如何成為數(shù)據(jù)型產(chǎn)品經(jīng)理

產(chǎn)品經(jīng)理的概念在不斷泛化。近些年來(lái)，隨著互聯(lián)網(wǎng)行業(yè)的發(fā)展，越來(lái)越多的企業(yè)意識(shí)到了大數(shù)據(jù)和精細(xì)化運(yùn)營(yíng)的重要性，為了更好地挖掘數(shù)據(jù)的價(jià)值，指導(dǎo)業(yè)務(wù)的優(yōu)化和發(fā)展，數(shù)據(jù)產(chǎn)品經(jīng)理應(yīng)運(yùn)而生，他們基于數(shù)據(jù)分析方法發(fā)現(xiàn)問(wèn)題，并提煉關(guān)鍵要素，設(shè)計(jì)產(chǎn)品來(lái)實(shí)現(xiàn)商業(yè)價(jià)值。這篇文章主要是對(duì)數(shù)據(jù)型產(chǎn)品經(jīng)理進(jìn)行拆解細(xì)分，探尋在AAA教育學(xué)習(xí)有哪些細(xì)節(jié)。
 

一、 業(yè)務(wù)分析類：

1.杜邦分析法

杜邦分析法目前主要用于財(cái)務(wù)領(lǐng)域，通過(guò)財(cái)務(wù)比率的關(guān)系來(lái)分析財(cái)務(wù)狀況，其核心要點(diǎn)是將一個(gè)大的問(wèn)題拆分為更小粒度的指標(biāo)，以此了解問(wèn)題出在了哪兒，從而對(duì)癥下藥。

以電商行業(yè)為例，GMV（網(wǎng)站成交金額）是考核業(yè)績(jī)最直觀的指標(biāo)，當(dāng)GMV同比或環(huán)比出現(xiàn)下滑時(shí)候，需要找到影響GMV的因素并逐一拆解。

GMV下降如果是因下單用戶減少所造成的，那么是訪客數(shù)（流量）減少了，還是轉(zhuǎn)化率下降了呢？如果是訪客數(shù)減少了，那是因?yàn)樽匀涣髁繙p少了，還是因?yàn)闋I(yíng)銷流量不足？

如果是自然流量下降的話，可能需要在用戶運(yùn)營(yíng)和產(chǎn)品運(yùn)營(yíng)端發(fā)力，如果是營(yíng)銷流量不足，那么可以通過(guò)營(yíng)銷活動(dòng)或者站外引流的形式增加曝光量。

同樣，如果是轉(zhuǎn)化率的問(wèn)題，那么需要對(duì)用戶進(jìn)行細(xì)分，針對(duì)不同階段的用戶采取不同的運(yùn)營(yíng)策略，關(guān)于用戶的部分，這里不做贅述，有興趣的朋友可以關(guān)注后面的文章。

最后，如果是因?yàn)榭蛦蝺r(jià)不高，那么需要進(jìn)行定價(jià)及促銷的方案優(yōu)化，比如識(shí)別具有GMV提升潛力的商品進(jìn)行定價(jià)優(yōu)化，評(píng)估當(dāng)前促銷的ROI，針對(duì)選品、力度和促銷形式進(jìn)行優(yōu)化。同時(shí)通過(guò)關(guān)聯(lián)商品的推薦或商品套裝促銷的形式，激發(fā)用戶購(gòu)買多件商品，也可以有效提高客單價(jià)。

2.同比熱力圖分析法

同比熱力圖分析法這個(gè)名稱是我自己造的，其實(shí)無(wú)非是把各個(gè)業(yè)務(wù)線的同比數(shù)據(jù)放到一起進(jìn)行比較，這樣能更為直觀地了解各個(gè)業(yè)務(wù)的狀況。

構(gòu)建一張同比熱力圖大致需要三步：

第一步，按照杜邦分析法將核心問(wèn)題進(jìn)行拆解，這里仍以電商為例，我們將GMV拆成了流量、轉(zhuǎn)化率、商品均價(jià)和人均購(gòu)買量，即GMV=流量*轉(zhuǎn)化率*商品均價(jià)*人均購(gòu)買量；

第二步，計(jì)算每個(gè)業(yè)務(wù)各項(xiàng)指標(biāo)的同比數(shù)據(jù)；

第三步，針對(duì)每一項(xiàng)指標(biāo)，對(duì)比各業(yè)務(wù)的同比高低并設(shè)定顏色漸變的條件格式，以上圖中的轉(zhuǎn)化率同比為例，業(yè)務(wù)5轉(zhuǎn)化率同比最高，為深橙底色，業(yè)務(wù)3轉(zhuǎn)化率同比最低且為負(fù)值，因此設(shè)定為藍(lán)色底色加紅色字體。

通過(guò)同比熱力圖的分析，首先，可以通過(guò)縱向?qū)Ρ攘私鈽I(yè)務(wù)自身的同比趨勢(shì)，其次，可以通過(guò)橫向?qū)Ρ攘私庾陨碓谕悩I(yè)務(wù)中的位置，此外，還可以綜合分析GMV等核心指標(biāo)變動(dòng)的原因。

除了電商業(yè)務(wù)的分析以外，同比熱力圖同樣適用于互聯(lián)網(wǎng)產(chǎn)品數(shù)據(jù)指標(biāo)的監(jiān)控及分析，該分析方法的關(guān)鍵點(diǎn)在于拆解核心指標(biāo)，在本文后面的產(chǎn)品運(yùn)營(yíng)類方法中將會(huì)介紹相關(guān)指標(biāo)的拆解方法。

3.類BCG矩陣

BCG矩陣大家都非常熟悉了，以市場(chǎng)占有率和增長(zhǎng)率為軸，將坐標(biāo)系劃分為四個(gè)象限，用于判斷各項(xiàng)業(yè)務(wù)所處的位置。

這里想講的并非傳統(tǒng)的BCG矩陣，而是BCG矩陣的變陣，或者叫類BCG矩陣。根據(jù)不同的業(yè)務(wù)場(chǎng)景和業(yè)務(wù)需求，我們可以將任意兩個(gè)指標(biāo)作為坐標(biāo)軸，從而把各類業(yè)務(wù)或者用戶劃分為不同的類型。

比如可以以品牌GMV增長(zhǎng)率和占有率構(gòu)建坐標(biāo)系，來(lái)分析各品牌的狀況，從而幫助業(yè)務(wù)方了解到哪些品牌是未來(lái)的明星品牌，可以重點(diǎn)發(fā)力，哪些品牌處于弱勢(shì)且增長(zhǎng)匱乏，需要優(yōu)化品牌內(nèi)的產(chǎn)品布局。

除此之外，我們還可以根據(jù)以下場(chǎng)景構(gòu)建類BCG矩陣：

1）分析商品引流能力和轉(zhuǎn)化率：流量份額-轉(zhuǎn)化率

2）分析商品對(duì)毛利/GMV的貢獻(xiàn)：毛利率-銷售額

3）基于RFM分析用戶的價(jià)值：訪問(wèn)頻率-消費(fèi)金額

按照上述方法，大家可以根據(jù)需求大開腦洞，按照一定標(biāo)準(zhǔn)對(duì)研究對(duì)象進(jìn)行分類分析。

二、 用戶分析類

1. TGI指數(shù)

在分析用戶時(shí)，通常的做法是將目標(biāo)用戶進(jìn)行分類，然后對(duì)比各類用戶與總體之間的差異性，TGI指數(shù)提供了一個(gè)很好的方法，來(lái)反映各類用戶群體在特定研究范圍(如地理區(qū)域、人口統(tǒng)計(jì)、媒體偏好等)內(nèi)的強(qiáng)勢(shì)或弱勢(shì)。

TGI指數(shù)=用戶分類中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例*100。

比如在分析用戶的年齡段時(shí)，可以通過(guò)TGI指數(shù)對(duì)比各用戶分類與總體在各年齡段的差異，設(shè)用戶分類1中16-25歲的用戶占比為4%，而總體中16-25歲的用戶占比為8.3%，那么用戶分類1在16-25歲用戶中的TGI指數(shù)為4%/8.3%*100=48。依照這一方法，我們可以對(duì)各類用戶在各年齡段的TGI指數(shù)進(jìn)行對(duì)比。

所以，在分析用戶畫像時(shí)，需要根據(jù)場(chǎng)景進(jìn)行用戶分類，并對(duì)比各類用戶與總體間的差異，這樣才能保證分析結(jié)果的可信性和適用性，而TGI指數(shù)就是很好的對(duì)比指標(biāo)。 

2. LRFMC模型

RFM模型是客戶關(guān)系管理中最常用的模型，但這一模型還不夠完善，比如對(duì)于M(Money)，即消費(fèi)金額相等的兩個(gè)用戶而言，一個(gè)是注冊(cè)兩年的老用戶，一個(gè)是剛注冊(cè)的新用戶，對(duì)于企業(yè)來(lái)說(shuō)，這兩個(gè)用戶的類型和價(jià)值就完全不同，因此我們需要更全面的模型。

LRFMC模型提供了一個(gè)更完整的視角，能更全面地了解一個(gè)用戶的特征，LRFMC各個(gè)維度的釋義如下：

L(lifetime):代表從用戶第一次消費(fèi)算起, 至今的時(shí)間，代表了與用戶建立關(guān)系的時(shí)間長(zhǎng)度，也反映了用戶可能的活躍總時(shí)間。

• R(Recency) :代表用戶最近一次消費(fèi)至今的時(shí)間長(zhǎng)度，反映了用戶當(dāng)前的活躍狀態(tài)。

• F(Frequency) :代表用戶在一定時(shí)間內(nèi)的消費(fèi)頻率，反映了用戶的忠誠(chéng)度。

• M(Monetary) :代表用戶在一定時(shí)間內(nèi)的消費(fèi)金額，反映了用戶的購(gòu)買能力。

• C(CostRatio):代表用戶在一定時(shí)間內(nèi)消費(fèi)的折扣系數(shù)，反映了用戶對(duì)促銷的偏好性。

以去哪兒的業(yè)務(wù)為例，通過(guò)LRFMC模型可以綜合分析用戶的習(xí)慣偏好和當(dāng)前狀態(tài)，從而指導(dǎo)精準(zhǔn)營(yíng)銷方案的實(shí)施。

• L(lifetime):用戶來(lái)多久了？

• R(Recency) :用戶最近是否有消費(fèi)，如果來(lái)了很長(zhǎng)時(shí)間都未消費(fèi)，是否需要進(jìn)行喚醒？

• F(Frequency) :用戶出行的頻率如何，如果是固定周期出行，是否應(yīng)該進(jìn)行復(fù)購(gòu)提醒？

• M(Monetary) :用戶的消費(fèi)金額是多少，是單價(jià)高（購(gòu)買頭等艙），還是頻次高？

• C(CostRatio):用戶對(duì)折扣的偏好如何，是為用戶增加權(quán)益還是降價(jià)促銷？

三、產(chǎn)品運(yùn)營(yíng)類

產(chǎn)品運(yùn)營(yíng)是一個(gè)長(zhǎng)期的過(guò)程，需要定期對(duì)產(chǎn)品的使用數(shù)據(jù)進(jìn)行監(jiān)控，以便發(fā)現(xiàn)問(wèn)題，從而確定運(yùn)營(yíng)的方向，同時(shí)也可以用于評(píng)估運(yùn)營(yíng)的效果。

產(chǎn)品運(yùn)營(yíng)的常用指標(biāo)如下：

1）使用廣度：總用戶數(shù)，月活

2）使用深度：每人每天平均瀏覽次數(shù)，平均訪問(wèn)時(shí)長(zhǎng)

3）使用粘性：人均使用天數(shù)   

4）綜合指標(biāo)：月訪問(wèn)時(shí)長(zhǎng)=月活*人均使用天數(shù)*每人每天平均瀏覽次數(shù)*平均訪問(wèn)時(shí)長(zhǎng)

產(chǎn)品所處階段不同，運(yùn)營(yíng)的側(cè)重點(diǎn)也會(huì)有所不同。在產(chǎn)品初期，核心的工作是拉新，應(yīng)該更加關(guān)注產(chǎn)品的使用廣度，而產(chǎn)品的中后期，應(yīng)該更加注重使用深度和使用粘性的提升。

對(duì)于不同的產(chǎn)品也需根據(jù)產(chǎn)品的性質(zhì)來(lái)確定核心指標(biāo)，比如，對(duì)于社交類產(chǎn)品，使用廣度和使用粘性至關(guān)重要，而對(duì)于一些中臺(tái)分析類產(chǎn)品，提升使用深度和使用粘性更有意義。

四、結(jié)語(yǔ)

在一款數(shù)據(jù)產(chǎn)品誕生前，應(yīng)該是先有數(shù)據(jù)，再有分析，然后才是產(chǎn)品，分析的廣度和深度直接決定了產(chǎn)品的定位和價(jià)值。如果是做一款數(shù)據(jù)報(bào)表類的產(chǎn)品，那么需要了解核心指標(biāo)，并建立綜合指標(biāo)的評(píng)估體系，如果是做一款分析決策類產(chǎn)品，那么還需要基于業(yè)務(wù)需求，將現(xiàn)有數(shù)據(jù)指標(biāo)進(jìn)行解構(gòu)再重構(gòu)。
希望本篇文章對(duì)大家有所幫助。AAA教育，“全能+”人才孵化品牌，與你有夢(mèng)想一起實(shí)現(xiàn)。