選擇什麼數據指標進行產品評估?(一)

2020-12-16 人人都是產品經理

編輯導語:每款產品的數據衡量指標都是不同的,比如視頻網站和搜索網站,這兩個網站的用戶粘性和使用時長就有很大的差別;本文作者分享了關於選擇什麼數據進行產品評估,我們一起來看一下。

前兩天和朋友扯淡的時候聊到行業裡的一些關鍵數據指標,聊完之後感慨,行業天花板在這擺著呢,還能怎麼辦呢?

有些東西就是剛性的外部約束條件,你得能看到、能接受,以及能轉變。

畢竟花半秒鐘就看透事物本質的人,和花一輩子都看不清的人,註定是截然不同的命運。

於是我就在思考,對於一款產品,需要用什麼樣的數據指標來進行衡量。

長視頻類的應用,比如國內的愛奇藝、騰訊視頻、優酷視頻、國外的Youtube,用的是總觀看時長,信息流產品一般用DAU、人均觀看條數、人均使用時長。

所以我就在考慮,有沒有什麼方式能把不同業務模式的產品都納進來,在變禿之前,我成功想到了一個思路。

我會從用戶數量、用戶粘性和單用戶價值這幾個維度來分析,大體思考過程如下。

首先產品是企業用來和用戶進行價值交換的媒介,企業為用戶提供產品和服務供用戶使用,並通過用戶的使用來交換某些價值。

那就可以用下面這個公式來衡量:

產品價值=用戶數量*單用戶價值

產品價值=潛在用戶數量*滲透率*單用戶價值

這是大前提,但用戶使用頻次高低所能創造的價值是不一樣的。

比如你產品的用戶每天都來,每次都用60分鐘,與你產品的用戶每天都來,但每次只用30秒;這兩種情況下,產品模式和商業價值肯定不一樣,基於此,需要考慮另外一個維度,也就是用戶粘性。

這就是本文的主要內容,會從用戶數量、用戶粘性、單用戶價值這幾個維度來進行分析。

由於文章會太長,所以拆成兩篇,本篇主要是用戶數量和用戶粘性。

一、用戶數量

上文說了,用戶數量=潛在用戶數量*滲透率,這裡面又會細分為網際網路滲透率和應用滲透率。

1. 網際網路滲透率

看到這個詞你可能會很驚訝,啊?網際網路滲透率,都9012年了,你們村是剛通網麼。

不,可能還沒通。

羅胖在一期節目裡說他們想冠名央視的春晚,電視臺那邊的人一直不同意,後來多次追問下,對方終於說出了原因,說是怕他們的伺服器扛不住。

2018年春晚給淘寶帶來的流量是當年雙11的15倍,15倍啊,羅胖感概我們對春晚的力量真的是一無所知,還好沒冠名。

中國很大,大到超乎你的想像,有些行業的龍頭老大,可能也就只有百分之幾的市場佔有率。

以零售行業為例,不考慮各種零售小店的前提下,以渠道超市賣場來看,大潤發、沃爾瑪、華潤萬家、聯華、永輝、家樂福這前六大連鎖集團所佔市場份額僅為15%(數據來源於科爾尼)。

2018年全球網際網路的滲透率是51%(數據來源於網際網路女皇報告),截止到2018.12月,我國的網際網路滲透率是59.6%,共82,851萬人,這裡面手機網民的佔比是98.6%,共81,698萬人(數據來源於CNNIC)。

看到了不,這就是你的上限,由人口規模決定的,中國網際網路的飛速發展和這個基數是離不開的,而目前這個基數基本不長了。

最近幾年大家說的很多的一個詞叫做下沉市場,其實這個市場一直在,只不過最近幾年網際網路才滲透到那裡罷了,這個市場的大小,取決於三四五六七八線城市的人口總量。

2. 應用滲透率

特別喜歡這麼一句話,一百年過去了,變化的只是工具和技術,人的需求並沒有發生什麼太大的變化。

我們現在用的微信,基石不就是通信麼?電話、電報、郵件不也都是通信麼;我們現在用的淘寶,本質不就是零售麼?集市、批發市場做的不也是同樣的事情麼。

最近新看到了一個詞很有意思,叫做代際競爭,說人話就是這一代和上一代之間的競爭。

微信和簡訊就可以稱之為代際競爭,你的簡訊目前最高頻的使用場景是什麼,接收驗證碼吧,那如果這個場景也不存在了呢?

當我們有了新的技術、新的場景的時候,首先產生競爭的就是和已有的解決方案之間的競爭。

網際網路已經過去20多年了,截止到2019.6,也並非所有的應用滲透率都很高;換句話說,並非所有的人都會成為你的用戶。

數據來源於CNNIC

3. DAU天花板

在不少地方看到過有人的籤名是要做一款DAU過千萬,甚至是過億的產品,我不禁肅然起敬。

隨著我對網際網路這個行業了解的加深,我越發認同俞軍老師那句話,每個時代,能產生過億和過千萬產品的數量是有限的。

我們先來看下移動網際網路史上,都有哪些產品實現過DAU過億(數據來源於QuestMobile,截止至2019年9月)。

我們來一類一類的看下:

微信、QQ屬於即時通信和社交;搜狗輸入法、百度輸入法、WiFi萬能鑰匙屬於系統工具;支付寶屬於支付;手機淘寶、拼多多屬於電商;抖音短視頻、快手屬於短視頻;微博屬於媒體和社交;百度屬於搜尋引擎;今日頭條屬於新聞資訊;騰訊視頻、愛奇藝、優酷視頻屬於長視頻;王者榮耀屬於遊戲。就上面這些,沒了,這是業務本身的天花板。

二、用戶粘性

首先用戶需要能留下來,才會有產生後續行為和轉化的可能性(一次性的業務就是直接轉化了),對於需要頻繁使用的產品,就會有使用頻次和時長的對比了。

1. 用戶留存

行業公認的是40-20-10,也就是次日留存率40%、7日留存率20%、30日留存率10%。

不同的業務模式,留存率肯定不同,好壞的標準也不一樣,需要對比著其他競品來看。

2. 月均DAU/MAU

DAU就是日活,月均DAU就是每個月DAU的均值,MAU就是月活。

不同業務模式的數值肯定是不同的,越是高頻的業務,這個值越高;越是低頻的業務,這個值越低,這是由業務模式本身決定的。

舉幾個例子,大家感受下,數據來源於各公司公告:

Facebook、微信:0.8左右;抖音、快手:0.5左右;微博:0.43左右;B站:0.3左右;以上幾種模式已經算是中高頻次的了,至於其他低頻的業務,可以定性參考估算下。

3. 使用頻次

我們肯定希望這個值越高越好,畢竟用戶使用的頻次越高,越有機會養成用戶習慣,從而更好的感受到產品價值,進而更好的進行商業化。

無論是拼多多的多多果園,還是支付寶的螞蟻森林、養雞,都在做著類似的事情。

但一個業務本身是有著它頻次上限的,可以對比著看下不同業務的頻次。

數據來源於Trustdata

比如微信是17次、QQ是13次、微博是5.2次(數據來源於極光的社交分析報告)。

4. 使用時長

首先需要明確的是,時間是一個存量,一天只有24小時,除了睡覺、工作、吃飯,其他的時間已經不是特別多了;從這個維度上來看,大家都是競爭對手。

可以看到網際網路用戶的單日人均使用時長,已經接近6個小時了,與此同時增長率也已經降低到6%了,說明時長的增長也快要長不動了。

數據來源於QuestMobile

在這6個小時的使用時間內,又會有很多不同類型的應用來競爭,可以說競爭是非常激烈的了。

數據來源於CNNIC

有些產品中,使用時長越長越好,比如長視頻、短視頻;而在有些產品中,使用時長越短越好,比如搜索、工具,這個需要結合著具體的業務類型來看。

數據來源於Trustdata

舉幾個知名網際網路產品的單日使用時長,大家感受一下,今日頭條76分鐘、B站83分鐘、趣頭條60分鐘(數據來源於公司公告)、微信64分鐘、QQ57分鐘、微博34分鐘(數據來源於極光社交分析報告)。

用戶留存、月均DAU/MAU、使用頻次、使用時長,這幾個維度已經能比較好的衡量用戶的粘性了。

而粘性和單用戶價值是有一定關聯的,鑑於篇幅,單用戶價值就單獨起一篇文章好了。

以上,就是本文的主要內容,歡迎斧正、指點、拍磚…

#專欄作家#

王家郴 ,公眾號:產品經理從0到1,人人都是產品經理專欄作家,喜歡網球和騎行的產品汪,目前奔走在產品的道路上,漫漫產品路,與君共勉。

本文原創發布於人人都是產品經理。未經許可,禁止轉載

題圖來自 unsplash,基於 CC0 協議

相關焦點

  • 策略產品如何進行效果評估?
    本文以「策略產品如何進行效果評估」為討論對象,認為可以在不同階段,結合用戶反饋、埋點、AB測等方法進行評估。新人產品經理要切記從「定性思維」轉變到「定量思維」。特別是策略產品,要在整個產品生命周期裡進行實時的數據監控。那麼一個新策略要怎麼進行效果的預測和評估呢,以下是我的一些思考感悟,希望能幫助到大家。
  • 數據產品經理的入門手冊:如何評估數據產品的上線效果?
    一、評估上線效果的重要性上線效果重不重要?這是一個毋庸置疑的問題。對於一個團隊來說,上線效果評估是檢驗產品價值的重要方法。而這個問題,卻是數據產品們經常逃避,或者說不願意面對的問題。我分析主要的原因是:評估不清楚。
  • 如何評估產品內容的價值?
    最近要對網站上展示的素材作品進行一下評估,於是乎各種查閱資料,最終習得了綜合評分法與四象限分類法。本文將對此兩種方法做一個簡要的總結,希望可以對大家有所幫助。產品內容價值的綜合評分法1 確定關鍵數據指標評估產品內容價值的第一步,是要確定關鍵的數據指標,在本案例中,素材作品的主要關鍵數據指標就是:瀏覽量,轉化率(付費下載量/瀏覽量)。2 確定關鍵數據指標權重關鍵數據指標權重的確定,主要使用矩陣分析法。
  • 數據分析基礎思維之:指標思維
    找到可以用數據衡量的指標來表示「深度」。最後,量化後的數據能增加我們對X的了解嗎?或者說能降低我們的不確定性嗎?比如「子功能的使用廣度」這個指標能讓我們確定用戶喜歡這個產品嗎?如果這個指標比較高的用戶只是用戶不明白如何使用產品,而進行的探索動作。功能使用率高的用戶不能代表用戶喜歡這款產品,那麼這個數據不能有效降低我們對產品受歡迎程度的了解。
  • 媒體公關評估:20年前的指標體系,還能否照亮大數據時代的現實?
    從該書出版的1999年算起,我們經過了從傳統媒體到網絡媒體,再到移動互聯媒體的劇變,但以「時間和版面」為核心指標進而折算成廣告價值的方法,仍一直佔據主流。在大數據時代,我們還要將這種「並不十分令人滿意」的狀態繼續維持下去嗎?答案顯然是否定的。大數據時代,需要怎樣的評估指標體系?
  • 機器學習模型評估指標Python代碼示例
    我們什麼時候評估我們的機器學習模型呢?答案不是只有一次。通常,我們在實際的數據科學工作流中兩次使用機器學習模型驗證指標:模型比較:為您的任務選擇最佳機器學習(ML)模型模型改進:調整超參數為了更清楚地了解這兩者之間的區別,讓我通過機器學習(ML)實現的工作流程來解釋。
  • 內容型產品Feed流的生成、效果評估及優化
    本篇文章屬於超級乾貨方法論,不論是產品、運營還是數據分析從業者,只要是內容型產品形態,便都會需要接觸到Feed流,且整個工作幾乎都圍繞著內容優化這一主題。本篇我將講述自己對這方面方法論的理解總結,相信讀完本篇文章會對你有所幫助。一、Feed流是什麼?
  • ...大數據評估+大學生市場問卷」評估體系產品正式發布
    12月22日下午,由西安電視劇版權交易中心有限公司發起主辦,西安影視數據評估中心有限公司承辦的「馭數據·預未來」——「大數據評估+大學生市場問卷」評估體系產品發布會於2020年中國(深圳)國際電視劇節目交易會期間成功舉辦。
  • 11個機器學習的模型評估指標
    您可以構建模型,從指標獲取反饋,進行改進並繼續,直到達到理想的準確度。評估指標解釋了模型的性能。評估指標的一個重要方面是它們區分模型結果的能力。我見過很多分析師和有抱負的數據科學家甚至都不願意去檢查他們模型的穩健性。一旦他們完成了模型的建立,他們就會急忙將預測值映射到看不見的數據上。這是一種不正確的方法。簡單地構建預測模型不是您的動機。
  • 教育信息化項目風險評估指標體系的構建
    層次分析法是指通過不同指標之間的兩兩比較來確定指標間權重的方法[25],其系統性、所需定量數據少的特性使其受到許多研究者的追捧,這種方法對項目風險評估過程中出現的多個指標和方案的選擇提供了有效的解決方案[26]。
  • 「大而不能倒」銀行評估標準出爐:四個一級指標,每年評估
    每年一評、五個流程徵求意見稿明確,依法設立的商業銀行、開發性銀行和政策性銀行都在系統重要性銀行評估範圍內,每年評估一次,流程包括五個方面:1.確定參評銀行範圍;2.向參評銀行收集評估所需數據;3.計算各參評銀行系統重要性得分,形成系統重要性銀行初始名單;4.結合其他定量和定性分析作出監管判斷
  • 評估風溼病結局,關注這些指標就對了
    戳上方藍字「醫學界風溼與腎病頻道」關注我們並點擊右上角「···」菜單,選擇「設為星標」EULAR 2020,我們一起聽!6月3日,歐洲抗風溼病聯盟(EULAR)2020年度學術會議正式拉開帷幕。由於COVID-19疫情影響,本次會議在線上舉辦。關於如何建立和選擇評估風溼病結局的指標?
  • 如何對APP進行數據分析?
    用戶特徵分析,是對特定的用戶群體進行持續深入的用戶屬性洞察,使得該用戶群體的畫像變得逐漸清晰,幫助企業了解他們是誰?行為特點是什麼?偏好是什麼?潛在需求和行為喜好是什麼?洞察了這些特徵以後,為後續的用戶群體可以做針對性的分析。用戶分群是精細化運營的基礎,已經廣泛應用於各行各業的數據分析過程中。
  • 一文讀懂二元分類模型評估指標
    推薦閱讀時間:10min~12min文章內容:解讀二元分類模型各種評估指標在分類模型中,有很多關於模型性能的評估指標(evaluation metric),比如 accuracy、precision、recall、f1-score、roc、auc、prc 等等。這裡慢慢梳理下這些指標的含義以及用途。
  • 入侵檢測系統IDS測試與評估(一)
    隨著入侵檢測系統的廣泛應用,對入侵檢測系統進行測試和評估的要求也越來越迫切。開發者希望通過測試和評估發現產品中的不足,用戶希望測試和評估來幫助自己選擇合適的入侵檢測產品。本文根據目前的相關研究,介紹了入侵檢測系統測試評估的標準、指標,方法步驟、數據來源、環境配置、測試評估的現狀以及其中存在的一些問題。
  • 11個重要的機器學習模型評估指標
    你可以構建模型,從指標得到反饋,不斷改進,直到達到理想的準確度。評估指標能體現模型的運轉情況。評估指標的一個重要作用在於能夠區分眾多模型的結果。很多分析師和數據科學家甚至都不願意去檢查其模型的魯棒性。一旦完成了模型的構建,他們就會急忙將預測值應用到不可見的數據上。這種方法不正確。我們的目的不能是簡單地構建一個預測模型。
  • 四種數據績效指標的管理(下)
    比如研發部研發的新產品評價,可以通過營銷和銷售部門參與的上市前新品評估和後期產品在市場上的表現來進行綜合評價。在新品上市前多方評估中,可以結合公司現有產品或者歷史產品的市場表現情況,通過各個維度對標來估測未來可能的前景以及在市場上的競爭力,一方面為新品上市決策提供依據,另外一方面對產品研發部的績效產出,即效益產出進行事前評測。
  • 正確認識案件質量評估指標體系的科學性
    在建立和完善案件質量評估制度時,最高人民法院緊緊抓住並著力抓好「構建一套科學的評估指標體系」這一關鍵環節,切實貫徹王勝俊院長指出的「要做到科學設定,使之更加符合實際,更加符合司法規律,更加有利於調動積極性,特別是要完善反映案結事了的效果性指標,引導法官更好地化解社會矛盾。」
  • 最全數據指標分析!
    一般在設計好數據標後,我們會有一個「數據埋點」的工程,通常是由產品經理輸出《埋點需求文檔》,然後交予開發進行埋點部署,關於埋點的幾種方式已經在埋點系列裡面,在此不複述了。 埋點是網際網路領域最重要的數據採集手段之一。通俗講就是在web或app植入埋點代碼,用以監控用戶行為事件。
  • 友盟9大數據指標助力App「長生不老」
    人的健康度可以去權威醫院檢測,而 App 的健康度首選友盟統計分析來評估。一款產品的整個生命周期通常包括導入期、成長期、成熟期和衰退期,友盟統計分析在 App 的整個生命周期中貫穿運用並發揮著重要價值。