初创型企业APP该监测哪些数据指标?
2016-10-24

 导读:多数的初创型企业在数据运营过程中,相对应APP的数据分析需要考核哪些因素?在数据监控过程中,需要选取哪些数据指标等问题往往找不到重心!对于初创型企业,哪些数据是需要重点监控的问题,我们通过初创期O2O商家平台产品数据监测问答来解释解释:

初创期O2O商家平台问答如下:

 问:

  创业公司的O2O项目,一款集合商家的平台型产品,哪些数据比较重要,必须在第一版本就开始监控分析?哪些数据比较次要,可以放到后期版本再说?虽然有第三方(比如友盟),监控的数据很全,但我不是很清楚轻重缓急,望各位多多指教。

  答:

  刚好趁着这个案例,总结一下自己在数据分析上的一些心得

    数据指标为目标服务

  先丢出一个观点:“数据指标为目标服务”

  从这个观点可以得到几条推论:

  推论一:清楚目标是最关键的一步,如何清楚并设立目标是需要解决的第一个问题。

  推论二:解构目标,即可得到对应的数据指标。

  从推论一出发,我们首先要解决的问题是找到最高优先级的目标,设立准确的目标。一个产品的目标受什么影响?

  产品的生命周期; 产品的类型; 产品的商业模式(推广、盈利等); 面对的用户群体; 公司的目标;市场竞争环境等等  

  从问题的描述来看,我们可以得到这个产品的当前特征。

  产品的生命周期:初生期-摸索; 产品的类型:O2O电商平台类; 产品的商业模式:推广以线上和线下地推为主;针对商家抽佣为主要的盈利模式; 产品定位与用户群体:假设该产品针对白领提供高端餐饮服务的平台,有toB商家端和toC用户端;为便于分析,假设题主负责的是toc端产品。

  再假设以下两点:

  1、市场竞争环境:市场竞争激烈,有相同竞品,但还没有出现巨头,但同行已出现领先者;

  2、公司的目标:2年内不考虑盈利。

  基于以上多种影响因素,可以得到当前最高优先级的目标:快速增长用户,覆盖市场

     关键数据指标

     围绕这个目标,现在开始通过多种因素解构目标,获得关键数据指标。

  1、初生期的产品:

  关键点:用户的反馈,满足需求,提升用户满意度

  关注数据指标:用户的留存、活跃、反馈、用户画像(忠实用户、流失用户、一般用户)的特点与需求分析;

  2、O2O 电商平台类:

  关键点:产品类型决定了产品的重点服务对象,O2O电商是线下业务很重的产品。在产品的初期阶段,首先要服务好商家,积累商家资源,商家有单子才愿意持续在上面提供更多服务;然后是C端引流,增加C端用户量

  关注数据指标:商家用户的订单量、接单率、客单价、哪些商家订单量最高、哪种类型的商家最受欢迎。

  3、产品的定位与用户群体

  关键点:从产品的定位上可以知道主要针对的白领用户,提供高端餐饮服务。这决定了产品的架构、设计,全都是针对白领的高端服务,用户类型当中尤其关注白领用户

  关注数据指标:白领用户的行为特征:喜欢的商品类型、客单价,不同忠诚度的用户特征。

  4、市场竞争环境

  关键点:由于市场有存在领头者,已经有借鉴对象,意味着已经有可参考的数据指标借鉴,受此影响试错的成本相对降低。

  关注数据指标:借鉴竞争对手的数据标准。(日活,次日留存、客单价、月订单量、覆盖商家数量)等

   数据指标服务于产品的目标

  没有目标,制定的产品的数据指标不会合理。而这个产品目前最重要的目标是服务好用户,快速增长用户。所以对于用户的数据分析是最重要的。

  基于目标、起点、途径的思路,我们再转移视角,看一下常常用来当作数据分析中的案例电商购买流程的漏斗模型,常规电商的用户购买逻辑是这样的:

  “ 商品列表浏览 → 商品详情查看 → 确认订单 → 支付 → 结束 ”

  假设在产品初期,没多少用户量。我们观测到整个流程当中的关键转化率数据:列表转详情页(80%),详情转订单(70%),订单转支付(20%)。但这个时候,我们的关键目标并不在于购买流程的转化率,而是增加大量商家、有更多的商品可选择,所以我们不会把时间浪费到这上面的页面的转化,因为产品初期用户量很小,还有很多环节需要做事情,但订购流程至少已经跑通了。

  假设在产品中期,有一定用户量。我们观测到整个流程当中的关键转化率数据:列表转详情页(80%),详情转订单(70%),订单转支付(20%)。这个时候的关键问题并不在前面阶段的转化率,而是订单转支付的环节转化率偏低,那我们的此时重点目标会先提升订单转支付的转化率。这时候会专门研究订单页的相关数据指标(页面浏览时间、用户操作行为)等等。

  再假设处于产品成熟期,我们观测到整个流程当中的关键转化数据:列表转详情页(80%),详情转订单(70%),订单转支付(20%),这些数据经多位前任产品经理调到了较成熟状态。这个时候我们会更详细关注每个阶段的详细数据,不断的做小更改,做测试、优化。这时候某个流程上能提升1%,将给公司带来的巨大效益。

  确立了以上的基础思路后,再来想如何提升数据分析的能力和敏感度。每天第一件事看数据,跟数据打交道,关注异常,才能掌握数据的敏感度。常讲深挖数据,背后是一个人深度思考的能力,我发现这件事说简单也复杂,流程是:遇到异常数据、问为什么、假设、推演、细分数据。至于细分数据,就是围绕不同的维度来观测数据,比如不同忠诚度的用户的分析,比如基于购买流程的维度分析,穷尽各种细粒度的维度可以得到不同的数据结果。

新闻资讯