Eski Baidu Büyük Veri Teknik Yöneticisi: Ürün kararlarını yönlendirmek için veriler nasıl kullanılır?
Içerik kaynağı: 24 Eylül 2017'de herkes bir ürün yöneticisi olarak "2017 Çin Ürün Yöneticileri Konferansı: Gelecekteki Ürün Yöneticilerinin Kodlarını Çözmek" konulu bir konuşma yaptı. Konuk olarak Sang Wenfeng, "Ürün kararlarını yönlendirmek için veriler nasıl kullanılır?" Konulu bir konuşma yaptı. Özel bir etkinlik notu ortağı olan Not Defteri, organizatör ve konuşmacı tarafından incelendikten ve yetkilendirildikten sonra piyasaya sürülür.
Bugünün Notu Şövalye | Yang Mao Mao Sorumlu editör Godot
Madde 1788, derinlemesine iyi bir makale: 3628 kelime | Okumak için 6 dakika
Ürün kararlarını yönlendirmek için veriler nasıl kullanılır? Note Man'den 00: 0012: 22
Özel çıkış · Tam notlar · İş düşüncesi
Bu makalenin tazeliği: Tat: havuç ve elma suyu
Bay Notes sizi önce düşünmeye davet ediyor:
-
Ürün yöneticilerinin hangi becerilere ihtiyacı var?
-
Ürün analizini başlatmak için büyük veri analizi nasıl kullanılır?
-
Veri analizinin ürün analizine değeri nedir?
Baidu'da 8 yıldır veriyle ilgili şeyler yapıyorum ve işime başladığımdan bu yana iki yıldır veriyle ilgili şeyler yapıyorum, bu yüzden konuştuğum şey daha teknik olacak.
Zirvemizin teması değişim, biri talebin değişmesi, diğeri de kendimizin değişmesi. Yeteneklerimizin değiştirilmesi gerekiyor ve bence herkesin sahip olması gereken şey veri analizi yeteneği.
Bir, Veri analizinin değeri
Öncelikle veri analizinin değerinden bahsedelim. 2000'den sonra interneti ikiye böldüm üç aşama :
2000-2006: Trafik çağı. Bu çağda Baidu, Tencent ve Alibaba olmak üzere üç büyük portal var ve şu anda trafikle mücadele ediyorlar.
2006-2011: Kullanıcıların yaşı. Happy, Renren, Facebook gibi bu sefer kullanıcı sayısı ile kıyaslandığında, aylık aktif, günlük aktif vb.
2012-şimdi ve gelecekte 5-8 yıl: düzenler çağı. Örneğin, 12 yıl içinde grup, canlı yayın dahil olmak üzere İnternet +, O2O, İnternet finansmanı satın aldı.
Bir eğilim görüyoruz: İnternet endüstrisi, trafiğe odaklanmadan kullanıcılara odaklanmaya, işlemlere odaklanmaya, gittikçe daha ayrıntılı hale geliyor ve daha fazla veriye ihtiyaç duyuluyor.
Peki verinin değeri nedir? Bunu iki ana alana ayırıyorum:
Bunlardan biri, veriye dayalı karar vermedir.
Örneğin, bir patronsanız, bir sonraki adım için verilere ihtiyacınız var Bir ürün yöneticisi olarak, revizyon, değerlendirme ve operasyon için verilere ihtiyacınız var; yönetim için, iletişim için verilere ihtiyacınız var.
İkincisi, veriye dayalı ürün zekasıdır. Örneğin, ürünü değiştirmek için yapay zeka kullanmak, ürünün kendisine bir öğrenme yeteneği kazandırabilir.
Ama bugün konuşmak istediğim şey şu: Veriler, ürün geliştirmeyi ve ürün yinelemesini nasıl yönlendirir?
iki, Veri analizinin dört temel bağlantısı
Veri analizine dikkat etmemiz gerektiğini söyledik ama gerçekten iyi yapmak çok zor.
Örneğin, bir veri parçasına ihtiyacınız varsa, ancak bu veriler doğrudan sizin için mevcut değilse, verilerin bir veri mühendisi tarafından sayılması gerekebilir. Sonuçların üretilmesi bir ay sürebilir veya bir ay istatistik toplayamaz, hatta size bir makro veri verilir. Analiz analiz edilemez.
Zaman ve maliyet tüketen çeşitli pratik sorunlar olacaktır. İdeal durum şudur: Her iş adamı, verilere hakim olabilir ve temel veri sisteminden ürün analizini destekleyebilir.
Bir ürün belli bir seviyeye geldiğinde ideal duruma gelir ve bu aşamada kırılması zordur. İPhone gibi, 2007'den günümüze pek çok ürün yinelemesi yapıldı, ancak özünde pek bir fark yok.
Bir ürün yöneticisi olarak görev, belirli bir sorunu çözmektir. İhtiyaç belirlenir, ürünü modifiye etmek, sorunu çözmek ve ürünü ideal duruma getirmekten başka bir şey değildir.
Birçok ürün birden fazla şirket tarafından üretilir ve tüm süreç hangisinin önce ideal duruma girdiğine bağlıdır. Yani bu süreç, ürününüzün nasıl daha hızlı yinelenmesini sağlayacağınızı mı düşünüyor? Verilere sahip olmak daha iyi bir yoldur. Bu sorunlar sık karşılaşılan durumlardır, Talep odaklı .
Veri analizini dört bağlantıya ayırıyorum: aşağıdan yukarıya, Veri toplama, veri modelleme, veri analizi, göstergeler.
1. Veri Toplama
İyi bir veri işi yapmak için veri kaynağı çok önemlidir. Veri analizi şunları dikkate almalıdır: Veriler nasıl toplanır? Veri analizi nasıl yapılır?
Daha da önemlisi, altta yatan veriler nasıl iyi toplanır? Bunu dört kelimeyle ilişkilendiriyorum: "büyük", "dolu", "iyi" ve "zaman".
Büyük: "makro genel durum";
Tam ve ayrıntılı: "Veri toplama daha eksiksiz ve ayrıntılıdır";
Örneğin bir e-ticaret ürününün farklı boylardaki insanlar arasındaki işlem farklılıklarını analiz etmesi gerekir, eğer boy ölçüsü toplanmazsa analiz edilemez. Bu nedenle, daha kapsamlı ve detaylı bir şekilde nasıl toplanacağı çok önemlidir.
Zaman: "Zamanındalık".
Bir verinin size bir yıl içinde mi yoksa bir sonraki yıl içinde mi verilmesi büyük bir fark yaratır. Örneğin, bir ürün revizyonunun hiçbir etkisi yoktur ve bunu geç öğrenirseniz birçok kullanıcıyı kaybedersiniz. Verileri yaptığımızda, onları daha eksiksiz, ayrıntılı ve zamana duyarlı bir şekilde toplamamız gerekir.
Veri toplamanın üç yöntemi vardır:
Görselleştirme / tam gömülü nokta;
Kod gömülü nokta;
Yardımcı araçları içe aktarın.
2. Veri modelleme
Veri toplama, verileri farklı yollarla toplandıktan sonra modellemektir. Sözde modelleme, verileri ürün yöneticisinin anlayabilmesi için yeniden düzenlemektir.
3. Veri analizi
Veri analiz yöntemleri sonsuzdur Analiz yöntemlerine iki açıdan bakıyoruz: Biri genişlik, diğeri derinlik.
Sözde genişlik, bir kişinin veya grubun özelliklerini veya bir bütün olarak analiz etmektir.
Sözde derinlik, kullanıcının davranışına bakmak, tıklama ve ziyaretlerin miktarını önemsemek veya kullanıcının satın alma işlemlerine ve işlemler arasındaki sıra ilişkisine bakmaktır. Bu, hangi analiz yönteminin daha iyi olduğunu görmek için farklı analiz senaryolarına dayanmalıdır.Sorunu çözmek için tek bir yöntem kullanmak yerine, analiz yöntemleri birlikte kullanılabilir.
Örneğin, "Açılış Gözleri" nden bir örnek:
Arkadaşların anları bir video paylaştı.İndirme kılavuzu videonun altına eklenmiştir.Android kullanıcılarının indirmeleri nispeten küçüktür.Sonra bu konunun çok boyutlu bir analizini yapacağız.Ekranın genişliği ve yüksekliği üzerinden sahne analizi geri yüklenir ve ekran genişliği ve yüksekliğinin doğru olduğu tespit edilir. Bu mesele bir etkiye sahiptir, çok boyutlu bir analiz olmadan, onu sadece duygudan anlayabilirsiniz, ancak problemi bulamazsınız.
Baidu'dayken problem önerisi ile ilgili işler yapıyordum ve çözülmemiş problemler önererek cevapların sayısını artırmaya çalıştık.
Çekirdek kullanıcılara göre ilk kez. Kişiselleştirilmiş öneriler için 350.000 temel kullanıcı grubu çıkardık. 3 aydan fazla sürdü, ancak sonuç çok hayal kırıklığı yarattı.
Bu nedenle, daha önce yalnızca temel kullanıcıları hedeflemek yerine, tüm kullanıcılara dayalı kişiselleştirilmiş önerilerde bulunmak için ikinci bir girişimde bulunduk.
Daha sonra kullanıcının aramasına ve ziyaret edilen sayfanın başlığına göre ilgi modeli eğitimi yaptık ve ardından her bir kullanıcı için en yüksek ağırlığa sahip 5 ilgi alanı kelimesini çıkardık. Kullanıcı Baidu bilir ayrıntılar sayfasını ziyaret ettiğinde, her kullanıcının ilgi kelimesine göre gerçek zamanlı arama yapıyoruz. Sayfanın sağ tarafına 7 ila 8 çözülmemiş sorunu yerleştirin. Bu denemenin etkisi çok iyiydi.Yeni versiyonun piyasaya sürülmesinden sonra Baidu'nun bildiği cevapların sayısı% 7,5 arttı.
4. Göstergeler
Son olarak, göstergeler, alt tabaka ne kadar iyi performans gösteriyor olursa olsun, genellikle göstergeler kullanırız. Bu göstergeler aracılığıyla ürünleri daha iyi ifade edebiliriz.
Ürün geliştirme aşamasını aşağıdakilere bağlıyoruz: üç aşama :
İlk aşama MVP (Minimum Canlılık Ürünü) ve MVP deneme aşamasıdır.
İkinci aşama büyüme aşaması, veri ölçeği ve kullanıcı ölçeği nasıl daha hızlı hale getirilir?
Üçüncü aşama gelir aşamasıdır.
Aşamalar farklıdır ve aşamaya göre göstergeler oluşturulmalıdır.
Girişimci ekibiyle sık sık konuşurum ve onlara mevcut göstergelerin ne olduğunu sorarım. Birkaç kişi birlikte konuşuyor ve herkes farklı söylüyor. Bir işletmenin bir aşamadaki göstergelerine odaklanılmalı, sadece her aşamada değişmelidir.
Örneğin, bu aşamada üç sincap ve Keep aynı ana göstergeler için endişelenecek mi? Farklı olabilir. Keep, kullanıcılardan yoksun değildir, ancak kullanıcı aktivitesini artırmak içindir; üç sincap yeterli kullanıcıya sahip olmayabilir, bu yüzden çekilmeleri gerekir. Ürünler farklı olduğu için kullanıcılar farklıdır.
Ürün göstergelerini belirlemenin başka bir yolu da Korsan Göstergeleri .
Bu konsept 2007'de önerildi ve şimdi 10 yıl oldu, ancak biraz güncel değil.
Biri kullanıcı erişimi, diğeri ise kullanıcı aktivasyonu ve kullanıcıyı elde tutma. Üç soruya indirgeniyor: Kullanıcılarınız nasıl geliyor? Kullanıcıları nasıl tutuyorsunuz? Kullanıcılardan nasıl para kazanılır?
üç, Veriye dayalı ürün yinelemesi
Bir önceki bölümde süreçten kısaca bahsetmiştim, sürecin asıl zorluğu hala çok büyük.Sonra, ürün yinelemesine bakalım.
"Yalın Girişimcilik" adlı bir kitap var ve toplamda iki yönü ele alıyor: bir bakış açısı MVP (Minimum Uygulanabilir Ürün) hakkında, diğer temel nokta ise ürün yineleme düşüncesine büyük veri analizi getirmektir.
Bir ürün yapmanın, işlevi olan bir ürün yapmak ve ona sürekli işlevler eklemek olduğunu düşünüyoruz, ancak bu sizin yeteneğinize bağlı ve duvarlara çarpmaya devam edecek.
Bilimsel yöntem, veri analizini tanıtmak ve verileri analiz için kullanmaktır.
Örneğin, kullanıcı kaybının nispeten büyük olduğunu tespit edersek, önce sorunu çözeriz, ardından çevrimiçi olur ve ardından çevrimiçi olduktan sonra kullanıcı kaybı durumunu kontrol ederiz ve ardından sonuçları görmek için veri toplarız. Dolayısıyla veri analizi, ürün analizini daha bilimsel hale getiren bir beceridir.
Baidu'nun bildiği bir örnek verin. Ürün müdürü, her yaz tatilinde kullanıcı sayısının arttığını söyledi.Mobil İnternet çağının ortaya çıkmasıyla Baidu bir dizi uygulama geliştirdi ve her ürüne karşılık gelen bir tane var.
Daha sonra, veri analizinden sonra, hala ödev yapan çok sayıda kullanıcı olduğu ortaya çıktı.Daha sonra, ürün yinelemesi açısından, bu ürünü daha iyi hale getirin, bu Baidu'nun en iyinin en iyisi kavramıdır.
Daha sonra, özellikle soru sormak için bir düğme eklendi, bu da kullanıcıların% 20 ila% 30'unu artırdı, bu yüzden daha sonra mevcut ev ödevi yardımı olan ayrı bir ev ödevi uygulaması yaptım.
Bir ürün yöneticisinin yapması gereken budur.Veriler aracılığıyla sorunları bulun ve sonra çözün. Veri analizi, ürün analizini daha bilimsel hale getirmenin bir yoludur.
Örneğin, Shence resmi web sitemizin resmi web sitesi revize edildi O sırada ürün müdürü, revizyonun amacının ürünü zengin veya güzel kılmak olduğunu söyledi. Amaç bu değil dedim, kullanıcı kayıtlarının sayısına bakıyorum. Bu nedenle, hangi sürümün daha iyi olduğunu görmek için sürekli olarak özellikler ekliyoruz, sürekli olarak veri analizi kullanıyoruz ve yinelemeli yükseltmeler yapıyoruz.
dört Veriye dayalı kullanıcı aktivasyonu ve saklama
Kullanıcılar ürününüze geldikten sonra, gerçekten sizin kullanıcılarınız mı? Aslında her zaman doğru değildir. Bazı pazarlama faaliyetleri birçok kullanıcıyı ziyaret ediyor, ancak sonuçta çok azı gerçekten hayatta kaldı.
Örneğin, bir e-ticaret web sitesinde, satın almazsanız aktif kullanıcınız mı? Kullanıcıları nasıl etkinleştirip elde tutacağımızla daha çok ilgileniyoruz.
Yani kullanıcının Aha anını (içgörü anı) bulmak için, bunun hakkında düşünmemiz gerekiyor, kullanıcı aktivasyon süreciniz nedir?
Tabii ki, burada kullanıcı kimliğinin açıldığına dikkat edilmelidir.Bir kullanıcının, göz atma anından kayıt zamanına kadar bağlantısı kesilmiştir.Bu işlem, işlemleri birbirine bağlamak için bazı teknik araçlar gerektirir.
Örneğin, bir İnternet finansmanı örneği. Kullanıcı gelip uygulamayı yükledikten sonra, başladığında bir karşılama sayfası gelir. Bu karşılama sayfası, kullanıcı kaydolmaya gittiğinde gerçekten yararlı mı? Kendinizi bir kullanıcı olarak kaydettiğinizde izleyecek misiniz?
Verileri, dönüşüm oranının arttığını tespit edersek, kayıt dönüşüm oranını yükseltmek için iyileştireceğimizi görmek için kullanmamız gerekir.
Diğeri ise verilere göre bu fonksiyonların etkili olup olmadığını görmek için acemi rehber kelimeler gibi bazı rehber kelimeler eklemek, işe yararsa geliştireceğiz, kullanışlı olmazsa kullanmayacağız.
Diğeri, yeniden satın alma, sonraki gün saklama, haftalık saklama vb. Gibi elde tutmadır. Farklı kanallardan gelen kullanıcıları analiz etmemiz gerekir. Öyleyse elde tutma için neye bakıyoruz?
İlk nokta, elde tutmaya odaklanmak; ikincisi, elde tutmayı iyileştirmektir ve üçüncüsü, elde tutmayı kullanmaktır.
Elde tutma neden önemli? Son tahlilde, biz işin içindeyiz.İşin prensibi çok basit Kullanıcılardan yatırım yaptığınızdan daha fazlasını kazanırsınız.
Saklama nasıl iyileştirilir? Birincisi gerçek ve faydalı bir şey yapmak, ikincisi tecrübeyi iyi yapmaktır.Kullanıcılara değer katmak zorundasınız.Ürünler aslında ikamedir.Farklı ürünleri geliştirmek için sürekli olarak iyileştirmeniz ve farklı yöntemler kullanmanız gerekir.
Elde tutma ne kadar iyi? Standart bir cevap yok, ürün farklı ve tutma oranı iyileştirildi.
Son olarak, bu veriye dayalı kapsamlı bir veri güdümlüdür.Piyasadaki her rol, büyük veri akışıyla ortaya çıkar ve bir şirketin veriye dayalı olarak kapsamlı bir şekilde ve tüm rolleri kullanmasına olanak tanır.
