作为产品在工作中会面对大量的需求。
当出现需求反映的问题不够直观时,会导致我们无法做出判断,甚至判断错误,造成不好的影响。
而通过数据分析来对需求进行调研,可以帮助我们作出决策。
例如以下这个需求:
假设A产品是一款B端产品,根据商家规模划分多版本,近日观察到该产品整体付费用户数呈现下滑趋势。
从假设中我们了解到了目前存在的问题,付费用户数下滑,所以希望通过一些产品动作来改变这个趋势。
这是一个合理和有价值的需求,但现在对需求非常模糊,有许多细节问题无可得知。
付费用户数下降是新订用户减少了吗?
付费用户数下降是续费用户率下降了吗?
多版本中是每一个版本都存在了下降现象吗?
当结合这几个问题来看后,我们就能发现,假设中对于“付费用户数下降”这一个现象不够直观。
所以我们依托假设中的现象,不知道具体去做些怎么样的产品动作。
是增加新功能来吸引用户呢?
还是增加功能来提升续费?
不同版本之前是否要区分功能呢?
这时,我们就可以分析近90日该产品不同的版本的付费用户数、新订用户数、续费用户数的趋势。
通过图表展示的趋势,更直观、更具象的了解付费用户的变化情况,定位出呈现该趋势的具体原因,从而针对性的作出产品动作。
由此可见,数据分析在需求调研阶段可以发挥很重要的作用,本文就想和大家讨论数据分析在需求调研中的意义。
一、为什么需要借助数据分析
为什么在需求调研环节需要借助“数据分析”呢?
1个问题对应了1个需求,我们会从需求的真实性、严重性和价值性来评估。
当我们面对的需求比较模糊、需求比较主观、需求展示的信息有限时,就无法判断出这个需求的真实性、严重性和价值含量。
这里通过引入“数据分析”可以很好的帮助我们解决问题,在不同需求的场景下,“数据分析”的方法和价值也大不相同。
接下来想通过具体的场景来进行说明。
1.需求比较模糊
需求比较模糊,指该需求的表述不清晰。
举个通俗的例子,业主向物业反映天气太热希望电梯可以开空调,这就是一个典型的描述不清晰。
天气太热是一个非常模糊的概念,怎么样算天气热?
如果对天气热增加一个明确的定义,室温超过26度,就是一个清晰的描述。
当需求比较模糊时,仅依据现象无法判断需求的真实性、严重性和价值。
“数据分析”通过将描述模糊的现象数据化、图表化,直观具象地呈现出来了,帮助我们清晰地了解需求所表述的内容,做出合理的决策。
通过文章开头的案例来看下,“近日观察到该产品整体付费用户数呈现下滑趋势,希望通过一些产品动作来改变这个趋势”,这里对A产品付费下滑趋势就很模糊。
是1个2个还是几百个?
占比整个付费用户数多少?
是几天内下滑了还是1个月内下滑了?
是否是自然下滑趋势呢?
同比时间是否也呈现下滑趋势呢?
仅从下滑趋势的现象很难判断是否需要做相关的产品动作。
因为我们对下滑的数量、速度都非常模糊,就无法准确判断下滑的严重性,就没法决策需要做产品动作了。
调研A产品近30日的付费用户数,从10000下降到了8317,下降1638,占比16.38%,而去年相同时间付费用户呈上升趋势。
结合图表,我们能非常明显的感知到,A产品近30日呈现一个非常明显的持续下滑趋势。
直观地展示了下滑的趋势和严重性,帮助我们做出了判断:需要通过一些产品动作来进行应对。
- 需求比较主观
需求比较主观,指该需求的表述带有浓厚业务方的主观意识。
这是人的阅历、学识和经历不同所导致的,是基于人本身的经验判断,对于同一个现象,不同经验的人会做出不同的判断
例如关于A产品付费用户呈下降趋势这一现象,某同学之前经历了3个项目,3个项目中都存在付费用户数下降的现象发生,通过做了一些提升续费的动作改变了下降趋势。
所以这一次面对A产品付费用户呈下降趋势现象时,该同学自然而然提出了这里“付费用户呈下降趋势是由续费率下降导致的”,需要做相关提升续费的产品动作。
但事实上,如果我们拆分付费用户数的组成部分,就能发现付费用户数的增长还是下降,是会受到新订用户数量和流失用户数量影响的,存在多种情况的组合。
因此,当需求比较主观时,需求描述所呈现的信息因带有主观色彩而变得并不可靠,会存在误导的可能性。
这里就需要使用到“数据分析”。
因为数字是对现象的客观描述,以数字形式呈现的需求所反映的现象是客观的,帮助我们客观地了解需求,做出合理的分析判断。
反之如果不通过数据分析,仅依靠决策者经验和过往经历,作出的判断很有可能是拍脑袋的
这里我们就通过数据分析,来验证“付费用户数下降是否真的是由续费率下降导致的”,为我们后续的产品动作提供指导意义。
1)对付费用户数进行拆解
付费用户数的变化是由每日净增长带来的,通过下面两个图形可以发现。
当后一日付费用户数大于前一日付费用户数时,呈现上升趋势,即每日净增长为正数。
反之,则为下降趋势,每日净增长为负数。
2)相关公式的运用
拆解每日净增长 = 每日新订用户数 – 每日流失用户数;
若每日净增长为正数,则每日新订用户数>每日流失用户数;
若每日净增长为负数,则每日新订用户数<每日流失用户数。
掌握上述基础数据后,我们调研A产品近30日的新订用户数和流失用户数,发现新订用户数从第1日的1000下降到了第30日的700;而流失用户数从第1日的800下降到了第30日的750。
3)取第1日和第30日的数据所得推论
第1日的净增长=1000-800=200;
第30日的净增长=700-750=-50;
可以得出,每日净增长从增长200个变为了下降50个,因净增长趋势的变化,导致了付费用户数不断下降。
再单独分析新订用户数和流失用户数,可以发现新订数是不断下降的,而流失数是上升的了,那么可以得出付费用户数呈下降趋势,更多的是因为新订用户量减少而导致的,更需要做的产品动作是拉新相关的
因此,案例中的同学提出做“提升续费率”是一个从主观上判断A产品呈现下降趋势的原因是因为流失用户数上升,续费率下降了
- 需求展示有限
需求展示有限,指该需求比较直观和客观地描述了问题的现象,足够对需求进行判断,但是文字描述展示的信息是有限的。
而通过数据分析,数字能透出更多信息给到我们,帮助我们了解现象背后的组成情况,以挖掘出更多的信息来帮助我们需求决策和做出对应的产品动作。
首先需要来看下文字和数字的定义,在这里文字是指,用语言描述现象。
而数字是指,用数字代表现象。
例如以下A产品付费用户数的现象:
用文字描述:A产品付费用户数7月1日到7月31日下降明显
用数字描述:A产品付费用户数7月1日到7月31日下降17%
这里可以发现,数字描述的信息比文字更加准确。
在A产品付费用数的描述中,文字描述下降明显,无法传递出下降的程度。
而数字可以通过下降占比准确的表达了下降程度,帮助我们更加精准的了解需求展示的内容,这是数据分析可以帮助我们挖掘出更多的需求内容。
其次,数字还能帮助我们透出现象的组成信息。
例如在A产品付费用户数下降的案例中,对付费用户数下降的现象是这样描述的。
A产品因为近期新订用户数出现大量下降,而流失用户数持平导致的。
从这个描述中已经能判断出,付费用户数下降是由新订用户数大量下降造成的,需要通过拉新的产品动作来进行
但如果借助数据分析下钻后,以“版本”的形式对A产品进行不同版本的新订用户数分析。
调研了A产品两个组成版本:旗舰版和专业版(分别对应大商家和中小商家)近30日新订数的变化趋势,得到以下数据:
其中旗舰版从日常50笔下降到了47笔,下降3,下降占比6%
专业版从日常950笔下降到了703笔,下降247,下降占比26%
从数据中可以发现新订快速减少的是小用户版本,再结合了解市场信息,发现A产品的竞品近期免费了。
也侧面验证了造成了心智不成熟、黏性不足够的小用户由付费倒向了免费的产品。
这就是通过数据分析挖掘出的附加信息,能帮助我们针对性地对中小用户展开动作,以挽救下滑趋势。
二、总结
作为产品,在日常工作中我们会遇到很多需求,有自己发现的,有用户反馈的,有领导指派的。
大量需求充斥的情况下,受制于需求描述的模糊、主观和有限,导致我们无法做出正确的需求判断。
这个时候通过分析需求现象的数据,来确定需求的真实性、严重性和价值性,帮助我们做出正确合理的判断。
专栏作家
晌午,微信公众号:晌午自习室,人人都是产品经理专栏作家。4年产品经验,专注于数据方向,目前是电商客服领域的产品 。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至22018681@qq.com 举报,一经查实,本站将立刻删除。