[數據分析#22] 產品分析怎麼做?4 個實用方法和指標分享!(報表範例供下載)

在推出新的功能、專案、產品給用戶後,哪些指標可以用來追蹤使用狀況?

今天會跟大家分享我在推行專案跟產品時,最常用到產品分析數據,然後分享一個簡單的產品分析案例!

雖然我們並沒有辦法透過數據解決問題,但是我們可以知道:

  1. 整個專案或是功能整體的狀況:有多少人看過、用過至少一次、長期使用
  2. 在哪一段的轉換 (例如:用過一次到長期使用的人數少了多少) 表現比較不好
  3. 哪群人特別不喜歡使用這項新功能或是專案?哪些人特別喜歡這項功能或專案?(可以反思當初我們推出這項功能或是專案的意義是什麼?是否符合當初的期待)

為什麼要做產品分析?

雖然我們並沒有辦法透過了解數據就解決問題,但是我們可以透過數據了解整體狀況、產品漏斗、也可以結合分群分析去了解使用者的輪廓:

  1. 整個專案或是功能整體的狀況:有多少人看過、用過至少一次、長期使用
  2. 在哪一段的轉換 (例如:用過一次到長期使用的人數少了多少) 表現比較不好
  3. 哪群人特別不喜歡使用這項新功能或是專案?哪些人特別喜歡這項功能或專案?(可以反思當初我們推出這項功能或是專案的意義是什麼?是否符合當初的期待)

產品數據分析方法:開啟功能人數、初次使用率、使用頻率、活躍度

通常我在做初步的產品數據分析時,用到的關鍵指標跟方法不會太多,簡單的這 4 種就很足夠,重要的是利用這 4 種指標知道概況之後,如何把所有用戶拆成不同群體,細看哪些人特別喜歡使用?哪些人特別不喜歡?而有沒有可能的原因?那針對不喜歡的人我們如何改進?是否符合當初的期待?

了解產品本身的問題會比用很多華麗的數據分析指標還重要!

開啟:開啟功能人數、開啟率 (開啟功能人數/總用戶)

  • 為什麼要知道開啟、查看功能或是專案的人有多少?
    • 開啟功能人數可以知道對這個專案或是功能有興趣的有多少?
    • 或是我們在宣傳的時候,是否有成功吸引到他的注意?
  • 第一次在溝通專案或是功能時,就可以記錄我們用什麼渠道跟哪些用戶溝通
    • 接著就可以依據渠道算出,我推播通知或是 Email 給多少人?
    • 總共有多少人有開啟通知、開啟電子郵箱等等,有開啟就表示對我們的新服務有興趣
  • 關於開啟功能的關鍵指標:
    • 開啟功能人數:有多少不重複用戶有開啟通知、開啟電子郵箱
    • 開啟率:開啟功能人數/推播出去的用戶 (可以看行銷成效),或是開啟功能人數/總用戶數 (直接看最終結果)
    • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,總共有 50 人點開通知 ->
      • 開啟功能人數就是 50
      • 開啟率是 50/100 -> 50%

產品分析舉例:開啟狀況

  • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,總共有 50 人點開通知 ->
    • 開啟功能人數就是 50
    • 開啟率是 50/100 -> 50%

初次使用:初次使用人數、初次使用率 (初次使用人數/總用戶)

  • 為什麼要知道初次使用功能或是專案的人有多少?
    • 初次使用人數可以知道宣傳後的效果,是否有傳達實用資訊給用戶?
    • 也可以知道對這個功能或是專案有需求的人數大概有多少? (或許用於後續評估多個不同功能,哪個比較重要時的指標)
  • 關於初次使用的關鍵指標:
    • 初次使用人數:有多少不重複用戶有至少使用一次功能或是專案
    • 初次使用率:初次使用人數/總用戶
    • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,總共有 50 人點開通知,25 人開始使用運動監測功能 ->
      • 初次使用人數就是 25
      • 開啟率是 25/100 -> 25%

產品分析舉例:初次使用狀況

  • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,總共有 50 人點開通知,25 人開始使用運動監測功能 ->
    • 初次使用人數就是 25
    • 開啟率是 25/100 -> 25%

留存:使用頻率、留存人數、留存率

  • 為什麼要知道留存使用功能或是專案的人有多少?
    • 留存使用人數可以有需求、而且覺得我們提供的服務有解決他的問題的用戶
    • 初次使用人數 (有興趣) 跟留存人數 (有興趣而且覺得我們的服務有價值) 之間一定會有個差距,而如何縮短差距就是我們要去研究的問題 (研究功能裡面每一個步驟的轉換 -> 這邊比較偏向更專業的產品數據分析了,有機會再跟大家分享)
  • 關於留存的關鍵指標:
    • 使用頻率:一段時間內使用功能或是專案的次數
    • 留存使用人數:有多少不重複用戶有使用兩次以上,或是持續使用至少一段時間以上
    • 留存率:留存使用人數/總用戶
    • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,總共有 50 人點開通知,25 人開始使用運動監測功能,但 1 周後還持續有在使用的人數是 10 人 ->
      • 留存使用人數就是 10
      • 開啟率是 10/100 -> 10%

產品分析舉例:留存狀況

  • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,總共有 50 人點開通知,25 人開始使用運動監測功能,但 1 周後還持續有在使用的人數是 10 人 ->
    • 留存使用人數就是 10
    • 開啟率是 10/100 -> 10%

活躍:活躍人數、活躍度

  • 為什麼要知道使用功能或是專案的活躍度有多少?
    • 活躍人數是一段時間內持續有使用專案或是功能的人數
    • 留存我覺得比較像是研究一個人的行為 (從開始使用到是否變成忠實用戶),而活躍度會比較像是功能整體到底有多少人不斷在使用
  • 關於活躍的關鍵指標:
    • 活躍人數:一段時間內有使用的人數
    • 活躍度:活躍人數/總用戶
    • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,這一個月有使用過至少一次的用戶是 30 人 ->
      • 活躍人數就是 30
      • 開啟率是 30/100 -> 30%

產品分析舉例:活躍狀況分析

  • 舉例:今天我的健身房 App 上線了一個監測運動時間的功能,我用通知推播給所有用戶 (100 人) 說我們有了新功能,這一個月有使用過至少一次的用戶是 30 人 ->
    • 活躍人數就是 30
    • 開啟率是 30/100 -> 30%

分群分析:依照使用者的樣貌分群

分析的關鍵指標也會是上面提到的 4 種關鍵指標,只是我們幫用戶分群,看看不同群體之間的關鍵指標有沒有差異,再來針對不同群體去想策略、做改善。

為什麼要分群?

  • 為什麼要分群?
    • 分群是為了把不同型態、可能有不同需求的人分開,我們初期可以專注在我們想解決問題的那群人身上,並且全力滿足他們的需求
    • 舉例:健身房如果上線了線上監測使用時間、運動數據的功能,健身房可以把用戶分成 1) 有穩定運動習慣 2) 剛開始運動,還沒有穩定習慣的用戶。當初我們出監測使用時間、運動數據的功能是希望對 1) 有穩定運動習慣的人產生幫助,並且讓他們黏著在我們的健身房,那我們就可以把 4 大關鍵指標專注在第一種人的結果
      • 當然整體也要看,但是深入優化的時候,可以拆的更細,看第一種人的使用有沒有優於第二種人?

建議的分群方式?

  • 建議的分群的方式?
    1. 依據用戶行為做分群,繼續以健身房的案例做說明,依照用戶行為,我們可以把用戶分成 4 種人
      1. 1) 每天來運動 -> 重度使用者,也許在新功能上需要更在意他們的反饋
        2) 一個月 10 次以上 -> 重度使用者
        3) 一個月 5-10 次 -> 輕度
        4) 一個月小於 5 次 -> 輕度
    2. 依據人口統計 (Demographics) 來分群
      1. 1) 性別
        2) 年齡
        3) 職業

👉 點我查看 Google Sheet 範例

產品數據分析

當我們推出一個新的服務、產品時,可以初步用這 4 大指標搭配分群去了解用戶對我們的產品接受度!

【1 對 1 免費諮詢】數據分析師 0~1 培訓班陪你一路到轉職成功!

hi 我是 Lisa

你也是 0 經驗、沒有相關背景,但也想要轉職數據分析師,或運用數據分析,提升在領域的專業度嗎?

-

你是否也覺得,數據分析的網路學習資源很多,但是多到不知道從哪裡開始?

學了很多工具,但學完了,問題才真正開始,不知道業界怎麼使用?又該如何面臨工作跟面試?

-

我在 2019 年從營運專員的職位轉職到數據分析師

在這之後,因為數據分析,也讓我快速建構不同領域的知識:行銷、營運、商業策略、產品、網頁

轉職過程中,花了很多時間成本摸索

我發現,學數據分析最快的方式是:

  1. 確認自己跟市場需求之間的差距:訂定轉職策略及了解數據分析師的工作方式
  2. 以業界應用的角度學習工具:包括數據工具及分析用思維架構,並且如何高效運用
  3. 建立一個商業上的真實專案,並且得到回饋:打造屬於你及貼合職缺需求的作品集和專案
  4. 打造一個高效履歷跟面談:透過高價值包裝術拿下面試、成功獲得數據行業的門票

當初如果我有這套系統思維,應該可以在短時間內轉職,馬上拿到進入業界的門票

-

現在,我想把這套完整課程分享給你

這是專門為了 0 經驗、沒有相關背景的轉職者所設計

不需要去考研究所、不需要花大錢準備出國讀書

可以用最快的時間準備轉職、拿到門票!

-

如果你正在準備轉職數據分析師,且試圖找過解決辦法卻始終治標不治本!歡迎跟我預約免費 1 對 1 諮詢,我會在諮詢時,了解你的需求並且評估我是否可以協助到你!

電子書 職場人必學的數據分析術

Lisa Wu

Hi 大家好!我是喜歡探索身心靈健康及平衡的數據分析師 Lisa Wu!這個網站會幫助你:利用數據分析 (理性) 及 身心靈平衡 (感性) 的系統,去達成人生目標!如果你對我的人生系統工具有興趣,歡迎聯繫我:couplehonest@gmail.com