Análisis de datos de aplicaciones, ¿qué se debe analizar exactamente?

Según la clasificación popular, el ciclo de vida del producto (PLC, Product Lifetime Cycle) se divide en etapa inicial, etapa de crecimiento, etapa de madurez y etapa de declive. En cada etapa del producto, el peso de los datos. trabajo de análisis Es diferente del foco de análisis. Hablemos de él por etapas y combinado con casos.

1. Período de puesta en marcha

El enfoque del período de puesta en marcha es verificar el valor central del producto, o verificar la hipótesis del producto: un determinado producto. o servicio puede resolver un determinado problema para un grupo específico de personas. Esta etapa debe seguir la idea de MVP (Producto Variable Mínimo) para verificar la idea empresarial al costo mínimo, iterar rápidamente para ajustar la solución en función de los comentarios de los usuarios y finalmente verificarse con los datos.

Caso:

Tome como ejemplo cierta aplicación social de foro móvil extranjera que creamos antes. Durante el período de idea del producto (alrededor de 12 o 13 años), descubrimos que. Los usuarios del foro a menudo se quejan de que la página Wap móvil tarda en acceder al foro, tiene muchos anuncios y no tiene ninguna adaptación móvil, por lo que planteamos la hipótesis: crear una aplicación para conectar el sistema del foro y los usuarios, para que los usuarios del foro También puede disfrutar de una experiencia de acceso fluido al foro en el terminal móvil, y los usuarios están dispuestos a pagar por esta experiencia.

Entonces, al principio, todo el producto se centró completamente en los dos escenarios principales: leer publicaciones y publicar. Se promocionó en el foro y se vendió por 18 dólares. Se descubrió que muchos usuarios pagaron por él. , y la tasa de retención de estos usuarios fue muy baja, alcanzando más del 60% (por supuesto, relacionado con el pago del usuario), la mitad de los usuarios lo usan durante más de 70 minutos. No pasó mucho tiempo hasta que aparecieron uno tras otro algunos productos de la competencia (el equipo de Vbulletin, el sistema de foros más grande en ese momento, desarrolló una aplicación móvil con la intención de resolver el mismo problema), pero no pasó mucho tiempo. para que se queden muy atrás de nosotros, solo porque todo el equipo sigue la idea de MVP y se enfoca en pulir repetidamente la experiencia fluida de leer y publicar publicaciones basadas en los comentarios de los usuarios. lidera el mercado y también ha recibido inversión de una conocida institución de inversión de Silicon Valley.

Datos clave: retratos del grupo objetivo

Además, durante el período de inicio, puede comprender los retratos de los grupos de usuarios iniciales accediendo a algunos SDK de monitoreo de aplicaciones de terceros y verifique desde un lado si las características del grupo de usuarios son consistentes con el supuesto grupo de usuarios objetivo, los más comunes son los atributos demográficos (género, edad, educación, región).

Caso:

A principios de abril de este año, hablé con el gerente de producto de una aplicación de fitness doméstica. La aplicación era originalmente una aplicación de herramienta de seguimiento de pasos deportivos y de fitness. La retención de nuevos usuarios por día en la etapa inicial estaba en el nivel promedio de la industria. Cuando observó los retratos de los grupos de usuarios objetivo, descubrió que había significativamente más usuarias que hombres, y la retención de usuarias era significativamente mayor. significativamente mayor que el de los usuarios masculinos. Por lo tanto, se decidió inclinar la estrategia del producto hacia las usuarias, centrándose en funciones y recomendaciones de contenido para el fitness femenino, la pérdida de grasa y la belleza. La tasa general de retención del producto al día siguiente aumentó en casi un 100% en comparación con antes.

De manera similar, recientemente atendí a un cliente interno de Goose Factory. Desarrollaron un nuevo producto dirigido a jóvenes, pero descubrieron que la distribución por edades de sus usuarios era principalmente adolescentes y personas mayores:

Esto está relacionado con sus canales de usuarios. Resulta que tienen un producto para adolescentes y personas mayores. Para atraer el primer grupo de usuarios al producto, atrajeron directamente a los usuarios del producto anterior. no eran los usuarios objetivo del producto.

Datos clave: tasa de retención

Cuando los usuarios actuales cumplen con las características de la audiencia objetivo, el enfoque principal está en la tasa de retención, la duración/frecuencia de uso, la permanencia del usuario y otros indicadores. de estos usuarios, aquí En términos de expansión de la tasa de retención.

Hay muchas dimensiones de la tasa de retención (7 días, quincenal, 30 días, etc.), que se seleccionan según las características del producto. Si el producto en sí satisface las necesidades de un nicho de usuarios de baja frecuencia, el la tasa de retención debe ser quincenal, incluso 30 días; una tasa de retención alta significa que los usuarios reconocen y confían en el valor del producto. En términos generales, las suposiciones se pueden verificar y una retención inferior al 20% suele ser una señal más peligrosa.

Presentar un modelo de indicadores adelantados basado en datos, que puede guiar el diseño del producto mediante la búsqueda de indicadores adelantados, mejorando así las tasas de retención.

Primero veamos la definición del indicador principal. El indicador principal se refiere al comportamiento del producto por parte de los nuevos usuarios en las primeras etapas de uso del producto. Existe una correlación lineal muy alta entre este indicador y el indicador de la tasa de retención del usuario. predecir si el usuario permanecerá en el producto.

Utilice la fórmula que resumió para describirlo, aproximadamente de la siguiente manera:

Posibilidad de predicción positiva (%): indica que el usuario realiza este comportamiento, que puede predecir la posibilidad del usuario. permanecer activo

Posibilidad de predicción negativa (%): Indica que si el usuario no realiza el comportamiento, se puede predecir que el usuario no permanecerá activo

En definitiva, la credibilidad. del indicador adelantado = Posibilidad de predicción positiva X Posibilidad de predicción negativa, veamos el caso directamente.

Caso

Tomando como suposición la aplicación social del foro anterior, suponiendo que "los usuarios agregan más de 7 amigos dentro de los 10 días anteriores al registro" es el indicador principal, luego calculamos un conjunto de datos:

Entre ellos, si un usuario agrega más de 7 amigos en los primeros 10 días, la probabilidad de que el usuario sea retenido en el día 30 es del 99% si el usuario agrega menos de 7 amigos; , la probabilidad de que el usuario no sea retenido (perdido) en el día 30 es del 95% y la confiabilidad del indicador integral es de 0,9405.

De manera similar, calcule la credibilidad de los siguientes dos indicadores principales:

Finalmente, obtenemos la comparación:

Lo anterior son solo datos hipotéticos. Necesitamos comparar una docena o incluso veinte indicadores de comportamiento para encontrar el comportamiento con mayor credibilidad antecedente.

El primer elemento de este modelo es "los nuevos usuarios agregan más de 7 amigos dentro de los 10 días posteriores al registro", que es un clásico "momento ajá" en Facebook. El llamado "momento ajá" es cuando. el usuario se da cuenta El momento del valor central del producto es nuestro "indicador principal".

(Capturas de pantalla de recomendaciones de amigos de Facebook e Instagram)

Además, los indicadores adelantados deben cumplir las siguientes condiciones:

2. Período de crecimiento rápido

Después de la etapa inicial de pulido del producto, el producto tiene una mejor tasa de retención. En este momento, el producto comienza a entrar en un período de crecimiento espontáneo. En la etapa de crecimiento espontáneo del producto, aún debe prestar atención a datos como la retención de usuarios, la duración de los usuarios y los cambios en los perfiles de los usuarios, pero puede centrarse en la gestión de todo el ciclo de vida de los usuarios, entre los que se encuentran el crecimiento, activación y activación de "ajá" por momentos de nuevos usuarios" para analizar todo el embudo de usuarios estables y activos del producto.

Crecimiento y activación de nuevos usuarios

Generalmente hay dos formas de crecer y activar nuevos usuarios. La primera es construir el coeficiente de propagación viral del producto y permitir que el producto crezca. de forma espontánea son muy interesantes varias categorías de viralidad de usuarios mencionadas en el libro "Lean Operation Data Analysis":

Viralidad nativa, es decir, la forma en que se atraen nuevos usuarios a través de la función de invitación de la propia App.

Viralidad de boca en boca, es decir, a través de la difusión de boca en boca, los usuarios se convierten activamente en nuevos usuarios a través de los motores de búsqueda;

Viralidad artificial, es decir, a través de manual. intervención, como invitaciones a premios y otros incentivos. Alentar a los usuarios a adoptar comportamientos de invitación.

Un indicador que preocupa aquí se llama "coeficiente de transmisión viral". Los estudiantes interesados ​​pueden aprender más al respecto por su cuenta.

Descarga de nuevo usuario->Activación->'Aha Moments'->El producto es estable y activo

Después de que el producto comienza a entrar en el período de crecimiento espontáneo, es necesario pagar atención al usuario desde nuevo usuario hasta usuario activo (después de la retención), al ciclo de vida de los usuarios principales, y refinar y refinar los indicadores clave de cada proceso.

Caso

Tome la aplicación social del foro anterior como ejemplo. Cuando los nuevos usuarios ingresen al producto, verán una página de bienvenida (como se muestra a continuación a la izquierda). Al iniciar sesión, verán la En la página de inicio del producto (como la página de flujo de alimentación en la imagen siguiente), la mayoría de las aplicaciones tienen un proceso similar:

El proceso de un nuevo usuario desde que ingresa a la página de bienvenida de la aplicación hasta eventualmente convertirse en un usuario principal es aproximadamente lo siguiente: Nuevo usuario (descubrir el valor del producto) -> Espectadores (reconocen gradualmente el valor del producto y tienen un cierto sentido de participación) -> Productores (identifican el valor del producto y participan activamente):

Según la clasificación popular, la vida del producto El ciclo (PLC, Product Lifetime Cycle) se divide en etapa inicial, etapa de crecimiento, etapa de madurez y etapa de declive en cada etapa del producto. , el peso del trabajo y el enfoque del análisis de datos son diferentes, hablemos de ello en función de las etapas y casos:

En este momento, los indicadores del comportamiento del usuario en cada etapa se descomponen:

Nuevos usuarios y exploradores:

Tasa de rebote de la página de bienvenida

Tasa de registro de nuevos usuarios

Tasa de conversión del proceso de orientación de nuevos usuarios

Tasa de rebote de la página del feed inicial

Tasa de conversión de resultados de búsqueda

Tasa de activación de permisos de inserción

Transeúntes (transeúntes):

El promedio número de secciones que sigue cada usuario

Número promedio de otros usuarios que sigue cada usuario

Número promedio de Me gusta/compartidos por usuario activo

Número de feeds impresiones de tarjetas

Número de clics en tarjetas de feed

Porcentaje de clics de inserción de contenido de suscripción

p>

Productor de contenido:

· Número medio de publicaciones por usuario activo

· Número medio de fotos y vídeos publicados por cada usuario activo

· El tiempo medio de uso de cada usuario en el foro

· Distribución del comportamiento de los usuarios activos en el foro

Indicadores de comportamiento divididos de forma refinada en las etapas inicial y media del ciclo de vida del usuario, durante el período de rápido crecimiento del producto Ayuda al producto a pulir continuamente los detalles y mejorar continuamente la experiencia del usuario desde la experiencia nueva hasta la principal. Al mismo tiempo, luego de mejorar y estabilizar los datos de cada nodo, los estudiantes de operación del producto comenzaron a realizar diversas promociones y publicidad para expandir el mercado y ocupar el mercado.

3. Período de madurez

Con el rápido crecimiento de los usuarios, los productos mejoran constantemente. Antes y después de que el producto entre en el período de madurez, el enfoque de las operaciones de datos comienza a desplazarse. La primera mitad del ciclo de vida del usuario (atracción, activación, retención) comienza a desplazarse hacia la segunda mitad (abandono, reflujo).

Aquí compartimos una plantilla de datos llamada Daily Net Change (aplicada por John Egan@Pinterest) a la que debemos prestar atención durante las etapas de crecimiento y madurez. Es diferente de centrarse únicamente en los datos DAU y MAU. Solo se centra en el aumento o disminución del número de usuarios activos. Se trata de complacerte a ti mismo, y este modelo puede ayudarte a observar intuitivamente los factores que impulsan el crecimiento de los usuarios o los cambios en las placas de los usuarios. , reflujos y retención de productos.

Donde Cambio Neto = nuevos usuarios + usuarios recurrentes – usuarios perdidos.

Los nuevos usuarios son el número de usuarios nuevos que se unieron ese día

Los usuarios recurrentes son el número de usuarios antiguos que no lo han usado durante 28 días consecutivos y comenzaron a usarlo nuevamente hoy

Los usuarios perdidos son el número de usuarios existentes que usaron la aplicación por última vez hace 28 días

Pérdida y devolución

En el proceso de prestar atención a la abandono y la devolución, los datos revelarán un cambio. en el plato del usuario actual, puede consultar el siguiente proceso para un análisis específico de los motivos de la deserción:

La idea central es determinar las razones de la deserción a través de visitas cualitativas y la verificación de datos como principal. significa, y cambiar la estrategia de operación del producto para evitar la pérdida de usuarios o atraer usuarios, y promover Reflux.

Además, para algunos canales de distribución estables, los métodos de mejora habituales pueden tener una mejora limitada en las conversiones. En este momento, se pueden realizar análisis de canales más refinados para optimizar y mejorar el ROI:

Caso:

Mejora del ROI

4. Período de declive

Eventualmente, el producto entra en el período de declive. Generalmente, hay dos métodos que se pueden adoptar antes de ingresar. el período de declive:

1. Escala

A menudo aparece en la industria minorista, por ejemplo, si abre una tienda de masajes y salud y recibe elogios dentro de un cierto rango. luego, cuando el producto madure, se puede iniciar un modelo de franquicia en cadena expandir rápida y ampliamente el mercado para crear un efecto de marca y crear barreras. En este momento, se resiste el riesgo de recesión.

2. Ecologización

Cuando un producto crece o se acerca a la perfección, es fácil que un solo producto tenga necesidades demasiado verticales y los usuarios no puedan formar dependencia de nuevos productos con capacidades sinérgicas. se puede desarrollar el producto construye una ecología de producto completa, de modo que los usuarios que no pueden estar satisfechos o pierden interés en el producto actual son desviados hacia nuevos productos como nuevos usuarios del nuevo producto; También se desvían de nuevo a sus productos antiguos sobre el nuevo producto. Los productos y los productos forman una cadena interdependiente, y los usuarios finales se transfieren efectivamente para formar un ecosistema.

Este artículo es una reimpresión de Sohu, autor: Shangzhu Technology, enlace: /a/217398072_501610