作为一个产品,我们在工作中会面临很多需求。
当需求所反映的问题不够直观时,会导致我们无法做出判断,甚至出现错误,影响恶劣。
通过数据分析调查需求可以帮助我们做出决策。
例如,以下要求:
假设产品A是B端产品,根据业务大小分为多个版本。最近观察到该产品的付费用户整体呈现下降趋势。
从假设中我们知道付费用户数量在下降,所以我们希望通过一些产品行动来改变这种趋势。
这是一个合理的有价值的需求,但是现在需求很模糊,很多细节都不知道。
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?把这些问题放在一起看,可以发现假设中的“付费用户数下降”现象不够直观。
所以我们依赖于假设中的现象,不知道具体要做什么样的产品动作。
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?此时我们可以分析产品不同版本近90天的付费用户数、新订阅用户数、续费用户数的变化趋势。
通过图表显示的趋势,可以更直观形象的了解付费用户的变化,定位趋势的具体原因,有针对性的做出产品动作。
可见,在需求调研阶段,数据分析可以起到非常重要的作用。本文想和大家探讨一下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需求调研为什么需要用到“数据分析”?
一个问题对应一个需求,我们会从需求的真实性、严肃性、价值性来评价。
当我们面对的需求是模糊的、主观的、需求所展示的信息是有限的,就无法判断这种需求的真实性、严肃性和价值内容。
在这里引入“数据分析”,可以很好的解决问题。在不同的需求场景下,“数据分析”的方法和价值也大相径庭。
接下来我想通过具体的场景来解释一下。
1.需求比较模糊需求模糊,是指需求没有表达清楚。
举个通俗的例子。业主跟物业说天气太热,希望电梯能开空,这是典型的描述不清。
太热的天气是一个非常模糊的概念。高温天气怎么算?
如果加上天气热的明确定义,室温超过26度,就是明确描述了。
当需求模糊时,不能仅凭现象来判断需求的真实性、严肃性和价值。
“数据分析”通过数字化、图形化的方式呈现模糊的现象,帮助我们清晰地理解需求所表达的内容,做出合理的决策。
根据文章开头的案例,“最近观察到该产品的付费用户整体呈下降趋势,希望通过一些产品动作来改变这种趋势。”在这里,产品A的付款下降趋势非常模糊。
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?仅从下降趋势的现象,很难判断是否需要做相关的产品动作。
因为我们对下跌的数量和速度非常模糊,无法准确判断下跌的严重程度,也无法做出需要做产品动作的决策。
在过去的30天里,产品A的付费用户数从10000下降到8317,下降了1638,占比16.38%,而去年同期的付费用户数呈上升趋势。
结合图表,我们可以清晰地感知到,产品A在过去的30天内呈现出非常明显的持续下跌趋势。
直观的显示了下跌的趋势和严重程度,有助于我们做出需要一些产品动作来应对的判断。
2. 需求比较主观需求是主观的,也就是说需求是以业务方强烈的主观意识来表达的。
这是经历、知识、经历不同造成的,是基于人自身的经验判断。不同经历的人会对同一现象做出不同的判断
比如关于产品A的付费用户在下降的现象,之前有个同学经历了三个项目,三个项目付费用户都下降了,通过做一些提高续费的动作改变了下降趋势。
所以这一次,当产品A的付费用户呈现下降趋势时,该生很自然的提出“付费用户下降趋势是续费率下降造成的”,需要做相关的产品动作来提高续费。
但实际上,如果把付费用户数的组成部分拆分一下,可以发现付费用户数的增长或下降会受到新增用户数和流失用户数的影响,而且有很多种组合。
因此,当需求具有主观性时,需求描述中呈现的信息就会因为其主观色彩而变得不可靠,从而可能导致误导。
这里需要用到“数据分析”。
因为数字是对现象的客观描述,所以以数字形式呈现的需求所反映的现象是客观的,有助于我们客观地认识需求,做出合理的分析判断。
另一方面,如果仅仅依靠决策者的经验和以往的经验而没有数据分析,做出的判断很可能是九牛一毛。
在这里,我们将通过数据分析来验证付费用户数的下降是否真的是续费率下降造成的,从而为我们后续的产品动作提供指导。
1)拆除有费用的户数
付费用户数的变化是日净增长带来的,通过下面两张图可以发现。
当第二天付费用户数大于前一天付费用户数时,呈上升趋势,即日净增长为正。
反之则是下降趋势,每日净增长为负。
2)相关公式的应用
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gt;每日流失用户数; 若每日净增长为负数,则每日新订用户数lt;每日流失用户数。在掌握了以上基础数据后,我们调查了产品A近30天的新增用户数和流失用户数,发现新增用户数从第一天的1000下降到第30天的700。流失用户从第一天的800人下降到30日的750人。
3)从第1天和第30天的数据推断
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。分别分析新增订阅用户数和流失用户数,可以发现新增订阅用户数在减少,而流失用户数在增加。那么我们就可以得出结论,付费用户在减少,更多的是新订阅用户减少造成的,需要做的产品动作和创新有关。
因此,案例中的同学提出“提高续费率”是判断产品A下降趋势的主观原因,因为流失用户增加了,续费率降低了。
3. 需求展示有限有限需求呈现是指需求直观、客观地描述了问题的现象,足以判断需求,但文字描述中显示的信息是有限的。
而通过数据分析,数字可以向我们揭示更多的信息,帮助我们理解现象背后的构成,挖掘出更多的信息,帮助我们进行需求决策,做出相应的产品动作。
首先,我们需要看一下单词和数字的定义。在这种情况下,词是指描述语言中的现象。
而数字意味着现象是用数字来表示的。
例如,以下A产品的付费用户数量的现象:
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%可以发现,用数字描述的信息比用文字描述的信息更准确。
在产品A的付款金额描述中,文字描述有明显下降,下降程度无法传达。
而数字可以通过减少比例来准确表达下降的程度,有助于我们更准确地理解需求展示的内容。这是因为数据分析可以帮助我们挖掘出更多的需求内容。
其次,数字还可以帮助我们揭示关于现象构成的信息。
例如,在产品A付费用户数量下降的情况下,付费用户数量下降的现象描述如下。
一个产品是因为最近新用户数量下降较大,而流失用户数量持平。
从这个描述可以判断付费用户数下降是因为新订阅用户数下降幅度较大,需要通过拉新产品来进行。
但如果借助数据分析向下钻取,以“版本”的形式分析产品A不同版本的新增用户数。
本文调查了产品A的两个组件版本:旗舰版和专业版(分别对应大中型商家)近30天的新订单数量变化趋势,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,新订购的版本是小用户版本,结合对市场信息的了解,发现产品A的竞品最近都是免费的。
也验证了不成熟、粘性不够的小用户已经从付费转向免费产品。
这是通过数据分析挖掘出来的附加信息,可以帮助我们针对中小用户采取针对性的行动,挽救下滑趋势。
二、总结作为一个产品,我们在日常工作中会遇到很多需求,有自己发现的,有用户反馈的,有领导交办的。
在大量需求的情况下,由于需求描述的模糊性、主观性和局限性,我们无法做出正确的需求判断。
【/s2/】此时,通过对需求现象的数据分析,确定需求的真实性、严重性和价值,有助于我们做出正确合理的判断。
#专栏作家#中午微信微信官方账号:中午自习室,大家都是产品经理专栏作家。4年产品经验,专注数据方向,目前是电商客服领域的产品。