y淫淫婷婷色,韩国久久久久久奂费毛片,99欧美日本一区二区留学生,日日噜噜夜夜狠狠久久AV

兩年之前，那時我剛開始做產品，當需要做數據分析時，我總是一頭霧水，完全不知道該如何下手。

我想做好，我真的非常想做好，可我卻真的不知道該怎么做。經過這兩年大大小小項目的不斷錘煉，摸索、嘗試、碰壁、復盤、再嘗試，終于能夠根據數據分析的結果，做出成功的產品設計，最終呈現出良好的結果。

現在呢，每天到公司第一件事就是看數據，對昨天各平臺的流量、各頁面的轉化、各品類各入口各目的地的銷量，心中有數。從數據中發(fā)現問題，進行進一步的分析，及時調整優(yōu)化。

我在網上曾不斷的找有關“數據如何指導產品設計”的文章，一直沒有找到有含金量的東西，所以，我決定自己寫一篇，把自己認為有價值且能迅速用于實戰(zhàn)的東西分享出來：

以“手機淘寶”App為例，打開淘寶App，選擇阿里旅行：

由于我是一直做旅游產品的緣故，所以還是拿旅游App做為案例。通過對這個App的觀察，可以把影響數據的因素概括如下：

好了，先說明一下：

1、數據分析的過程：

2、先把因素羅列出來是為了方便大家理解。在實際工作中，遇到一個數據呈現出來的問題，你自然而然就能聯想到由哪些因素造成的，然后去查詢分析相應的數據，找出具體原因。

3、電商類產品普遍以GMV為目標（不要說為什么不是用戶體驗，電商類和其他類產品在這點真的很不一樣）。

4、大中型公司普遍都有自己的數據平臺及相應的數據團隊。每天早上看數據也是產品經理的日常工作。小型公司的話，建議自學SQL，自己在數據庫中查詢數據。其實我在去哪兒網也自學了SQL，因為這樣更方便。先在我們的數據平臺上看數據，發(fā)現異常，就自己在SQL里查詢更詳細的數據。不用去麻煩數據團隊，因為大家手里的活都挺多的，自己查的話效率還更高。

5、 日常需要分析的數據緯度有：頁面轉化；商戶/商品；用戶緯度；市場環(huán)境；渠道推廣；客訴緯度；財務緯度

6、數據分析的利器是Execl，重點要學會用“數據透視圖”，這會對你的工作幫助極大。（以后我會專門寫一個關于數據透視圖的文章）

7、推薦看《誰說菜鳥不會數據分析》，這算是數據分析的入門書了。

案例解析

案例一：產品第一版本上線后，發(fā)現首頁向下轉化率極低，才25%。需要緊急提高首頁的轉化率。

思考過程：先查詢首頁每一個入口的向下轉化率。發(fā)現數據集中在首頁的“搜索”模塊，而其他模塊，比如“熱銷低價商品推薦”，點擊率都極低?；趯ξ覀儺a品業(yè)務的了解來進行分析，我們產品屬于旅游環(huán)節(jié)中的中下流。用戶到我們的界面上來時，基本已選好目的地了。那么他們主要就使用搜索來查詢他們想要的目的地，然后再篩選他們感興趣的旅游商品。而“熱銷低價產品推薦”由于只命中了單一目的地，且商品不一定是用戶感興趣的，它擊中用戶需求的幾率較低，所以點擊率極低。

解決方案：1）、在首頁增加了更多熱門目的地的入口，并且設計了一個成本極低“運營管理后臺”，對目的地進行人工運營配置。2）、把商品分類提到首頁，方便用戶選擇目的地時同時選擇商品類型，進行更精準的搜索，同時讓用戶在首頁了解到我們有哪些類型的商品。3）、刪除了“熱銷低價商品推薦”模塊，增加了“主題游”作為嘗試

后評估：最終首頁向下轉化率提高至68%。措施1提高了約25%的轉化率（每兩周查詢一遍所有目的地的點擊數據，把點擊率低的目的地更換為近期較熱門的目的，反復替換，最終達到較高的點擊率為止。）；措施2提高了約10%的轉化率；措施3提高了約8%的轉化率

案例二：發(fā)現某一個渠道帶來的流量的轉化率極高，從進來的流量到下單付款，轉化率能有約10%，而我們一般的轉化率才2%～3%。

思考過程：分析這個渠道的流量質量，發(fā)現與其他渠道差別不大，都是對旅游有需求的普通用戶，且各自的商品類型都差別不大。然后橫向對比所有渠道的流量、轉化率、設計、所在位置、用戶在此處的需求，發(fā)現主要原因是這個渠道入口的“設計”與別的渠道不同，這一種設計形式帶來的轉化率要明顯高于其他的設計形式。

解決方案：根據實際情況，把這種設計移植到其他渠道

后評估：此平臺（web端）的訂單提高了約15%

案例三：在參與一個獨立App時，發(fā)現一個功能的入口點擊率很高（90%），但使用率不高（60%）

思考過程：查詢與之相關的數據，從入口進來的用戶流量都分布在什么位置，然后發(fā)現用戶進來后都集中在新手引導上，反復的左右翻看新手引導（滑動操作的數據是UV的4倍），且停留時長能有20多秒，發(fā)現用戶的注意力都集中到了新手引導上面。

解決方案：在新手引導的最后一頁，增加一個“使用功能”的按鈕

后評估：此功能的使用率從60%提高到了80%

案例四：公司攻略部門愿意與我們導流量的合作

思考過程：攻略每天有10萬多UV，若能給我們的商品導流量，一定會促進我們商品的銷售。我們平臺（Web端）每天才6000的UV，若能有10萬級的流量入口，對我們商品銷售的幫助一定是極大的。然后考慮到數據越是在下游，就越精準，轉化率也就越高。

解決方案：在搜索結果頁、攻略詳情頁，增加相應目的地的我們商品的入口。推薦每個目的地銷量最好的商品。保證用戶在攻略的界面看到的會是他們需要的商品。

后評估：上線一周后評估，一周僅成一個訂單，遠遠沒有達到預期的一天至少5個訂單。后來經過與攻略產品經理的溝通，分析，發(fā)現主要原因是攻略的用戶主要是出行前15天至兩個月的用戶，屬于旅行前期的規(guī)劃階段，看攻略是為了選擇去哪里玩，而去哪兒玩都沒有確定，怎么會在此時就購買旅游商品呢？

而我們的用戶普遍集中在出行前的三天至七天，是用戶確定了目的地、機票酒店都已經訂好了。才會在我們這里提前3~7天預訂出境WiFi、包車、導游翻譯...

最后，數據分析是需要不斷的實踐總結，成功都是靠失敗的經驗教訓堆積而成的。在這個過程中，除了學習產品設計、數據分析的方法以外，更重要的是：了解業(yè)務，沉浸到業(yè)務當中去，成為自己業(yè)務的骨灰用戶，知曉業(yè)務的方方面面，產品經理一定要做到比團隊中的任何人都更了解業(yè)務！

這樣才能夠做出成功的產品設計。

我的初衷是希望你看了之后能夠有所收獲，能夠對你的工作和專業(yè)水平的提高，有那怕一點點的幫助。不然我就白寫了 。