您的位置 首页 > 娱乐休闲

产品的微观数据指标(二)

上篇文章比较详细的介绍了功能覆盖率与功能频次,这一篇会把功能的衰减、功能卸载率、卸载前的行为路径这三个指标一并介绍完,也算是给『产品的指标介绍』做一个完整的收官。

一、功能的衰减

功能的衰减主要包含两个类别:一个是功能使用的衰减;另一个是功能漏斗。

功能使用的衰减主要评估该功能对用户的价值,一个功能对于用户越重要,其衰减程度就越弱,例如:微信的聊天功能,基本上不会随着时间的推移而有所衰减,而一些尝鲜性质的功能——就像『摇一摇』『附近的人』等功能,可能刚上线的时候,用户会觉得很有意思,但是一段时间后,其使用程度就会快速的冷却下来。

而事件漏斗主要通过步骤间的转化率评估该功能设计的合理与否。

1.1 功能使用的衰减

功能的衰减描述的是某一批用户中,某个功能的使用程度,随着时间的变化过程,具体可以通过三个维度来进行观测:用户覆盖率的衰减、功能使用频次的衰减、功能使用时长的衰减。

用户覆盖率的衰减指的是:某批用户中,在接下来的一段时间内,使用该功能用户的占比变化,通常以『自然日』为时间单位。

对于覆盖人群广,每日使用频次低,但是又期待用户每天完成的功能来说,用户覆盖率的衰减是一个很好的衡量指标。

例如:每日签到这样的功能,如果用户覆盖率衰减的慢,说明有更多的用户愿意持续的进行每日签到,如果衰减的很快,则需要考虑签到功能设置的是否得当,奖励是否吸引人。

功能使用频次的衰减指的是:某批用户中,在接下来的一段时间内,使用该功能的总频次的变化,通常以『自然日』为时间单位。

这个指标通常用于评估日常使用频次较高的功能,例如内存清理,美颜相机功能……

功能使用时长的衰减指的是:某批用户中,在接下来的一段时间内,使用该功能的总时长的占比变化,通常以『自然日』为时间单位。

这个这个指标通常用于衡量比较耗时的功能,例如游戏、内容类的产品(新闻、社区等)。

功能使用的衰减主要用于评估使用频次比较高,使用连续性比较强的应用/功能,对于使用频次极低的App一般不适用。例如:计算器,因为这类应用的使用场景过于单一,而且具有极强的偶发性,很难用『功能使用的衰减』这一指标来衡量其功能的好与坏。

在日常的产品经验中,上面提到的三种衰减,通常在前几天下降的特别厉害,以『用户覆盖率的衰减』为例(如下图所示),所以这也提醒我们在设计产品/功能的时候,一定要让用户尽早的发现其价值,否则用户会很快的抛弃该功能甚至是直接卸载!

1.2 事件漏斗

在现实的产品中,每个功能都是由多个操作步骤连接而成的,继续以微信的『摇一摇』为例,要完整的体验该功能需要经历如下以下几个步骤:

但是不是每个用户都能顺利地完成所有的操作,有些可能是缺乏耐心,有些是因为不明白该功能的流程设计……最终每个操作步骤都会有一部分用户的流失,我们通常会使用功能漏斗来描述这个过程。

事件漏斗是产品数据分析中最常用的几个指标之一,尤其是涉及到包含多个步骤复杂操作的时候。

与『功能使用衰减』不同的是:『事件漏斗』主要评估某次使用过程,而不是重复使用的程度,所以『事件漏斗』同样可以评估计算器等低频属性的产品。

在日常的工作中,『事件漏斗』最大的损失往往在于最开始的几个步骤,最前面的几个步骤间的损失率常常高达50%以上。因为漏斗的步骤越靠前,其用户基数就越大,那些对于产品兴趣程度低的用户比例也越高,越是能坚持到后期几个步骤的用户,越能说明这部分用户的高端属性。所以在设计包含多个步骤的功能时,尤其是涉及到授权等敏感操作,前面的几个步骤中一定要做好引导与说明工作,避免用户困惑与反感,让更多的用户愿意尝试与参与。

二、功能卸载率与卸载前的行为路径

2.1 功能卸载率

功能卸载率指的是:使用了某个功能的用户中,其卸载率的变化(10分钟卸载率、24小时卸载率)。这个指标非常的重要。评估一个功能对于用户影响程度。

这里的『功能卸载率』中的功能描述的不是某个具体的功能,指的是某种改动,例如:添加了某个功能,或者是已有功能的流程改动,或者是某个界面进行了改版……

例如:如果新添加了一个功能,结果凡是体验了这个改动的用户,其卸载率有了一个显著的提升。那么,则说明:用户比较反感这个改动,反之,则说明用户比较喜欢这个改动。

当然『功能卸载率』也有自己的使用限制:在没进行AB测试的情况下,『功能卸载率』适用于评估曝光率比较大的改动。因为如果某个改动曝光率很小,凡是能发现该改动的用户本身就大概率的是该产品的高级用户,而这部分高级用户的行为与广大的普通用户具有很大的差异性!

2.2 卸载前的行为路径

卸载前的行为路径指的是用户在卸载之前,所进行的一系列操作,并按照时间顺序将这些操作穷举出来。与前面所有的指标不同的是:『卸载前的行为路径』并不是某个数值,而是一个了解用户非常重要的一个途径。

在做产品的过程中,不仅要对喜欢我们产品的用户格外关注,更要去关注那些下载了产品并最终卸载的用户。因为从这部分用户群体中,更能挖掘出产品本身存在的缺陷。

卸载前的行为路径往往有多种,通常会选择最普遍的一条路径进行分析,观测这条路径中有没有包含产品的核心功能。如果有,则可能该功能并不能够吸引到用户;如果该路径没有包含核心功能,则说明产品的引导工作没有做好,使得用户白白地流失了。

三、核心行为(临时补充)

所谓的核心行为,指的是对于核心指标影响最大的行为。

『核心行为』往往与产品的核心功能息息相关,例如:对于垃圾清理工具来说,使用频次作为其核心指标,那么点击『清理按钮』可能就是核心行为;对于电商应用来说,购买率是其核心指标,那么点击购买可能就是核心行为;对于新闻应用来说,卸载率/留存率可以作为其核心指标,那么发表评论可能就是核心行为……而一旦确定了产品的关键指标并确定了其核心行为,接下来所有的优化与拓展都是围绕着『核心行为』来展开。

通常情况下,产品的核心指标是根据不同产品,不同场景而认为确定了,但是核心行为却要根据其核心指标而寻找并确定下来,通常确定一个产品的核心行为往往要经历以下步骤:

步骤一: 确定核心指标

不同产品在不同阶段的核心指标是不一样的,通常在产品初期,用户的增长可能是最核心的指标,而产品中期,用户的留存率可能是其核心指标,而产品后期,用户的使用时长/频次可能是产品的核心指标,总之核心指标非常关键,直接决定了团队的努力方向。

步骤二:把握核心行为的方向

这个阶段主要是根据之前确定的『核心指标』罗列出可能的核心行为,例如对于微信来说,点击发送消息与发表朋友圈可能都是核心行为。

步骤三:通过数据筛选出核心行为

将步骤二中的行为一一列出,并依次比较各个行为对于步骤(1)中的核心指标的影响程度,并找出对核心指标影响最大的行为。

步骤四:进行用户调研进一步确认

通过步骤三 确定了关键行为后,还需要通过实际的用户调研,进行最终的确认。

例如:通过步骤三确定了某个『引导说明』行为能够极大的提高留存率,但是在实际的用户调研中,才发现原来用户对这个『引导说明』提到的某个功能特别感兴趣,而非『引导说明』本身。

前面的章节中提到了『功能卸载率』,如果步骤一 的核心指标是留存率/卸载率,那么『功能卸载率』便是寻找『核心行为』的关键指标。

四、小结与后续

对于产品数据分析中,常见的『指标概念』基本上介绍完了,从『宏观指标』到『微观指标』(中间还穿插了完整的SQL教程,具体内容见公众号)8篇文章,一共花了两个月的时间。但是,由于个人原因,接下来的『埋点』与『分析方法』等一系列文章会暂时搁置,当然最终还是会写,至于具体时间,随缘吧~

#专栏作家#

MING,个人公众号:MING的大航海,知乎专栏:产品见知录,人人都是产品经理专栏作家。一只专注于个人成长的产品汪,沉迷『方法论』,只分享值得收藏的『硬干货』!

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

责任编辑: 鲁达

1.内容基于多重复合算法人工智能语言模型创作,旨在以深度学习研究为目的传播信息知识,内容观点与本网站无关,反馈举报请
2.仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证;
3.本站属于非营利性站点无毒无广告,请读者放心使用!

“产品的微观数据指标二”边界阅读