回覆列表
  • 1 # 鑫達科技Glw

    一、精細化運營的目標1.產品是什麼型別的APP?是否需要過多的運營?比如說你的產品只是個工具,那恐怕談不上過多的精細化運營,一般做好常規的使用者行為分析、再配合使用者定性研究,用於指導產品的設計即可;如果是內容型產品,或者功能和內容兼具的產品,那確實需要考慮。2.設計統計框架統計的目標要弄清楚,拿到資料之後用來做什麼?指導功能改進,還是版面調整?再或者是作為使用者對內容質量評判的指標?假設使用者在你的app上會頻繁進行互動和使用功能,同時還會瀏覽或者產生內容,那麼需要在產品設計的同時,把你的統計框架設計好。二、簡要的操作流程1.資料採集首先列出你需要的資料項,接著評估哪部分是需要APP上報的,哪部分是後臺可以統計的,然後分別在前後臺加上。一般來講,APP上報採集的資料,在釋出前一定要經過謹慎的校驗和測試,因為一旦版本釋出出去而資料採集出了問題,不僅之前的功夫都白做了,還會帶來一大堆髒資料,同時還有可能降低客戶端的執行效率,得不償失。2.資料整理資料採集完之後,需要將各種原始資料加工成為產品經理需要的直觀的可看資料,這裡需要做一些基本的資料邏輯關聯和展示,就不贅述了。3.資料分析按照一開始設計的統計框架,你可以很清楚的看到自己需要的資料了。比如使用者行為:哪些功能使用得被人均使用得最多,哪些按鈕被頻繁點選,哪些在顯著位置卻未達到預期使用效果的功能,等等。比如內容分析:哪篇文章被查閱最多,哪些內容被評論或者贊得最多,等等。當然以上只是基礎得不能再基礎的分析,再深入一點的,例如你拿到這些資料,可以分析使用A功能的使用者同時還喜歡B功能,二者關聯性較強,是否可以在前端設計時更多的考慮整合,或者介面上的調整;比如分析點選流,大部分使用者訪問或使用APP的路徑是怎麼樣的,是不是把核心功能藏得太深了?再比如可以分析不同使用者屬性,比如男性使用者和女性使用者,他們在使用者行為上是否有明顯差異?等等。不同產品的資料分析方式和模型差距非常大,沒法一下子就說清楚。所以以上更多的是舉例。三、一些需要注意的原則1.資料本身是客觀的,但被解讀出來的資料一定是主觀的,同樣的資料由不同的人分析很可能得出完全相反的結論,所以一定不能提前帶著觀點去分析(比如已經有了假設,再用資料去論證);2.APP採集資料,一定是優先順序比較低的事情,不能因為資料的採集而影響產品的效能和使用者體驗,更不能採集使用者的隱私資料(雖然國內很多APP並沒有這麼做);3.資料不是萬能的,還是要相信自己的判斷。———————————————-資料提取的目的是為了精細化運營,那麼透過大量的資料分析,給APP使用者進行精細化分類。那麼說說如何透過資料做精細化使用者分類維度:從使用者屬性——性別、地域、收入、家庭狀況從使用者生命週期——註冊、活躍、流失從使用者行為——功能、內容、產品的喜好然後對使用者進行平行和交叉分析,從而可以得出,不同的使用者細分使用者細分後,根據細分使用者的特色,進行精細化設計————————————————我更相信的方法是:定性研究提出假設 -> 定量研究驗證假設 -> 產品原型測試細節 ->使用者行為資料指出最佳化方向 -> 定性研究(以下迴圈)。不過同意文中這句話:資料不是萬能的,還是要相信自己的判斷。

  • 中秋節和大豐收的關聯?
  • 你覺得郭富城哪首歌最經典?