浅析产品数据指标的拆解

前两天给团队制定明年计划时，大家对计划的来源存在疑惑，也感觉计划本身没有一个拆解过程，不知是依据什么制定的。这时团队小伙伴提出了一种更科学的任务划分思路，今天就抛出来和大家分享一下。

其实这个问题从根本上看，就是一种 指标拆解方法 ，也就是说，如何依据一个目标数据，层层分解，并根据分解的细分指标，制定相关的工作计划。这本身也是一种数据分析的思路。
以36氪App实际情况为例，我们的考核指标是DAU，也就是日活跃用户数。如果是发散性思考，为了达到这个指标，其实可以有很多办法，可以做运营活动，可以做渠道推广，可以提升用户体验，可以上线激励体系，可以增加更多内容形态等等。但这样一来，如何将这些事情 有序进行 ，如何评估这些事情的 优先级 ，如何确定这些事情是否真能为DAU提升带来帮助，都是 不明确 的。
那么，更合理的做法是怎样的呢？就是用 结构化思维 拆解指标。
还是以DAU提升为例， 组成DAU的行为 有哪些呢？参考经典的数据分析模型AARRR模型，主要步骤就是： 用户获取—>用户活跃—>用户留存 ，拆解到指标，对应到： 新增用户、老活跃用户、回流用户 。如下图所示：

而如何提升这三类指标呢？

对于新增用户

从产品层面可以做的，就是提升新增用户的来源渠道效果。在通过线上渠道BD、线下地推后，流量首先访问的就是 落地页 ，因此对渠道引流后的落地页 设计和优化 ，则是产品方面要考虑的。此外，为了让这批新用户尽可能 留存 ，对他们第一印象的 引导设计 也是优化重点，这其中包括： 新用户引导、激励体系建设、使用路径优化、首次访问内容多元化、精美的UI 等等。梳理结果如下图所示：

对于老活跃用户

由于这批用户已形成浏览习惯，如果产品形态长期不变，时间长了也会由于 失去新鲜感 而流失。因此对这样的用户群，我们可以做的主要是： 基础功能优化、上线新的内容形态、增加更多互动手段、提供每个人的个性化阅读体验等 ，具体做法可以如下图所示：

对于回流用户

这批用户其实属于曾经访问过App，但后来就不再启动的人群。对他们我们的策略肯定是 尽可能召回。 如果已安装了App，可以考虑进行 个性化PUSH，或者全量PUSH“诱导性”活动 。如果已卸载，还可通过等方式召回。此外，通过不断优化App的 站外分享页面 ，也可在一定程度上召回老用户，让他们重新认识 App的新内容和新功能 。如下图所示：

最终，根据DAU指标拆解，可以得出一张大图，上面就是下一步我们可以考虑优化的方向：

当然，完成了拆解还远未结束，接下来就要 评估每个方向的重要度、紧急度、使用频率、实现成本、运营成本、推广计划、预期效果 等，综合出优先级，并按此优先级和已有资源，分步骤制定roadmap，有序执行。
以上就是今天想和大家分享的，你们有做过指标拆解么？期待你的回复与我讨论~
作者
申悦，36氪产品总监，微信公众号：互联网悦读笔记（ID：pmboxs）

关键字：圈子, 1年, AARRR模型, 初级

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！