數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品優(yōu)化

如今，隨著大數(shù)據(jù)和精益數(shù)據(jù)分析的普及流行猴仑，不會(huì)看數(shù)據(jù)的產(chǎn)品經(jīng)理也不能稱作合格的產(chǎn)品經(jīng)理了审轮。為了能夠使我們的產(chǎn)品設(shè)計(jì)更加智能疾渣，避免拍腦袋/因果驅(qū)動(dòng)的產(chǎn)品設(shè)計(jì)榴捡，產(chǎn)品經(jīng)理在產(chǎn)品設(shè)計(jì)階段就要考慮結(jié)合自己產(chǎn)品的業(yè)務(wù)目標(biāo)來定義對(duì)應(yīng)的數(shù)據(jù)統(tǒng)計(jì)指標(biāo)吊圾，在產(chǎn)品灰度或者上線時(shí)跟蹤產(chǎn)品運(yùn)營(yíng)數(shù)據(jù)的變動(dòng)，分析趨勢(shì)板丽，發(fā)現(xiàn)問題埃碱。

然而啃憎，現(xiàn)在的很多公司在產(chǎn)品設(shè)計(jì)和運(yùn)營(yíng)方面常常存在如下問題：1）效率低辛萍，錯(cuò)過了利用數(shù)據(jù)決策的最好機(jī)會(huì)贩毕。數(shù)據(jù)工程師由于面對(duì)來自產(chǎn)品辉阶、運(yùn)營(yíng)甚至boss的數(shù)據(jù)需求，并且有些數(shù)據(jù)準(zhǔn)備得不充分规辱，數(shù)據(jù)來源并不好罕袋，需要重新獲取數(shù)據(jù)浴讯，導(dǎo)致整個(gè)跑數(shù)據(jù)的流程非常耗時(shí)兰珍。2）數(shù)據(jù)分析的指標(biāo)需要更加細(xì)化。例如用戶流失亮元，僅看宏觀的儀表盤數(shù)據(jù)是遠(yuǎn)遠(yuǎn)不夠的奉瘤，要按地域盗温、渠道等不同方式切分進(jìn)行追查卖局，看是整體量下滑還是某一個(gè)渠道出現(xiàn)問題造成的用戶流失批销。

如何去研究數(shù)據(jù)均芽，用好數(shù)據(jù)掀宋，來更好地幫助我們進(jìn)行產(chǎn)品設(shè)計(jì)和產(chǎn)品迭代優(yōu)化布朦？我覺得應(yīng)該從產(chǎn)品數(shù)據(jù)分析的目的談起是趴。

什么是數(shù)據(jù)

數(shù)據(jù)的四個(gè)屬性包括：時(shí)間、地點(diǎn)掸驱、人物温赔、事件陶贼。例如拜秧，我們要分析電商的交易數(shù)據(jù)枉氮，那么這個(gè)數(shù)據(jù)可以被細(xì)化為：時(shí)間戳楼肪、交易發(fā)生的地點(diǎn)淹辞、買家象缀、購(gòu)買的產(chǎn)品/支付價(jià)格/支付手段央星。
注意：真正的用戶行為往往都是以事件為核心的數(shù)據(jù)莉给。

數(shù)據(jù)分析的目的

做數(shù)據(jù)分析颓遏，必須要有明確的目的叁幢，清楚要如何通過數(shù)據(jù)來驗(yàn)證和得出產(chǎn)品迭代優(yōu)化的功能點(diǎn)，如何通過運(yùn)營(yíng)和產(chǎn)品設(shè)計(jì)來提升轉(zhuǎn)化率黍判，增加商業(yè)變現(xiàn)的價(jià)值顷帖。下表列出了數(shù)據(jù)分析在產(chǎn)品不同階段的關(guān)注重點(diǎn)。

產(chǎn)品階段	關(guān)注重點(diǎn)	商業(yè)價(jià)值
冷啟動(dòng)/增長(zhǎng)前期	需求驗(yàn)證震糖，功能打磨優(yōu)化考察核心指標(biāo)（日活/月活/留存），理解歷史數(shù)據(jù)的變化及原因颁井，知道自己產(chǎn)品當(dāng)前正在發(fā)生什么	低雅宾，目的是能夠讓產(chǎn)品跑出用戶自然增長(zhǎng)的曲線眉抬，為未來增長(zhǎng)期提供基準(zhǔn)數(shù)據(jù)
增長(zhǎng)期	基于數(shù)據(jù)，預(yù)測(cè)不同類型的用戶群體使用產(chǎn)品的行為库北，從產(chǎn)品和運(yùn)營(yíng)的角度提供可行解決方案寒瓦，讓產(chǎn)品有更好的拉新、轉(zhuǎn)化和留存效果颈墅。	中恤筛，以數(shù)據(jù)驅(qū)動(dòng)分方式大規(guī)模獲取客戶毒坛。主要以留存度為考量，專注幾個(gè)核心功能點(diǎn)的突破豪直，挖掘產(chǎn)品對(duì)于用戶的核心價(jià)值末融。優(yōu)化各個(gè)渠道暇韧，提高單位時(shí)間的轉(zhuǎn)化效率巧婶。
業(yè)務(wù)變現(xiàn)期	在高用戶基數(shù)的基礎(chǔ)上如何做到產(chǎn)品的全局優(yōu)化艺栈，即多個(gè)產(chǎn)品線，多個(gè)維度（價(jià)格诅需、營(yíng)銷、產(chǎn)品設(shè)計(jì)荧库、銷售）如何找到最好的平衡點(diǎn)堰塌，實(shí)現(xiàn)利益最大化。	高分衫，對(duì)轉(zhuǎn)化漏斗的每個(gè)環(huán)節(jié)持續(xù)追蹤场刑，做好精細(xì)化的數(shù)據(jù)運(yùn)營(yíng)。通過市場(chǎng)營(yíng)銷蚪战、產(chǎn)品改進(jìn)牵现、客戶運(yùn)營(yíng)等多種方式來協(xié)同提升付費(fèi)和營(yíng)收。

數(shù)據(jù)分析的方法

數(shù)據(jù)分析的第一步是收集數(shù)據(jù)。收集數(shù)據(jù)就要做好數(shù)據(jù)埋點(diǎn)，即在應(yīng)用的功能邏輯代碼中添加統(tǒng)計(jì)代碼，統(tǒng)計(jì)出我們所需要的指標(biāo)數(shù)據(jù)。目前主流的數(shù)據(jù)埋點(diǎn)要么是自己加入統(tǒng)計(jì)代碼并搭建自己的數(shù)據(jù)查詢分析后臺(tái)，要么是接入第三方統(tǒng)計(jì)平臺(tái)的SDK空免，在移動(dòng)應(yīng)用方面坝咐，國(guó)外多采用Google Analytics，國(guó)內(nèi)基本采用的是友盟。這一兩年國(guó)內(nèi)也出現(xiàn)了許多新的移動(dòng)應(yīng)用數(shù)據(jù)統(tǒng)計(jì)的創(chuàng)業(yè)產(chǎn)品专筷，例如GrowingIO和諸葛IO味咳，其統(tǒng)計(jì)精確度和易用性還有待市場(chǎng)驗(yàn)證掂铐。

收集完應(yīng)用數(shù)據(jù)后，一般會(huì)根據(jù)運(yùn)營(yíng)或產(chǎn)品部門所定的產(chǎn)品指標(biāo)分別輸出各種統(tǒng)計(jì)報(bào)表，但分析不能只僅僅停留在報(bào)表的基礎(chǔ)旧困，還要輸出成產(chǎn)品或運(yùn)營(yíng)優(yōu)化的方案和措施。因此登夫，大部分互聯(lián)網(wǎng)公司現(xiàn)在除了分析業(yè)務(wù)數(shù)據(jù)的報(bào)表以外分唾，還陸續(xù)引入大數(shù)據(jù)BI分析或者機(jī)器學(xué)習(xí)平臺(tái)鞍爱，建立一套智能分析的數(shù)據(jù)科學(xué)框架，用于輔助員工進(jìn)行決策和改進(jìn)產(chǎn)品斑鼻。

產(chǎn)品數(shù)據(jù)分析的層次

對(duì)產(chǎn)品用戶和行為數(shù)據(jù)的研究自頂向下可以分為三個(gè)層面碾阁，宏觀層食听、中間層和微觀層。

宏觀層

宏觀層由一系列的產(chǎn)品數(shù)據(jù)指標(biāo)構(gòu)成，這些基本的數(shù)據(jù)指標(biāo)可以從多個(gè)方面來幫助我們把握產(chǎn)品的設(shè)計(jì)合理性和運(yùn)營(yíng)情況。

（一）用戶規(guī)模和質(zhì)量

一款產(chǎn)品的用戶規(guī)模和質(zhì)量大致可以從新增用戶弦悉、活躍用戶、用戶構(gòu)成缩膝、用戶留存等幾個(gè)方面來評(píng)估分析刮吧。

用戶規(guī)模和質(zhì)量的評(píng)估指標(biāo)

新增用戶指標(biāo)

指標(biāo)	指標(biāo)說明
新增用戶	第一次啟動(dòng)應(yīng)用的用戶（以設(shè)備為判斷標(biāo)準(zhǔn)贸辈，即一個(gè)用戶以ipad和iphone分別啟動(dòng)用戶释树，算兩個(gè)新增用戶）用于衡量營(yíng)銷推廣效果的指標(biāo)
新增用戶占比	某時(shí)段內(nèi)新增用戶占該時(shí)段活躍用戶的比例。用于衡量產(chǎn)品的健康度擎淤。占比太高奢啥，有可能用戶基本靠運(yùn)營(yíng)活動(dòng)拉來的，沒有沉淀嘴拢，流失風(fēng)險(xiǎn)大桩盲。

活躍用戶指標(biāo)

活躍用戶是指某個(gè)時(shí)間周期內(nèi)，啟動(dòng)過應(yīng)用的用戶（去重）席吴。啟動(dòng)過一次的用戶即視為活躍用戶赌结，包括新用戶和老用戶。該指標(biāo)用于衡量用戶規(guī)模和質(zhì)量孝冒。
活躍用戶一般是按設(shè)備來統(tǒng)計(jì)的柬姚，統(tǒng)計(jì)一個(gè)周期內(nèi)啟動(dòng)過設(shè)備的數(shù)量。

指標(biāo)	指標(biāo)說明
日活躍用戶（DAU）	當(dāng)天啟動(dòng)過應(yīng)用的用戶（去重）庄涡，可分為自然日（當(dāng)天凌晨0時(shí)至當(dāng)晚24時(shí)）和營(yíng)業(yè)日（當(dāng)天凌晨6時(shí)到次日凌晨6時(shí)）量承，按營(yíng)業(yè)日計(jì)算一般是考慮到某些線下支付業(yè)務(wù)需要與商家對(duì)賬的考慮。
周活躍用戶（WAU）	當(dāng)周啟動(dòng)過應(yīng)用的用戶（去重），周區(qū)間定義為周日至次周周六
月活躍用戶（MAU）	當(dāng)月啟動(dòng)過應(yīng)用的用戶（去重）
活躍用戶占比	某日/周/月的活躍用戶占所選時(shí)間段總活躍用戶的比例撕捍，例如昨日活躍/過去7天活躍拿穴，或者昨日活躍/過去30天活躍
月活躍率	月活躍用戶占截至當(dāng)月累計(jì)用戶的比例
沉默用戶	用戶僅在安裝日（及安裝次日）啟動(dòng)，且在后續(xù)時(shí)間內(nèi)無啟動(dòng)行為忧风。該指標(biāo)可以反映出新增用戶的質(zhì)量以及與應(yīng)用的匹配度贞言。

需要注意的是，要根據(jù)產(chǎn)品的屬性來重點(diǎn)關(guān)注日活阀蒂、周活還是月活该窗，像新聞、社交蚤霞、音樂這樣的高頻應(yīng)用酗失，日活是重點(diǎn)考察的指標(biāo)，月活則相對(duì)權(quán)重小一些昧绣。

用戶構(gòu)成指標(biāo)

指標(biāo)	指標(biāo)說明
活躍用戶構(gòu)成	某日/周/月活躍用戶中新用戶與老用戶的分布规肴。用于判斷產(chǎn)品的健康程度。
本周回流用戶	上周未啟動(dòng)應(yīng)用夜畴，本周啟動(dòng)應(yīng)用的活躍用戶
近期流失用戶	連續(xù)n周（1<=n<=4）沒有啟動(dòng)過應(yīng)用的用戶
周活躍用戶	當(dāng)周啟動(dòng)過應(yīng)用的用戶（去重）
連續(xù)活躍用戶	連續(xù)活躍2周以上的用戶
連續(xù)活躍n周用戶	連續(xù)n周拖刃，每周至少啟動(dòng)過一次應(yīng)用的活躍用戶（第n+1周沒有啟動(dòng)）
忠誠(chéng)用戶	連續(xù)活躍5周及以上的用戶

我們一般將用戶分為新用戶和老用戶，主要關(guān)注流量和轉(zhuǎn)化率兩塊內(nèi)容贪绘，通過渠道引流拉新來的新用戶需要轉(zhuǎn)化為老用戶兑牡，老用戶則會(huì)留存或流失。如果老用戶發(fā)生了流失税灌，那么一般需要通過推送均函、活動(dòng)（積分、簽到菱涤、任務(wù)）苞也、發(fā)布新版本等方式，提升內(nèi)容質(zhì)量或者功能特性來吸引回流用戶粘秆。

用戶構(gòu)成指標(biāo)

用戶留存率指標(biāo)

用戶留存率一般是用來衡量應(yīng)用對(duì)用戶吸引力的重要指標(biāo)如迟。一般情況下，3日留存率移動(dòng)游戲最高攻走，7日留存率一般是所有留存里下降最多的殷勘。如果一個(gè)應(yīng)用的留存率發(fā)生了較大變化，可能的原因一方面是推廣渠道的變化使得用戶質(zhì)量產(chǎn)生了變化陋气。

指標(biāo)	指標(biāo)說明
次日留存用戶	下載啟動(dòng)應(yīng)用后的第2天仍然使用應(yīng)用的用戶
3日留存用戶	下載啟動(dòng)應(yīng)用后的第4天仍然使用應(yīng)用的用戶
7日留存用戶	下載啟動(dòng)應(yīng)用后的第8天仍然使用應(yīng)用的用戶
14日留存用戶	下載啟動(dòng)應(yīng)用后的第15天仍然使用應(yīng)用的用戶
月留存用戶	下載啟動(dòng)應(yīng)用后的次月第1天仍然使用應(yīng)用的用戶

除了以上幾類的指標(biāo)外劳吠，還有一些指標(biāo)也可以用于衡量應(yīng)用質(zhì)量，例如每個(gè)用戶總活躍天數(shù)指標(biāo)巩趁，這個(gè)指標(biāo)是統(tǒng)計(jì)平均每個(gè)用戶在應(yīng)用上活躍的天數(shù)（通常以年為單位）痒玩，反映了用戶流失之前在應(yīng)用上耗費(fèi)的天數(shù)淳附，用于衡量用戶活躍程度和質(zhì)量。

（二）參與度分析
衡量用戶參與度主要從PV/UV蠢古、啟動(dòng)次數(shù)指標(biāo)奴曙、使用時(shí)長(zhǎng)、使用時(shí)間間隔和訪問頁面幾個(gè)維度來考察草讶。

PV/UV
PV指頁面訪問量洽糟，UV指唯一訪客量（用戶去重，記錄cookie）堕战。

啟動(dòng)次數(shù)指標(biāo)
既要關(guān)注總體趨勢(shì)坤溃，也要關(guān)注平均啟動(dòng)次數(shù)，通常和人均使用時(shí)長(zhǎng)以及日活躍用戶數(shù)關(guān)聯(lián)起來分析活躍用戶對(duì)產(chǎn)品的參與度嘱丢。

指標(biāo)	指標(biāo)說明
總啟動(dòng)次數(shù)	打開應(yīng)用視為啟動(dòng)薪介，完全退出或退至后臺(tái)即視為取啟動(dòng)結(jié)束。根據(jù)產(chǎn)品實(shí)際情況越驻，一般統(tǒng)計(jì)日啟動(dòng)次數(shù)（社交）或周啟動(dòng)次數(shù)（在線教育或娛樂）汁政。
人均啟動(dòng)次數(shù)	總啟動(dòng)次數(shù)/活躍用戶

使用時(shí)長(zhǎng)
用于衡量產(chǎn)品活躍度和使用質(zhì)量的。單次使用時(shí)長(zhǎng)長(zhǎng)說明產(chǎn)品用戶黏性比較好缀旁。

指標(biāo)	指標(biāo)說明
人均使用時(shí)長(zhǎng)	一定周期內(nèi)的應(yīng)用總使用時(shí)長(zhǎng)/活躍用戶
單次使用時(shí)長(zhǎng)	一定周期內(nèi)的應(yīng)用總使用時(shí)長(zhǎng)/啟動(dòng)次數(shù)

訪問頁面
用戶一次啟動(dòng)內(nèi)訪問的頁面數(shù)记劈。通過比較不同訪問頁面數(shù)對(duì)應(yīng)的活躍用戶分布，可以發(fā)現(xiàn)頁面設(shè)計(jì)上可能存在的問題以及可以優(yōu)化體驗(yàn)的功能點(diǎn)并巍。

使用時(shí)間間隔
使用時(shí)間間隔是統(tǒng)計(jì)同一個(gè)用戶相鄰兩次啟動(dòng)間隔的時(shí)間長(zhǎng)度目木。在固定的查詢時(shí)段內(nèi)只啟動(dòng)過一次的用戶記為首次。使用時(shí)間間隔的統(tǒng)計(jì)是為了還原使用場(chǎng)景履澳。

（三）渠道分析
對(duì)渠道推廣的用戶質(zhì)量進(jìn)行評(píng)估嘶窄，分析用戶行為是否正常（使用時(shí)長(zhǎng)怀跛、使用機(jī)型距贷、使用時(shí)間），研究推廣渠道所帶來的用戶的真實(shí)性和質(zhì)量吻谋。

（四）用戶屬性分析
設(shè)備終端分析（消費(fèi)者層級(jí)分類定位）android/iphone端的活躍用戶忠蝗、新增用戶、啟動(dòng)用戶
網(wǎng)絡(luò)及運(yùn)營(yíng)商分析（wifi/3G/4G漓拾，移動(dòng)/聯(lián)通）活躍用戶阁最、新增用戶、啟動(dòng)用戶
地域分析按省市劃分的活躍用戶骇两、新增用戶速种、啟動(dòng)用戶統(tǒng)計(jì)
用戶畫像分析包含多個(gè)維度，例如自然屬性（性別低千、年齡配阵、學(xué)歷、收入、支出棋傍、職業(yè)救拉、行業(yè)）、個(gè)人興趣（音樂瘫拣、電影亿絮、健身、寵物）麸拄、商業(yè)興趣（房產(chǎn)派昧、汽車、金融）拢切。需要建立數(shù)據(jù)平臺(tái)對(duì)大量數(shù)據(jù)（用戶路徑斗锭、用戶行為）進(jìn)行整理標(biāo)注，同時(shí)配合用戶訪談失球。

中間層

中間層由一系列相互關(guān)聯(lián)的分析方法岖是、模型以及相應(yīng)的數(shù)據(jù)構(gòu)成。常見的如漏斗分析实苞、AARRR分析豺撑、交叉分析、用戶畫像等黔牵。

漏斗分析
漏斗分析一般是用于產(chǎn)品各個(gè)關(guān)鍵路徑轉(zhuǎn)化率的分析聪轿。我們?yōu)楫a(chǎn)品定義若干關(guān)鍵路徑，通過用戶從進(jìn)入頁面到最終完成操作這個(gè)過程中用戶數(shù)量的變化趨勢(shì)猾浦，來發(fā)現(xiàn)產(chǎn)品功能設(shè)計(jì)上的問題以及流程上的復(fù)雜性陆错，再有針對(duì)性的去優(yōu)化和改善。

AARRR模型分析
AARRR（Acquisition金赦、Activation音瓷、Retention、Revenue夹抗、Refer）是硅谷目前比較流行的產(chǎn)品數(shù)據(jù)分析模型绳慎，分別是指獲取、激活漠烧、留存杏愤、收入和推薦。

AARRR模型

交叉分析法
通常是把縱向?qū)Ρ群蜋M向?qū)Ρ染C合起來已脓，并對(duì)總體數(shù)據(jù)指標(biāo)進(jìn)行細(xì)分珊楼，對(duì)數(shù)據(jù)進(jìn)行多角度的結(jié)合分析。例如度液，我們可以將移動(dòng)端的新增用戶按Android和iOS進(jìn)行平臺(tái)劃分厕宗，同時(shí)結(jié)合月份分布進(jìn)行交叉分析邓了。

	4月	5月	6月	總計(jì)
iOS
Android
總計(jì)

同時(shí)我們可以將Android端的新增用戶按渠道進(jìn)行二次劃分，這樣對(duì)于各渠道的用戶增長(zhǎng)就一目了然了媳瞪。

	渠道	4月	5月	6月	總計(jì)
iOS	App Store
	總計(jì)
Android	預(yù)裝渠道
	市場(chǎng)渠道
	地推渠道
	廣告渠道
	總結(jié)

微觀層

由產(chǎn)品中每個(gè)用戶及其行為的細(xì)節(jié)數(shù)據(jù)構(gòu)成骗炉。包括頁面埋點(diǎn)、事件埋點(diǎn)蛇受、功能活躍指標(biāo)句葵、頁面訪問路徑等。這些數(shù)據(jù)可以讓我們?nèi)ド钊氲牧私夂屠斫饷恳粋€(gè)用戶以及用戶的行為兢仰。