.showmeai.tech/tutorials/33
ShowMeAI
2022/02/25
1.2K0
图解数据分析 | 业务分析与数据挖掘
八大数据分析模型之——漏斗分析模型(三)
比如:教育培训类产品的用户,从首页进入到最终完成支付的行为,大多需要经过搜索课程,查看课程详情、点击购买、立即支付、支付成功,我们需要将按照流程操作的用户进行各个转化层级上的监控,寻找每个层级的可优化点;对没有按照流程操作的用户绘制他们的转化路径,找到可提升用户体验,缩短路径的空间。
双面人
2019/07/15
3.6K0
八大数据分析模型之——漏斗分析模型(三)
【数据分析】电商数据分析基础指标体系
文章来源于36大数据 信息流、物流和资金流三大平台是电子商务的三个最为重要的平台。而电子商务信息系统最核心的能力是大数据能力,包括大数据处理、数据分析和数据挖掘能力。无论是电商平台(如淘宝)还是在电
陆勤_数据人网
2018/02/27
9.9K0
【数据分析】电商数据分析基础指标体系
技能 | 如何轻松搞定APP数据分析?
《三个要点解构数据分析的思维模式》提到——为什么要数据分析?APP数据分析有意义吗?当然!数据分析的用意本不在于数据本身,而是要打造一个数据反馈闭环。设计基础数据指标,多维度交叉分析不同指标,以数据甄
灯塔大数据
2018/04/09
1.3K0
【用户画像】从0到1掌握用户画像知识体系
随着用户的一切行为数据可以被企业追踪到,企业的关注点日益聚焦在如何利用大数据为经营分析和精准营销服务,而要做精细化运营,首先要建立本企业的用户画像。
全栈程序员站长
2022/09/01
2.2K0
【用户画像】从0到1掌握用户画像知识体系
推荐阅读
相关推荐
互联网运营中的10大数据分析方法
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档