看板 Soft_Job
分享我在數據分析上所建立的思考架構, 而這個思考架構包含了從服務流程的盤點、到數據的建立、再到場景的規劃、反覆的實驗 。 讓產品可以真的因為數據被優化,而不是產品產生的數據造成我們日常做事的困擾。 Medium好讀版 : https://reurl.cc/DAOD7R -- 數據在組織中的現況 企業中大家都知道數據的重要性,但一路走來發現很多的PM,甚至是主管對於如何藉由數 據來策略性的推動產品,都還沒辦法較深入有脈絡去運作。 通常組織都會胡亂地埋了一堆數據,網頁用GA、App用flurry等,有用外部solution的可 能就看後台提供的資訊,現今的科技複雜度與商業複合運作模式下有這些分散的流程是很 正常的,但是如果沒有一個統整的面向來看待整體的用戶旅程的話,很可能就只是在建一 堆數據孤島,然後在某些時候數據出事的時候,再驚慌失措地找原因,但在追蹤這些孤島 時卻只增加了疑惑,卻找不到可能的解答。 一部份是因為大家的分工趨於精細,行銷做獲客或是內容經營,產品可能是注意留存或是 部份的轉換,然後不同的角色升上主管職,就會以過往的習慣來執行,大部份時候服務流 程需要改善的點是行銷、有時候需要改善的點是產品。 舉例: 產品升上來的主管,可能繼續用產品內的視角在看整體服務流程,但問題可能是出在獲客 。 行銷升上來的主管,可能用行銷的視角在看,但問題可能在於用戶留不住,再怎麼寄edm 給用戶,還是止不住往下掉的數據。 捧LP上去的主管,就是用各種巧妙的言論來躲避無能運作的事實,久而久之,上司覺得做 得很好,問題都有控制住,然後榮升產品長(可能無誤?)。 雖然要產品出身的看行銷,或是行銷出身看產品,這些事情有點殘忍。但我認為只是更有 意識的去認知到服務流程中,哪裡出了問題,要去優化時,可以更通盤的去看待整個局面 ,然後進到細節處理的時候,再與相關同仁以邏輯來處理相關議題。因為只要沒有整體的 視野,大家很容易各做各的,這對於用戶來說,只是一盤散沙的經營。 我會在底下提出方法供大家參考,它會從最一開始的盤點服務流程、數據建置、定義規劃 方向、規劃執行與反覆實驗,藉由這些步驟,可以去反思在工作流程中,怎麼更有脈絡的 去定義要優化的策略、鑽研的議題、觀察實驗結果是否有用。另一部份也能藉由數據讓團 隊同仁可以有更多的機會互相交流與討論,提升團隊感同時也在專案運作上可以有更多不 同的火花。 盤點服務流程 在現有的業務流程下,主管或是業務同仁通常會用過往習慣的做法來執行,而過往習慣的 做法通常是拍腦袋想出來的,而那時可能有成效,所以就一直沿襲下來了。不是說沿襲傳 統不好,而是當時代與環境在變動時,要有方法可以重新省視與評估是否有更有效益的做 法,或是該換一條路的機制存在。 通常我會使用大家都知道的AARRR來當基底,看待整體服務流程。 補充:AARRR為Acquisition、Aha-moment(Activation)、Retention、Referral、Revenue 這五個單字。 意指我們獲取用戶後,用戶有使用的動機,然後願意持續留下來,願意付錢、好到足以推 薦給其他人的概念。 而根據上述的框架,來看整體的流程結構,就能夠更有概念的去思考如何推進。因為現有 的商業模式或是服務流程,當初在形成的時候不一定是很有條理,也不太可能有條理。但 是想要更完整的去探索,或完善商業模式,沒條理就看運氣,沒運氣就是各種規劃資源與 工程資源砸到水裡。 以訂閱制的選股軟體舉例,藉由這些面向來看待服務流程 : A(獲客):獲取用戶時可能用SEO、投廣、社群經營、app自然流量 A(Aha-moment):這個產品獨到的選股方式是用戶最買單的內容 R(回訪):用戶買賣股票頻率為1~2天就應該回來 R(利潤):多少用戶續訂、新訂,訂閱中的流程怎麼走 R(推薦):有沒有對應的推薦機制 從這樣的大項目裡面就可以再去拆解細節流程, A(獲客):(下面建置數據再提) A(Aha-moment):用戶在旅程或產品流程中,什麼樣的節點會碰到或是認知到這件事? R(回訪):(下面建置數據再提) R(利潤):我們現有流程或機制是怎麼讓新用戶做訂閱, 舊流程中用戶最喜歡用的功能是什麼,最買單的是什麼? R(推薦):用戶要推薦APP,或是分享炫耀自己股票,有沒有哪些點在執行 而在這些流程盤點完後,對於一個用戶怎麼進來,怎麼留下,怎麼離開,團隊的心裡應該 就會有概念的認知了,但具體用戶到底認同我們服務中的什麼機制、不認同什麼,哪一些 和我們預料的有落差,目前還不得而知,而要知道這些資訊,則需要數據來呈現,讓我們 可以往更實際的行動方針邁進。接下來在這些節點上是否有可追蹤的數據,就進數據建置 的部份了。 數據建置 到這個步驟就以上述了解到的流程,進而確認在對應服務流程的節點上,是否有對應的數 據,讓這些數據可以清楚明瞭的把用戶的流程鋪張出來,後續才能夠對用戶做更有根據的 猜想。另一方面也在這個階段去初步盤點目前有的數據,對這些數據的聯想是什麼,是否 有些也可額外記錄的(如果技術允許的話),有可能會幫助到後面的步驟產生洞見。 A(獲客) SEO : 現在透過搜尋進來的流量多少? 投廣 : 從廣告來的用戶多少,成本多少? 社群經營 : FB社團上每週新增多少人?大家文章互動的頻率?導流時可以轉換多少? App自然流量 : 每週下載app多少人?卸載多少人? App內轉換 : 註冊成會員的有多少人?新訪客在產品內頁面點註冊的怎麼點、多少人? A(Aha-moment) 團隊覺得最核心的功能,新用戶觸及到的比率高嗎?每週新用戶碰了幾次?每天新用戶碰幾 次? 在提供的服務流程上,有沒有哭哭moment,就是我們設計A->B->C三個流程給用戶走,在A 有100人,走到B剩25人,走到C剩10人。這種流程上的節點都是要去記錄,也包含節點周 遭的一切其他入口,因為常常會有"我們以為的用戶"和真實用戶的差異,這些點在建置階 段可以稍做概括。 R(回訪) 用戶的留存率多少?日週月分別是怎麼樣的情形(這邊沒有絕對的數值,業界都市傳說40%( 日)–20%(週)–10%(日),但隨著不同產品場景會有巨大差異,有些KOL的選股軟體可能可 以到60~80%的日回訪) 未訂閱用戶的留存? 已訂閱用戶的留存? R($$$) 新用戶: 用戶會在什麼地方買單?怎麼買? 我們的試用機制是什麼?他一路走的節點,我們有辦法都抓到嗎? 訂戶: 續訂率多少?訂戶主要在用的功能是什麼?那邊流程順嗎? 用戶流失的原因是什麼?有沒有相關記錄的機制,來知道用戶離我們而去是未什麼?(例如: 問卷、用戶怎麼離開頁面、具體怎麼使用) R(推薦) 用戶有沒有什麼炫耀機制?或是在行銷上有哪些可以拉客的制度? 上述只是暫提幾項提供參考,實際以公司的業務流程來做考量,評估要去記錄用戶的什麼 數據,可以讓團隊更有脈絡的知道用戶在幹嘛。經過流程盤點和數據建置後,我們基本上 可以完整的一窺用戶從哪個渠道來,來多少,為什麼而用,用什麼,用戶為了什麼原因而 買,又為什麼而離去。這些輪廓就可以被更完整的描繪了,而下一步也就可以進到定義規 劃方向。 定義規劃方向 當我們服務流程定義好,數據也建置完之後。我們基本上對於整個用戶旅程會有更完整的 了解,這時候也才有辦法具體的知道該往什麼方向推進。而且在推進的方向上才能知道細 節怎麼環環相扣。 一開始我們會從比較大的數據來觀看, A(獲客):各渠道來的流量 A(Aha-moment):新用戶的留存率 R(回訪):用戶買賣股票頻率為1~2天就應該回來 R(利潤):多少用戶續訂、新訂,訂閱中的流程怎麼走 R(推薦):有沒有對應的推薦機制,有多少人推薦出去 在全面看過數據之後,有可能你們的產品相對市場好很多,但知道的人還不多,那就可以 聚焦於獲客,在上面提到的SEO、投廣、經營粉絲團等渠道,即使產品人無法更細節知道 行銷該怎麼做,就直接找團隊內的行銷同仁來討論(或是自學…當一個成長駭客)。 也可能投廣投的天荒地老、也一直在耕內容讓用戶流進來,但是產品內的留存率很低,或 是很多人玩了產品不訂閱,那這時就是更細節去思考產品裡面到底是哪裡出了問題,有可 能是UX,也可能是產品定位不對勁,這些都是可能的面向。 但是當你能夠有脈絡的說出各個面向的數據,通常團隊同仁一定也會有相當想法可以和你 討論,這時產品的氛圍和方向就會很棒了。那當我們定義好方向之後,就可以進到更細節 的規劃! 規劃執行與反覆實驗 通常在前一個階段定義好方向後,這階段已經會是比較針對性的問題來求解。在規劃求解 的過程中,一定至少會有一個明確的預測會變好的指標,在實驗後可以去觀察確認的。 例如說: 發現獲客部份能做的不多,然後留存轉換還有很多可以努力的。 數據發現,新訂用戶每週只增加50個,但是非訂閱用戶的活躍人數每週有1萬個,日活躍 還60%,那這就代表這產品大家玩得很開心,但是付費、試用機制可能沒有做好,那我們 可能就在更多用戶常用常點擊的核心功能上,加上更嚴格的使用次數或是使用時間。那我 們的指標就是新訂用戶要能夠大幅增加! 在這個階段要規劃,盡量讓變因相對少,因為這階段即使我們看了數據,所提出來的概念 都還是假說,一個假說在實驗時,如果有很多變因,那麼結果出來會無從驗證,甚至做的 不好也不知道到底是哪裡出錯了。 所以以上面的例子,我可能在A頁面加一個次數限制,sprint的時間還夠,就在B頁面的流 程略改(如果兩方在用戶使用上不太衝突的話),然後在上線後,給一段時間做觀察,看產 品的用戶使用頻率,使用場景越高頻的用戶,可能幾天到一週,數據就能明顯出來了,數 據出來後證明這個實驗的假設是否正確,不過是正確或是錯誤的都是好事,因為這代表你 已經在探索產品的可能性了,你可能試錯了3個sprints,但只要做對一次,那是未來幾年 都能以有效益的方式去運作,這報酬風險比非常高,很值得做的! 小結 使用數據分析來優化服務流程,其實是一個算是縝密且有結構與步驟的科學實驗,但是這 個思考架構掌握之後,其實對於組織內,不光是產品,很多的商業模式,其實都能夠用這 樣的架構去思考優化。 如果你是一個PO,那在產品上會更清晰的知道往什麼地方走,這同時能幫助到團隊,讓團 隊知道為什麼而忙,同時也能幫助到用戶,藉由用戶下意識的行為,為他們打造更好的服 務體驗。 如果你是一個PM,提出這些脈絡在給管理者時,也能夠有更充足的資訊讓管理者去做出好 的決策。 希望數據在我們的產品路上,可以是解決問題的神兵利器,而不是只在抄抄寫寫的絆腳石 ! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.137.139.99 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1688473694.A.CF8.html
kimi112136: 看了很多字,但是我覺得啥都沒有優化到的感覺? 07/04 22:26
dailylily: 聞君一席話 07/05 00:54
brucetu: 翻譯:大部分企業不知道用戶要什麼,反正都試試看,看會 07/05 03:50
brucetu: 不會剛好在風口上,搞產品的,套公式精神喊話之後一項一 07/05 03:50
brucetu: 項試錯即可 07/05 03:50
Kroner: 樓下關節痛都吃鞏固力 07/05 03:50
brucetu: 一頓分析猛如虎,結論是增加使用次數限制以增加轉換率, 07/05 03:52
brucetu: 如果用戶不買單跑去別人家,下一步? 07/05 03:52
ku399999: 如果看完一篇文就優化了 大家都可以轉行了 薪水翻倍 07/05 08:56
pttnowash: 浪費我一分鐘時間 還給我 07/05 09:04
Kroner: 吃過關節保健品,都沒什麼效果,有推薦的牌子嗎? 07/05 09:04
Burwei: 只有我有學到東西嗎XD 沒想過這些,感謝分享 07/05 09:45
knives: 反正就是先把數據收集下來,有沒有用再說 07/05 09:55
loadingN: 這些連web仔都知道的 07/05 10:02
hobnob: 你講得在我看來都是基本觀念欸 07/05 12:47
Kroner: UC2對膝蓋特別有用嗎?有人能證實嗎? 07/05 12:47
joekaojoekao: 所以是修煉之路 07/05 14:42
alan3100: ..太空洞了吧 搞不好問gpt還比較詳細 07/05 21:01
ck237: 閱 07/06 00:35
brucetu: 自信點把搞不好去掉 07/06 12:05
Kroner: 有人知道UC2和其他關節保健品的差異嗎? 07/06 12:05