产品数分: 指标下降问题, 健康度分析

2022年 12月 24日11:08:47 发表评论

2021/8/16

某项指标下降的问题

0.基于产品的价值定位, 明确本次要解决的问题和目标

问题确认阶段.

e.g. 判定DAU是否出现异常变化:
常用的方法是:看日环比、周同比、以及最近30天的变化趋势。

可以基于经验判断异常变化的Δ,比如日环比、周同比上升或下降超过5%可以判定为异常;或者日环比绝对值、周同比绝对值上升或下降超过 xx 万判定为异常。

异常Δ如何设定:可以观察至少3个月的DAU波动数据,将波动较大的时间点所对应的数据变化幅值作为异常 Δ。

1.梳理用户路径, 做到定性问题的定量描述. 

在问题中因素的分布是否是有时间顺序的?

在价值上是与用户体验相关, 还是与商业变现相关的?

2.明确问题的主要因素间的逻辑关系, 并定位到有有问题的具体维度, 

2.1 如果是因果关系类问题,

(1)促成获取/转化时的渠道归因问题, 应用归因模型(基于规则/基于算法), 找到关键原因

(2)用户行为类的归因问题, 应用相关性和因果关系假设检验, 找到关键原因行为, 和促成因果关系成立的magic number

2.2 如果是收入成本类的问题, 应用UE模型, 统计/预测LTV/CAC, 识别高价值用户, 评估渠道质量, 做好资源分配, 控制成本和回本周期

2.3 如果是转化类的问题, 应用漏斗模型, 找到转化瓶颈环节, 在产品, 运营, 技术侧提供相关解决方案构思并推动实施

 

3. 进一步明确问题的核心指标是什么, 在统计逻辑上是求和类的还是比率类的? 

3.1如果是求和类的指标, 计算影响系数 = 某分类变化值/总变化值, 发现关键影响维度(即对比大盘趋势和其中的垂类趋势)

 

3.2如果是比率类的指标, 确认分子分母, 如人均使用时长 = 总使用时长/使用人数,

(1) 首先判断是否构成一个问题: 排除数据质量因素, 或其他显而易见的因素: 如周末/工作日的切换, 

(2) 对人群进行拆分, 对分子分母的变化趋势分类讨论

例如新老用户拆分, 发现新用户人均时长下降, 再考虑各项相关因素

(3) 相关因素的变化

  • 用户群: 标签, 质量的变化
  • 渠道: 新用户与渠道直接相关, 哪些渠道的新用户的人均时长下降, 这些渠道的投放素材, 目标人群
  • 产品: 如果所有渠道均有下降, 那么可能不是增长侧的问题, 考虑产品策略最近是否有变化, 包括推荐, 广告, 搜索.
  • 推荐: 推荐品类的多样性, top K推荐的点击情况
  • 广告: 广告投放素材是否有变化
  • 搜索: 搜索功能的使用频次

(4) 除了用户群(分母)拆分外, 还可以细分为不同功能模块的使用时长(分子), 当内部数据不够充分时可以参考竞品等 

 

问题构建逻辑: 描述性 验证型 预测性 探索性

e.g. 播放次数的模型组装和分析

问题: 本周观众侧大盘数据(WAU)无下降情况下, A垂类总播放异常下降n%(原因探索性分析)

问题确认阶段, 可以考虑的因素: 观察历史同期数据, 观察竞品

生产侧: A垂类本周总播放次数 = 本周A类创作人数 * 人均作品数 * 作品平均播放次数

其中 作品平均播放次数 = 作品平均曝光次数 * 平均点击率

观众侧: A类本周总播放次数 = 本周A类活跃粉丝数 * 人均播放次数 + 发现页推荐次数 * 平均点击率

 

从方法论角度: AARRR

从业务角度:

增长: DAU, LTV, CAC

运营(公域): 营销(广告/活动/品牌IP), 推荐, 搜索

运营(私域):  触点, 社群, 会员

从产品分类角度:

电商类: GMV, 复购率

游戏类: ARPU, ARPPU, DAU

社区类: 互动

社交类: 互动

短视频类: 观看时长, DAU, ARPU

长视频类: 总营收, 观看时长

1. 短视频类, 以DAU作为北极星指标, 推荐业务:

$$ DAU = 新增用户 + 留存用户 + 回流用户 $$

推荐在这种主要的用处是让新增用户留存和活跃用户留存都得到提升,因此最终目标指向了留存。

用户如何能够留下来?主要取决于用户认为这个视频平台的内容有意思,因此整体推荐的指标指向了查看率互动率两个大指标。

查看率主要是由CTR、平均播放完成率组成;

互动率则是主要由点赞率、评论率组成。

 

2. 长视频类, 以总营收为北极星指标, 推荐业务:

版权视频视频平台营收当下主要是由三大部分组成:用户付费、广告收入和版权分销。

推荐的核心作用是降低用户的选片成本,提升用户体验价值,同时平衡平台收益。

不讨论广告推荐的前提下,推荐的核心在于用户付费。

$$ Revenue = DAU \times ARPU $$

因此推荐的核心指标在于提升ARPU及DAU,同时找到这两者的最大平衡点。DAU上面已经说明了,ARPU的核心在于会员充值率、单独点播内容购买率等指标。

 

 

 

2021/8/11

总结:

获取阶段:

现状

抖音投放广告,视频网站投放广告,春节点灯微信裂变分享

建议

1.长期投放: 传达价值观, 唤起情绪

2.短期营销事件活动:e.g. 同城线下探险游戏

3.种草内容制作团队

4.建立渠道评估指标: CPC, CPA, ROI等

5.集成服务:机票预订, 景点, 当地网络运营商

优化价值:

4.挖掘出目标用户重合度大匹配度高的渠道

2./5.利用平台的资源和整合能力, 满足线上/下需求

 

 2021/8/10

北极星指标

(硅谷增长黑客实战笔记)参考标准:

易懂的, 易采集的

有比较的, 比率的

...

 

北极星指标的制定人: 自上而下, 代表了当前公司对于方向、优先级的判定; 数据的职责是选出合理的指标来量化这些方向

第一原则:包含两个互斥的重心,例如视频内容行业:在保证用户在线时长稳定的前提下(人均在线时长),提升整站收入(GMV)

由谁承接:北极星指标的制定基于宽阔的视野和全局的战略方向,不应受制于职责角色,承接人越接近根部越好(CEO

 

 

2021/8/4

app健康度分析

1.首先定义什么是健康度:

与app的定义和核心价值有关

2.给定核心指标:

比如用户构成:新增、留存、回流用户占比;在app的成长期、稳定期、衰退期,占比有不同的表现

如果是电商类,GMV,ARPU,ARPPU,PV,UV,复购率等

如果是媒体类,观看时长,DAU,MAU,新增活跃用户,启动频次,互动频次,转化率,ARPU,广告收入等

如果是社区类,互动频次,内容生产情况,DAU,MAU,转化率,ARPU,广告收入等

3.绘制用户旅程/生命周期? 列举影响核心指标的关键原因行为, 进行相关性分析找出高度相关的行为,并做因果关系假设检验

4.对关键原因行为, 找到促成因果关系成立的magic numberi, 从而进行针对性的产品、运营、技术策略设计

 

本网页由互联网用户所发,如若侵权请及时联系1936370309@qq.com删除。

原文链接:https://www.cnblogs.com/raylan/p/15110361.html

  • 版权声明:内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,请发送邮件至 1936370309@qq.com 举报,一经查实,本站将立刻删除。
  • 转载请注明:产品数分: 指标下降问题, 健康度分析 紫林博客

发表评论

您必须才能发表评论!