惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园 - 【当耐特】
Stack Overflow Blog
Stack Overflow Blog
V
Visual Studio Blog
小众软件
小众软件
The Cloudflare Blog
T
Tailwind CSS Blog
Apple Machine Learning Research
Apple Machine Learning Research
爱范儿
爱范儿
美团技术团队
WordPress大学
WordPress大学
罗磊的独立博客
Microsoft Azure Blog
Microsoft Azure Blog
A
About on SuperTechFans
Last Week in AI
Last Week in AI
月光博客
月光博客
博客园 - Franky
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
G
Google Developers Blog
GbyAI
GbyAI
B
Blog
大猫的无限游戏
大猫的无限游戏
博客园 - 聂微东
Hugging Face - Blog
Hugging Face - Blog
博客园 - 叶小钗

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
B端产品,如何用数据衡量价值?
Will · 2022-06-08 · via 人人都是产品经理

编辑导语:许多B端产品经理可能都很想知道,如何用数据来衡量B端产品的价值呢?本文将围绕商业属性、工具属性、产品竞争力和用户满意度这几个数据指标维度来展开讲述,希望对你有所帮助。

在业务方提需求时,你会不会困惑于是否要接这个需求?

在做阶段汇报、简历撰写时,你会不会对价值衡量感到无所适从?

在被面试官问及,说说你们产品的关键指标时,你是否会心里咯噔一下?

难以量化B端产品的价值,是B端产品经理们的共同痛点。

那么该如何量化呢?

本文将通过商业属性、工具属性、产品竞争力和用户满意度这几个数据指标维度,给你提供一些参考。

一、商业属性数据指标

长期来看,产品能够持续、正向发展,需要实现比较好的商业化。

不然等烧完融资的钱,商业化不成功,团队就地解散也有可能。

那么如何衡量呢?

基于产品的销售方式,如终端用户数订阅、模块订阅或者买断等,我们可以来计算产品的商业属性指标——新购、续费。

  • 产品新购数据,例如月度的产品新购增减数值,新购同比数据
  • 产品续费数据,例如月度、年度的产品续费增减数值,续费同比数据

当然,大部分产品经理在岗位定位上不需要背商业化数据指标,但这不代表这就不关你的事了。

如果自己部门没有看这些指标,可以自己找找数据源,估算一下,或找到负责对商业属性做分析的同事探讨。

若有了一些探索和结论,可以找领导聊聊。

二、工具属性数据指标

B端产品的工具属性方向就是降本增效,那如何体现降本增效成功了呢?

1. 活跃度/使用偏好

产品是否有人用,是否持续有人用,使用中有什么偏好。

第一个是企业/用户活跃数,我们可以依据产品使用频率来确定按日周月还是哪个时间维度计算比较好,如果是每天都需使用的产品,那以每日活跃数计算;

其次是企业/用户留存率,同样可以依据产品使用频率来确认时间维度。

第三则是用户使用偏好,例如单个功能在所有功能中的渗透率,不同功能的次数/人数比,来挖掘用户在产品中不同功能的使用频次和偏好。

2. 产品想解决的核心问题,通过数据指标来衡量

基于产品的核心价值,我们可以设定核心指标,维度包括比率、数值。

例如一个审批工具,核心的数据就是审批完成率,用户进入审批页面是否如愿完成审批,而中断审批会导致完成率低,就需要去归因了,这是第1种——比率。

其次是平均审批时间,不同分类的用户审批平均时长,是否较稳定或降低,或者出现大波动。

这是第2种,数值,更多时候就是通过时长、金钱等成本来衡量,如在关键环节上所减少的人力成本时间。

这些数据的基础是要有做埋点,可以使用第三方的数据埋点平台,或公司自行搭建。

如果没有埋点,都没有数据怎么办?

可以进行规划和预想,如果自己来制定数据验证价值体系的话,该怎么设计?

当没有标准的时候,自己尝试指定规则。

3. 产品稳定性

B端产品还有一个关键指标,就是稳定。

企业产品可能是工作、生产中的重要一环,一旦宕机不可用,势必影响较大。

属于做得好是必须的,也不会被表扬,做得不好会被吊的。

可以按照产品稳定率,即产品正常使用时间/该阶段时间来计算,也可以按照不同分类Bug在一段时间内的出现次数来衡量。

三、用数据展示产品竞争力

在产品同质化的形势下,客户为什么选择购买你的产品,用户为什么更加喜欢你的产品体验。

一个重要的因素就是产品与竞品相比,有很强的竞争力和优势。

可以想想自己是个售前同事,要去向客户推销这款产品,如何让他相信你的产品。

或者想想自己吸引了用户来到你的网站首页,如何吸引他试用、购买你的产品。

如何打动客户、用户呢?

这里就是我们要说的第三种价值衡量数据指标——产品功能竞争力。

第一个是同类型产品核心功能、场景,自己覆盖了多少个,比率如何。

这些可以体现产品的成熟度,而自己又为产品成熟度做出了什么;

第二个是在同类型产品中,自家产品的差异化功能、场景,数量和比率如何。

这些体现了产品的特有优势,是当前产品强于竞争对手的价值。

以上的产品功能,如果能辅以一些核心数据指标,那就更棒了。

四、用户满意度与NPS数据指标

在产品实践中,可能商业属性、工具属性上的数据,相对难以获取并得到有效实践。

这时候可以选择相对更加简单的数据验证方式——用户满意度和NPS。

用户满意度,我们可以基于产品、模块或功能维度,来设计问卷。

让客户对于这些维度进行打分,并且阶段性的做对比,来判断产品的优化程度、满意度。

净推荐值(NPS,NetPromoter Score),客户是否愿意将这个产品推荐给其他人。

按照1~10分,来量化,其中1~6为贬损者,7、8为被动者,9、10为推荐者。

NPS就等于推荐者数减去贬损者数,再除以总样本数的比值。

对此感兴趣的可以直接搜索NPS,也有第三方公司提供现成的工具使用。

五、小结

总结一下,B端产品数据化衡量指标的几个维度:

工具属性数据指标,如核心功能的使用数据、渗透率等,足以证明产品有足够的活跃用户,且在降本增效上是确有成效,这为产品的用户价值打下了坚实的基础。

其次可以通过用户满意度、NPS来证明产品用户价值。

产品竞争力则决定了产品发展的上限,面对同样画像的客户,人无我有,人有我精,在垂直领域内,我们的产品是否有足够的竞争力,这决定了产品发展能走的多远,上升到多高的高度,而这也体现在了产品的商业价值上,即商业属性数据指标。

以上,希望对你有帮助,欢迎讨论~

本文由 @Will黄学霖 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议