拆解主要数据,分析社交类产品的数据运营方法

数据大师
数据大师
数据大师
294
文章
0
评论
2021-07-2815:21:10 评论 764 2718字
摘要

数据是对产品分析的重要组成部分和评价标准。通过数据分析,可以清楚、明确地看到产品的用户活动趋势与特征,用户活跃度变化等。所以,掌握数据运营对产品运营来说相当重要,做到这一点,就能不断优化运营策略。

 

无论是微信、还是博客,在发出时都会有相应的时间戳,它的目的就在于告诉用户——信息发出的时间坐标是什么,距离现在的长度是多少。

时间是社交信息中的本质,如果没有时间的标示,用户得到的信息就会失准。

以约会为例,在已知信息不明确的情况下,如果你没有第一时间打开收到的消息,那你就不会知道用户要在什么时间跟你约会(信息中,时间、地点、人物是三大要素)。

综上所知,时间与社交是正相关的。

如果以盈利而并非传播为目标,那么社交产品的大部分功能一定是优先保证GMV,这就要靠"时间"来搞定了。

大多数人认为社交变现的方式是电商,其实不然,和商业行为一样,社交活动的滞留时间越长,消费心智越强,社交本身可以通过时间进行变现——尤其是在封闭社交环境中,足量滞留时长就是消费的温床。

与此同时,社交类产品有着特定的发生场景和触发条件,于是就会产生很多数据;而这些数据就是产品分析的重要组成部分和评价标准了。

可以说,数据既是产品的方向,也是丈量产品深度的一把尺子;它能客观、详实地反映出产品生命周期和整体产品运营情况,所以数据运营是产品必备的运营方式。

这次数据分析中,友盟+平台带有一些关键数据指标,本次X圈可以通过友盟+移动统计(U-App AI版)得到了更详细的数据,能够协助产品进行更完整的监测。

本次X圈的定位是——在陌生人社交外,还同时存在着圈层关系。我们要通过运营圈层关系来构建社区,它的本质是社交消费模式而并非社交电商。通过增加用户在社交产品中的停留时长,来达到消费条件;例如积分体系和会员体系等,而不仅是引入B端商家。

接下来,我会拆解一部分基本指标,来体现数据的作用(数据为脱敏数据,不具备真实性,请勿当作真实数据)。

一、通过基本指标获得用户活动地图

拆解主要数据,分析社交类产品的数据运营方法

(示意图)

1. 新增用户(今日)

新增用户指标包含两种:一是新增用户数量,二是变化率。

不同于普通数据,变化率能够客观地反映出用户量变化程度。

以4月28日为例,新增用户17040,变化率为+12.206%。相比4月27日的15186是有相应提升的。而24小时图表在每小时对照产生的图形,能直观反映出新增加用户习惯在13点、19点打开X圈。

通过这两天的数据,可以得到一个结论:13点、19点为活跃时间段,而这段时间是刚午餐过后和下班通勤时,由此可知新增用户主要是办公室职员。

这一点对下一步划定用户画像范围有很大帮助,也能让我们认识到:在同一社交圈层内,陌生人社交不是一种偶发性事件,而是一种在特定时间段发生的高频刚需。

2. 启动次数(今日)

启动次数指标包含两种:一是启动的用户数,二是重复启动用户数。

还是以4月28日为例,启动次数是231074,较4月27日的212060增加了8.96%;结合之前的新增用户数,我们发现重复启动数变高了,而重复启动数变高则说明用户粘性增加了。

结合刚上线的PO图片定制水印的功能,可以得出"定制水印受到用户喜爱"的结论。

从功能倒推需求的话,再添加之前三月两天的连续数据,可以知道某功能上线后对用户启动次数产生了明显影响。

3. 时段累计日活(今日)

时段累计日活是去重后的数据,而每小时去重后的数据能反映实际用户日活,基本能反映出用户量和每天的峰值—— 一般来说用户在20点达到峰值,在22点开始回落。

从里面能反映出:自我展示是用户的普通需求而并非是核心需求。

通过这三项指标,能准确绘制出用户心理地图,例如用户的使用时段、喜欢的功能、具体的用户画像等。

二、整体趋势直观反映用户变化

拆解主要数据,分析社交类产品的数据运营方法

(示意图)

1. 新增用户(7日平均)

总结一周新增用户量(平均),可以得到最近一周平均每日的用户增加量。不同于之前的数据,该数据能得到周/每日稳定增加数量。

例如,4月20日-4月27日每日平均新增用户为4125人,同比增加4.36%。

(还能在下面增加不同时间,做版本对比)

2. 新用户次日留存率(7日平均)

通过该数据可以知道:4月20日-4月27日,新用户平均次日留存率达到30.32%,同比增长3.27%。

该周用户留存率较上周有所增加,说明现在的产品形态保持在一个上升期,虽然上升率不高,但至少没有留存的回落。

通过分析产品生命曲线,可以看到产品处于种子期,在建设型种子用户的培育上,配合次日留存数据有助于筛查出具体新增种子用户数量。

其他几个数据不多做赘述,讲下总崩溃率。

3. 总崩溃率

总崩溃率是一个非常好的指标,因为跟其他指标不同,总崩溃率可以直接对接开发。

作为一个产品的风险控制系统,崩溃率是经常被忽略或者说最容易被运营忽略的一个问题,而总崩溃率能反映产品的稳定程度。

我们总认为只有开发和这个事情有关,但其实它也和产品运营息息相关,尤其是在产品故障的时候,它也会极大地影响用户留存。

除了种子用户外,新进用户的忠诚度非常低,很容易受到总崩溃率的影响。

但是我们也看到了:0.1.2版本总崩溃率为0.1%,而0.2.2版本总崩溃率仅为0.08%——开发团队的控制能力是在提升的。

类似于运营数据可视化,下面TOP版本的扇形图能够反映出不同版本的各种用户指标占比。

例如,不同版本的新增用户占比都可以通过环状图来表示——0.1.2版本占比21%,0.2.2版本占比63%。

通过这一环节,我们知道产品经过版本迭代后更有竞争力了,也进一步明确了产品运营方向。

三、 排名提升权重

拆解主要数据,分析社交类产品的数据运营方法

(示意图)

1. 行业数据图

在行业数据板块,友盟+移动统计(U-App AI版)还能够提供排名,而这个排名对X圈的意义非常大。

以往,我们只能通过对竞品下载数量进行一个行业排名预估;但现在有了排名,我们就能实时监测/对比我们在同品类产品中所处的位置,以及品类所处整个市场的位置。

拆解主要数据,分析社交类产品的数据运营方法

(示意图)

2. 用户活跃度

根据用户活跃度数据可视化,可以得知我们的活跃用户数量级,以及活跃天数,这对我们精准分类活跃用户有极大的帮助。

(我们一般将用户按15天为周期进行分类,有5天活跃、10天活跃、最高等级是15天活跃。通过用户活跃等级划分出来的有ABC三种用户群,一般分专人维护,并在社群里做二次激活。)

四、 关于数据运营的一点思考

作为一个数据运营老兵,什么是最重要的?

其实就是:整合数据的能力。

友盟+提供的数据可视化,极大地便利了数据统计和汇总,可视化让用户趋势变得非常明显;还能够实时监测上新版本的情况,及时跟踪反馈数据变化等。

这在之前是难以想象的,因为以前都是通过数据走查或者抽查的形式来确定病症,会错失大量宝贵的时间,而数据运营贵在一个"捷"字,这也是友盟+提供的数据可视化带来的好处。

 

End.

作者:王识钦

本文为转载分享,如果涉及作品、版权和其他问题,请联系我们第一时间删除(微信号:lovedata0520)

更多文章前往首页浏览http://www.itongji.cn/

 

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: