業(yè)務(wù)目標(biāo)
就是數(shù)據(jù)分析的目標(biāo)是啥。一般來說都是業(yè)務(wù)導(dǎo)向，產(chǎn)品分析報(bào)告、業(yè)務(wù)分析報(bào)告其實(shí)都是階段性的業(yè)務(wù)需求。但因?yàn)槟康牟煌?，所以需要采集的?shù)據(jù)和分析的維度也會(huì)不同。
我的情況是比較多的會(huì)寫產(chǎn)品分析報(bào)告。產(chǎn)品類的，可以首先確定的分析思路，應(yīng)該就是：產(chǎn)品本身的數(shù)據(jù)分析+相關(guān)聯(lián)的功能/業(yè)務(wù)的數(shù)據(jù)分析。
開始著手
1.堆數(shù)據(jù)。產(chǎn)品本身的數(shù)據(jù)包括：DAU、WAU、MAU等。點(diǎn)擊量、留存率、活躍用戶三個(gè)指標(biāo)要按時(shí)間和均值、峰值來分別呈現(xiàn)。（行業(yè)分析最喜歡開頭放全局?jǐn)?shù)據(jù)）
2.用戶群分析。完成上一步基本的數(shù)據(jù)堆積之后，有些會(huì)用其他產(chǎn)品的數(shù)據(jù)做橫向?qū)Ρ?，或者做全盤的漏斗分析，我傾向于做樣本分析。對(duì)使用者的調(diào)研和用戶群分析。這是常見的做法，然后我比較推崇的是做問卷調(diào)研，深入跟受訪者細(xì)聊，結(jié)合自己的分析生成一份報(bào)告。但這種方法有一個(gè)比較大的難點(diǎn)，就是樣本小數(shù)據(jù)容易有偏差，樣本大基本是hold不住的，那多少才行？如果你的日均DAU是百萬級(jí)別的，就不要考慮人為聊天了，至少要獲得幾千份問卷才可能會(huì)有一定的準(zhǔn)確度，而且調(diào)研對(duì)象必須先做一層篩選。（基礎(chǔ)的人群標(biāo)簽是年齡、性別、地域、學(xué)歷等）
產(chǎn)品是經(jīng)驗(yàn)+技術(shù)+審美的結(jié)合體，迭代的思路是否完全按照數(shù)據(jù)走，這點(diǎn)是存疑的，首先是數(shù)據(jù)是否能充分反映產(chǎn)品的現(xiàn)狀，其次是不同業(yè)務(wù)，對(duì)數(shù)據(jù)的依賴性應(yīng)該是不同的。比如電商，賣東西強(qiáng)依賴數(shù)據(jù)沒問題，但是社群類功能還依賴數(shù)據(jù)可能會(huì)帶偏。
產(chǎn)品分析報(bào)告的結(jié)論比較重要，而且可能相對(duì)要復(fù)雜，因?yàn)槿绻皇堑贸鲆粋€(gè)當(dāng)前產(chǎn)品【好】或者【壞】的結(jié)論，并沒有多大意義。產(chǎn)品分析應(yīng)當(dāng)給予一個(gè)迭代方案，甚至是一個(gè)中長期的發(fā)展方案，這是比業(yè)務(wù)分析的工作量要多的地方。
在業(yè)務(wù)分析上，除了產(chǎn)品分析中需要的那部分?jǐn)?shù)據(jù)，更注重大盤的數(shù)據(jù)，如果是部分業(yè)務(wù)，就要做大盤到小盤的數(shù)據(jù)過渡分析，包括業(yè)務(wù)的上下游，整個(gè)轉(zhuǎn)化比例，最后需要一個(gè)上漲空間分析。
數(shù)據(jù)報(bào)告的目標(biāo)一定要樹立清楚，尤其是你拿著這份報(bào)告是要給誰看，希望最后能達(dá)成什么樣的共識(shí)等，這樣才能讓報(bào)告的邏輯能自洽，并且取得你要的結(jié)果。
聯(lián)系客服
