每个产品经理都需要了解的产品分析技能

作为产品经理,我们需要利用一切机会去了解客户,进行客户访谈、调研或在产品内进行数据统计分析,因为了解客户的需求对于构建有用的产品至关重要。收集的数据会真实反映用户是如何使用产品,而不是:他们想做什么,他们认为他们会如何使用它们,或者是我们认为他们如何使用产品。

软件开发与房屋建造不同,但同样都能够从敏捷方法中收益。敏捷会建立多个团队快速响应变化的能力,但敏捷中要如何进行长期的规划?是否可能针对一段较长的时间内进行比较贴合实际的规划?在变化中获得一些确定性?

作为一个产品经理,像“用户每天在产品上花费多少时间?”、“他们在使用产品过程中什么样的操作行为最多?”“哪些功能使用频率最少?”之类的问题对于了解用户非常有价值,并为我们提供了有关如何改善他们的体验的线索。

这篇文章将带大家了解什么是产品分析、为什么要进行产品分析,如何真正了解你的用户。以及如何使用产品分析来帮助指导新功能的开发。

一、什么是产品分析?

产品分析是指分析用户如何与产品或服务进行互动的过程。产品团队通过跟踪、可视化和分析用户行为数据,并使用这些数据来改进和优化产品或服务。

为了定量了解用户用产品做了什么,第一步是对用户的行为进行收集统计。这一步可以用来了解有多少用户使用某个功能以及他们使用该功能的频率。例如,为了跟踪用户单击某个按钮的次数,我们可能会为此设置一个名为“button.click”的事件,当用户点击该事件就会被触发并记录数据。通过这样的事件统计信息可以辅助判断哪些功能需要加快研发,哪些需求对产品是更重要的,我们的工作优先级也会因此进行调整。 

提示:有许多成熟的解决方案可以提供产品分析事件和跟踪统计的框架。可以参考 Google Analytics 或 神策数据。

比如在 PingCode 产品中,研发团队可以采集、可视化、分析团队的研发效能数据,并通过分析这些数据发现工作中的问题,不断的提升团队效能。

二、使用“empathy debt”指标

empathy debt:指的是衡量团队是否了解用户以及用户如何使用产品的指标。

有两种方式可以增加你对用户的了解:首先是通过概念测试和客户访谈等活动收集定性反馈;以及产品分析和 NPS 调查等在产品内收集的定量数据。

举个例子,PingCode 已经上线了很长一段时间,但很多功能都几乎没有进行过数据分析,例如工作台仪表板。大多数用户一开始就会使用 PingCode 工作台。我们从客户访谈和需求整理中获得了一些关于工作台的反馈,但没有从定量角度真正了解过工作台的使用情况,所以累积了很多悬而未决的问题,例如:

  • 工作台的每日使用量是多少?通常能使用多长时间?
  • 用户实际上使用工作台干什么?查看更新内容?统计数据?还是快速导航到具体的页面?
  • 用户需要更多的内容吗?能否根据用户在访问工作台后的操作来确定要显示的内容?

工作台是 PingCode 中访问量较大的功能,在对其进行优化之前,我们需要解决上面这些非常基本的问题。如果产品中没有对应的分析功能,甚至没有可查看基本数据的页面,那么就需要做出产品优化决策的时候要非常的谨慎。

在对工作台进行统计分析的过程中,我们发现用户在工作台最常见操作之一是查看“最近编辑的页面”。这是一个非常重要的发现,有助于我们更精准地优化产品功能。

所以我们建议团队尽快开始使用分析数据,以此辅助产品决策。使用数据分析不会对决策造成负面影响,反而会准确地展示用户如何使用产品。同时,我们也需要持续尝试更多的分析方法,深入地挖掘用户真正的需求。

三、对新功能进行测试与估算

产品分析不仅对了解用户如何使用功能很有价值,对于测试新功能和体验也非常有价值。如果团队对于功能使用有着明确的目标,那么进行产品分析也可以帮助团队快速迭代,直到达成目标。

建议的流程如下:

  • 为产品优化定义一个明确的目标值。比如,“增加评论框的大小,预计评论行为会增加 5%。”
  • 设计功能的最简便的实现方式,整理需要的所有分析事件,便于团队能够验证假设。
  • 在 A/B 测试中将功能部署到部分客户环境。
  • 收集数据进行结果验证。
  • 在复杂的变量情况下,与分析师一起对结果进行分析,并确定功能上线之后是否达成目标。

对于优化 PingCode 工作台,我们最后设计了两个仪表盘部件,每个部件都有很多用例和行为事件,虽然分析过程有点复杂,但最终效果很好。同时,我们也了解到一些常见的陷阱和问题,在引入这种方式测试新功能之前,您可以参考一下。

需要注意的一些问题:

  • 分析验证结束时才意识到相关的事件数据不完整是非常严重的,可以尝试在实际验证数据之前使用一些虚拟数据进行分析,便于发现分析事件框架中缺少的内容。
  • 提出一个假设可能会很耗时,但需要确保有一个假设,并且在发布之前需要使用产品分析来验证这个假设。
  • 确保在足够长的时间内对足够多的用户进行测试,并且保证统计分析结果是可视化的。
  • 准备好放弃一些假设或想法,正如前文所提到的,希望尽可能简便地测试功能并进行下一步工作。快速失败反而会提高效率。 

四、多角度了解用户

正如上面提到的,以数据为基础进行决策是很好的,但是完全由数据驱动工作有时也会使团队忽略用户的整体使用体验。当需要进行分析决策但数据信息不完整时,强行进行分析也可能会产生问题。

产品分析揭示了用户如何使用产品,包括一些特定的功能分析,但这些分析角度可能是比较一维的。团队需要将产品分析数据中了解到的信息,与客户访谈、概念测试等定性反馈的结果相结合,才能更全面地了解正在发生的事情,便于构建出更好的产品。

本文是否对你有用?

内容导航