4个重要作用 产品经理数据分析能力有什么作用( 二 )


比如【从浏览—下单的整体转化率20%】

    直接看好像有点低;跟历史一对比(历史10%),高了一倍;跟其他电商(50%)进行对比,一半都没有;从渠道入口来讲,通过【我的】进入频道页的转化率有40%,而通过【金刚区】进入频道页的转化率只有10%,说明频道页的转化率是明显偏低的;从人群角度来讲,30-40岁用户转化率为50%,而20-30岁、40岁以上的都只有10%,说明这两个年龄层的转化率是明显偏低的;从商品品类来讲,女装类的转化率高达70%,男装的只有10%,说明男装的转化率明显偏低
你会发现从不同的维度去看数据,能得出完全不同的结论,可见维度选择的重要性 。
一般来说,选择维度只选自己需要的维度,比如你想进行个性化推荐,那么你毫无疑问需要关注人群和商品品类的维度,因为这两个维度的数据分析能决定你是否能够精准推荐 。
04 深度 数据的深度,并不是简单的拆解数据,而且挖掘数据背后的真正带来价值的东西 。
比如我们针对某块业务入口区域A做了一个优化,增加了很强的营销属性,导致进入这个区块A的流量大增,进而带来额外的gmv增长 。
看上去,这是一次非常成功的设计 。
但是真相是这样吗?我们发现同一页面的另一块业务入口 B 的 UV 大降,同时该业务的 GMV 也大降,总体降幅甚至超过了 A 所带来的 GMV增长 。
从整个大盘来讲,A的增长并没有带动整体增长,甚至引起了整体下降,因此这其实是一次【失败】的迭代 。
同样的例子其实很多,比如某个功能后,通过一些优惠券营销裂变,不断拉新,有很多人领取优惠券进入平台,UV大增,但是最后一盘算,GMV几乎没有任何增加,反倒客单价低了很多 。那么这个营销活动到底算不算一次成功的活动呢?
这就是数据分析的深度,数据能证明,也会说谎 。
【4个重要作用 产品经理数据分析能力有什么作用】我们日常在进行数据分析的时候,会交叉的使用不同的分析方式,而且上述介绍的也只是数据分析最基础的能力,对于大部分产品经理来说,能够熟练运用上述能力,基本能解决80%以上的数据问题 。

推荐阅读