24 | 突发式流量数据暴跌，产品经理应该如何应对？【拆解篇】

Oct 15, 2018

24 | 突发式流量数据暴跌，产品经理应该如何应对？【拆解篇】-极客时间



下载APP





关闭

讲堂部落提薪训练营云原生训练营架构实战营企业版极客商城兑换中心 App下载浏览器插件

渠道合作

推荐作者

24 | 突发式流量数据暴跌，产品经理应该如何应对？【拆解篇】

2018-10-15 邱岳来自北京

《邱岳的产品实战》

课程介绍



讲述：邱岳

时长12:01大小5.51M



极客时间的专栏读者你好，我是邱岳。这一次我们继续聊跟数据分析相关的话题。
我们在前面的文章中假设了一个情境：“你在早晨起来，发现昨天产品流量暴跌 20%”。上一次分享，我们主要从产品和渠道的角度介绍了分析思路，这一次的分享，我们就从用户的角度出发，继续对这个问题进行拆解和分析。
在上次分享开始的时候，我们提到了需要先排除技术故障的可能性，使用到的方法便是对用户的终端技术参数做分析，将用户按照网络条件、浏览器类型和分辨率、手机型号等指标进行分类，从而排查问题。
这其实就是对用户特征的分类进行具体分析。下面，我们一起来探索一下更多的用户和业务的观察角度。
1. 新老用户除了技术参数之外，我们要关注的第一个用户特征就是新访和回访用户。
在这里顺便提一句，在我们的数据分析中，应当将新访和回访用户当作完全不同的用户群体，因为他们对产品的认知和行为倾向都会有很大差异。
回到我们设计的“流量骤降 20%”的情境，当从新老用户的角度做分类分析时，我们关注的其实是产品的获客和留存环节。
我们提到，整个产品的用户存量像一个水池，水池水位突然下降，要么是进水管关掉了，要么是水池出现了新的漏水点。
新用户流量变化通常需要与渠道做交叉分析，去观察哪个渠道的龙头关掉了。我遇到过几次新用户降低的情况，这种情况通常没什么技术含量，基本都是因为有投放到期或者欠费了，这时候充钱就行了。
如果新用户没有变化，而是老用户的流量暴跌，通常是召回手段出了问题，比如推送没发出去，邮件服务停了等等。
这种情况通常可以跟产品模块流量交叉分析，比如平时推送内容是商品推荐，如果昨天的推送失败了，那么商品详情页的流量可能就会显著下降。
2. 不同行为模式的用户除了对用户的客观属性进行分类外，我们还可以从业务出发对用户进行分类，通过根据用户在产品中的行为和轨迹，为用户加上各种标签来区分用户。
这个过程我们可以做得很复杂，以至于变成一个动态的用户画像分析系统。我们平时看到的电商或内容网站的推荐系统，背后其实通常都会有复杂的数据和算法支撑。这样的系统需要对用户画像的业务维度做出划分，然后尽可能多的收集用户行为偏好以便精准分类。
比如，电商网站会考虑用户的购买力、信用特征、心理特征、社交网络连接等等。
我们从日志系统里面抽出用户的行为轨迹，通过一些方法，去掉时效性和一些非典型性行为的影响，做一些聚类和分类的工作，再归到各个用户维度中去。这样就可以做好一个精准分类了。
如果你已经有了这样的数据系统支撑，那么在做用户分类的时候，应该会有很大的余地，面对“流量骤降 20%”的情况，可以快速地找出流失部分的用户类型。
当然了，据我所知大部分团队没有这么高端的系统支撑。不过也没关系，简陋也有简陋的做法，我们还是可以通过一些典型行为或者手边现成的工具，给用户一个快速分类。
比如，我之前在做一个垂直领域电商系统时，是用 GA 作为数据统计工具的。GA 有一个用户分割（User Segment）的功能，可以根据一些行为特点将用户类型分开，于是我在这里为用户做了很多粗略的分类。
当时网站上有商品以及一些资料和内容，我会根据着陆页和页面轨迹把用户分为“来买东西的”和“来学习的”，也会根据用户是否有“点击过商品页面上商家的联系方式”，把他们分为“想买的”和“逛逛的”，以及根据用户在一个 session 中是否访问过多个商品详情页把他们分为“诚心买的”和“路过的”等等。
你也可以试着考虑一下在你的产品体系中，有哪些行为可以帮助做各种有业务意义的用户分类。比如在我们的抽奖助手产品中，我们就可以区分“发起抽奖的”和“参与抽奖的”，以及“喜欢分享的”和“不喜欢分享的”等等。
如果可以通过这些维度差异去交叉对比流量，有可能会发现一些有趣的现象。比如流量的暴跌是“因为来买东西的人少了，还是来学习的少了”“是想买的不来了，还是纯粹逛一逛的不来了”等等。通过这样方式筛下来，也许我们可以看出一些端倪。
其实，即便不是面对流量暴跌的场景，只是单纯去试着分类和交叉分析，我们也会发现很多有意思的数据现象，你不妨试试看。
这里有一点要特别注意的是，在我们设计的情境中，我们用的指标是“流量”而非用户量，这就有一种可能是在用户量没有特别变化的情况下，由于访问深度的减少而导致的流量减少。
这就意味着上述的种种分析过程，你除了用户数量的变化之外，也需要看到浏览数量的变化，以及用户停留时长的变化。在大部分情况下，只要用户数和停留时长没有太大波动，流量的变化并不会立刻威胁产品的健康状态。
3. 业务有关的数据因果聊完用户分析，我们再回到产品本身，从业务的角度看看如何去做数据分析。在前面增长部分的分享中，我们聊到过如何拆解业务公式，产品中的任何一个业务数字，都应当可以逆向推出计算方法。
在我们提到的这个情境中，流量下降 20% 是果，那么我们需要往前分解找到业务上的因。
我在这里举个例子，如果极客时间的流量下降 20%，假设我们找到流量下降的主要位置是专栏文章详情页。那我们可以逆向拆解：
文章详情页浏览量 = 当日更新文章数 x 当日文章平均浏览量 + 存量文章数 x 存量文章平均浏览量。
(滑动查看公式)
在此基础之上，我们可以进一步分析，是不是当日的更新文章少了，或者更新的专栏订阅数或阅读率偏低了，以便做出进一步的调整。
在做业务有关的数据分析时，我们要尽可能地把粒度拆得小一点，才能有的放矢。在接下来的分享中，我们还会反复地提到这一个原则。
因为我们是产品经理，是专业人士，专业人士和普通人的最大差异，就是我们能够看到并理解足够完整的微观信息，将它们有条理地串到一起。
4. 其他不可抗因素除了一些我们能够分析、定位以及解决的问题之外，还有一些我们也无能为力的情况。做事讲究天时地利人和，做产品也是一样。比如就在上个月，九月初的那几天，好多小程序和小游戏流量暴跌，分析到最后，大家才意识到，原来是因为开学导致的。
除此之外，政策原因也经常是造成数据波动的主要原因。比如搜索引擎又迭代了排序算法，这可能就会给以搜索引擎流量为主的产品带来不小的影响。再比如微信又调整了分享策略，关掉了接口或者限制了虚拟支付等等。
只要做产品，就要学会与所有这些变化共处。当流量因为这些原因暴跌 20%（甚至可能更多）的时候，我们还是要保持心态平和，该调整调整，该转向转向，千万不要被这些事情打垮，这就不值得了。
5. 总结今天的内容就到这里，我们从上一次的场景出发，对用户层面进行了拆解，用户首先分为新老用户，我们需要根据不同的群体，选择不同的策略。
接下来我们再把用户按照不同的行为模式拆解分类，在这个过程中，我们可以发现很多有趣的数据现象。最后我们还聊到业务的数据因果，这里需要把粒度拆得尽量小，才会有的放矢。
在下一次分享，我们会给这个情境收个尾，聊一聊怎样做好数据分析之后的沟通和应对。关于数据分析的内容，你有什么问题的话，也欢迎你留言分享讨论，我们下次再见！

分享给需要的人，Ta购买本课程，你将得18元

生成海报并分享

赞 7

提建议

23 | 突发式流量数据暴跌，产品经理应该如何应对？【分析篇】

25 | 突发式流量数据暴跌，产品经理应该如何应对？【处理篇】

 写留言

精选留言(7)

Novelty
2018-10-15
正如二爷所述从用户角度去拆解流量流失问题，关键是要找到适合自身产品特性的维度，除了客观用户属性诸如：年龄，性别，新老客户等，我们还可以根据在CRM中以用户的标签为维度进行拆解。但我认为在实际工作中最考验人的地方不在于对数据多维度的拆解，而在于我们找到问题点后需要从新把拆解的维度进行聚合分析。就像得出某类特征用户在某个页面的流量流失很厉害，最终我们还是要不断的匹配不同的维度，回到宏观层面去分析是什么原因导致的。
展开
3
桃园悠然在
2018-10-24
二爷提到开学初家长齐齐送小孩导致的流量暴跌，联想到知乎上经常有借助爬虫插件、百度指数、google trends 等工具分析社会现象的帖子，看完都不明觉厉。请教二爷有必要自己上手做这样的实操练习用于熟悉分析工具、培养数据感觉甚至积累经验吗？正确的练习方式应该是怎样呢？多谢了。
1
大硕
2018-10-19
讲的好
大硕
2018-10-19
这节课讲的好
听天由己
2018-10-15
学会与数据共存。数据给我们带来的是不同维度且更为精细的展示，有时我们的感觉并不靠谱，产品也是如此，光靠记忆是不准确的，有时候冷冰冰的数字反而更为代表真实的用户行为，在数据达到一定程度时，这样的分析更有作用。不过，我突然想到，将一个人拆解为如此细分的颗粒，像今日头条那般换取商业利益，这样的算法是否有解呢？
展开
1
脑壳疼
2018-10-15
想问二爷，今天饿了么和百度外卖正式宣布了合并。但是我一直有个疑问，这种同类型产品的合并，如果你是其中一家的产品经理，会如何在接下来的产品规划中，打造异同点和相同点呢？
共 1 条评论
雪兰
2018-10-15
一个项目上线后对两周数据复盘，复盘关注点是将上线前和上线后的数据进行环比分析转化和营收，还是必须拿AB测的数据进行分析才行。

