超详细的APP数据指标体系分析 app数据指标( 五 )


四、常用的分析方法
1.产品生命周期分析
产品生命周期理论(PLC模型)是由美国经济学家Raymond Vernon提出的,即一种新产品从开发进入市场到被市场淘汰的整个过程 。产品生命周期可分为初创期、成长期、成熟期、衰退期,在产品的每个阶段,数据分析的工作权重和分析重点有所区别 。
(1)初创期
初创期的重点在于验证产品的核心价值,或者说验证产品的假设:通过某种产品或服务可以为特定的人群解决某个问题 。这时我们需要关注的关键数据是目标人群画像和留存率 。
目标人群画像:初创期可以通过接入一些第三方的应用监测SDK来了解初期用户群体的画像,从侧面验证用户群体与假设的目标用户群体特征是否一致,常见的是人口学属性(性别、年龄、学历、地域) 。
留存率:在当前用户符合目标受众特征时,核心关注这些用户的留存率、使用时长/频率、用户的黏性等指标,留存率的维度分很多种(7日,双周,30日等),依据产品特征来选择,若产品本身满足的是小众低频需求,留存率则宜选择双周甚至是30日;留存率高,代表用户对产品价值认可并产生依赖,一般来说,假设便能得到验证,通常低于20%的留存会是一个比较危险的信号 。
(2)快速成长期
经过了产品打磨的初始阶段,产品有了较好的留存率了,这个时候产品开始进入自发增长期 。自发增长期可以将侧重点关注在用户的整个生命周期的管理,其中以新用户的增长、激活、触发“Aha moments”到活跃用户的整个漏斗分析为主 。
(3)成熟期
随着用户快速增长,产品不断完善,产品在进入成熟期前后,数据分析师关注的重心开始从用户生命周期的前半段(吸引、激活、留存)往后半段(流失、回流)开始偏移,同时关注商业化转化路径 。
①流失与回流:在关注流失回流的过程中,数据会揭示当前用户盘子的一个变化情况,具体分析流失原因则可以参考下方流程:
核心思路即,通过回访定性 数据验证为主要手段,确定流失原因,改变产品运营策略以预防用户流失或拉回用户,促进回流 。除此之外,对于一些稳定的投放渠道,普通的改善方法可能提升转化有限,此时可以进行更精细化的渠道分析来优化提升ROI 。
②商业转化率分析:在成熟期需要针对高质量用户进行重点运营,低质量用户通过产品和运营改进手段,使其往高质量用户迁移 。结合不同的产品形态和商业模式,一般数据分析的核心指标包括:产品用户人均使用天数(以周、月为单位来观察);产品用户人均使用时长(以天为单位进行观察,人均时长越高,用户依赖性越强,产品商业化空间越大);人均购买价格(以月为单位,查看一个用户的购买情况,购买价格越高,对电商平台意味是是高净值用户,需要重点运营);人均购买次数(以月为单位,次数高,低单价的用户也是优质用户)
(4)衰退期
最终,产品进入衰退期,这里不再赘述 。
2.转化漏斗分析
漏斗模型是数据分析较常使用的一种方法,其适用的场景主要是对经过一连串用户操作才能完成任务,同时需要监控和分析任务最终完成的效果,以及每一步可能存在的问题 。
漏斗模型的核心思想,是从最终目标入手,找出每一步用户的转化或者流失情况,配以每一步的转化率或者流失率指标来监控效果,并最终通过提升用户转化率,或者降低用户流失率,从而优化最终指标并实现商业价值 。
【超详细的APP数据指标体系分析 app数据指标】实际在进行漏斗模型的分析时,结合不同的业务场景和产品类型,漏斗模型大致可分为以下几种:

推荐阅读