App數(shù)據(jù)分析到底要分析什么

按大眾化的分法，產(chǎn)品的生命周期(PLC, Product Lifetime Cycle)分為初創(chuàng)期、成長期、成熟期、衰退期，在產(chǎn)品的每個階段，數(shù)據(jù)分析的工作權(quán)重和分析重點有所區(qū)別，下面按階段結(jié)合案例來聊聊。

一、初創(chuàng)期

初創(chuàng)期的重點在于驗證產(chǎn)品的核心價值，或者說驗證產(chǎn)品的假設(shè)：通過某種產(chǎn)品或服務(wù)可以為特定的人群解決某個問題。這個階段應(yīng)當(dāng)遵循MVP(Minimum Variable Product) 的思想，以最小的成本來驗證創(chuàng)業(yè)的想法，并根據(jù)用戶的反饋快速迭代以調(diào)整解決方案，最終在數(shù)據(jù)上得到驗證。

案例：

拿之前做的某款國外移動端論壇社交應(yīng)用為例，產(chǎn)品在idea時期(12,13年左右)發(fā)現(xiàn)了論壇用戶經(jīng)常在吐槽從移動端Wap頁訪問論壇速度慢、廣告多、完全沒有移動端適配，于是我們提出假設(shè)：做一個App，連接論壇系統(tǒng)與用戶，讓論壇用戶在移動端也能享受流暢的論壇訪問體驗，并且用戶愿意為了這種體驗付費。

于是在初期，整個產(chǎn)品完全圍繞看帖、發(fā)帖兩個核心場景進(jìn)行挖掘，在論壇里進(jìn)行宣傳，售價$18，發(fā)現(xiàn)有許多用戶為之付費，且這些用戶的留存率達(dá)到60%+(當(dāng)然與用戶付費了有關(guān))，有一半的用戶使用時長都超過了70分鐘。當(dāng)時沒過多久陸續(xù)出來了一些競品 (Vbulletin團(tuán)隊，當(dāng)時最大的論壇系統(tǒng)，開發(fā)了一個移動端的App，意圖解決同樣的問題)，但是沒過多久都遠(yuǎn)遠(yuǎn)落在了我們后面，就是因為整個團(tuán)隊遵循MVP的思想，按用戶反饋專心反復(fù)打磨看帖、發(fā)帖的流暢體驗，獲得了非常好的用戶口碑并領(lǐng)先市場，也獲得了某著名硅谷投資機(jī)構(gòu)的投資。

關(guān)鍵數(shù)據(jù)——目標(biāo)人群畫像

除此之外，初創(chuàng)期可以通過接入一些第三方的應(yīng)用監(jiān)測SDK來了解初期用戶群體的畫像，從側(cè)面驗證用戶群體與假設(shè)的目標(biāo)用戶群體特征是否一致，常見的是人口學(xué)屬性(性別、年齡、學(xué)歷、地域)。

案例：

今年4月初在和國內(nèi)某健身類的APP的產(chǎn)品經(jīng)理聊到， 該APP最初是一款健身、運動記步的工具App，在產(chǎn)品前期新用戶的次日留存處于業(yè)內(nèi)平均水平，在其觀察到目標(biāo)用戶群體的畫像時，發(fā)現(xiàn)女性用戶明顯比男性用戶要多，且女性用戶留存明顯比男性用戶要高。于是決定在產(chǎn)品策略上向女性用戶傾斜，主攻女性健身、減脂、美容方向的功能以及內(nèi)容推薦，產(chǎn)品整體次日留存率相比之前增長近100%。

同樣，最近服務(wù)了一個鵝廠內(nèi)部客戶，他們開發(fā)了一款新產(chǎn)品，意在面向年輕人群體，結(jié)果卻發(fā)現(xiàn)其用戶年齡分布以青少年和老年人居多：

這正好與他們的用戶渠道相關(guān)，原來他們有一款面向青少年和老年人的產(chǎn)品，為了給產(chǎn)品帶來第一批用戶，他們直接從老的產(chǎn)品將用戶引流過來，結(jié)果發(fā)現(xiàn)他們并非產(chǎn)品的目標(biāo)用戶。

關(guān)鍵數(shù)據(jù)——留存率

在當(dāng)前用戶符合目標(biāo)受眾特征時，核心關(guān)注這些用戶的留存率、使用時長/頻率、用戶的黏性等指標(biāo)，這里就留存率展開來講。

留存率的維度分很多種(7日，雙周，30日等)，依據(jù)產(chǎn)品特征來選擇，若產(chǎn)品本身滿足的是小眾低頻需求，留存率則宜選擇雙周甚至是30日;留存率高，代表用戶對產(chǎn)品價值認(rèn)可并產(chǎn)生依賴，一般來說，假設(shè)便能得到驗證，通常低于20%的留存會是一個比較危險的信號。

介紹一個以數(shù)據(jù)為驅(qū)動的先行指標(biāo)模型，可以通過找到先行性指標(biāo)指導(dǎo)產(chǎn)品設(shè)計，從而提升留存率。先看下先行性指標(biāo)的定義，先行性指標(biāo)是指新用戶在使用產(chǎn)品早期的一種產(chǎn)品行為，這個指標(biāo)與用戶的留存率指標(biāo)之間存在著非常高的線性相關(guān)關(guān)系，可以預(yù)測用戶是否會在產(chǎn)品中留存下來。

用自己總結(jié)的公式來描述，大致如下：

積極預(yù)測可能性(%)：表示用戶執(zhí)行了該行為，即可預(yù)測該用戶留存活躍的可能性

消極預(yù)測可能性(%) ：表示用戶如果不執(zhí)行該行為，即可預(yù)測該用戶不留存活躍的可能性

最終，先行性指標(biāo)的可信度=積極預(yù)測可能性 X 消極預(yù)測可能性 ，我們直接看案例。

案例

拿之前的論壇社交App為假設(shè)，假設(shè)“用戶在注冊前10天內(nèi)添加好友超過7個”為先行性指標(biāo)，那么我們計算一組數(shù)據(jù)：

其中，用戶前10天內(nèi)添加好友超過7個，則其30日留存下來可能性為99%;若添加好友小于7個，則其30日不留存下來(流失)可能性為95%，綜合指標(biāo)可信度為0.9405。

同理，計算以下兩個先行性指標(biāo)可信度：

最終，我們得到對比：

以上只是假設(shè)的數(shù)據(jù)，實際上，我們需要對比十幾個甚至是二十幾個行為指標(biāo)才能找出先行性可信度最高的行為。

這個模型中第一條“新用戶在注冊后的10天內(nèi)添加好友超過7個”，也就是Facebook一個經(jīng)典的“aha moments”，所謂”aha moments”即當(dāng)用戶意識到產(chǎn)品的核心價值的時刻，也就是我們的“先行指標(biāo)”。

(Facebook，Instagram推薦好友截圖)

除此之外，先行性指標(biāo)應(yīng)當(dāng)滿足以下條件：

二、快速成長期

經(jīng)過了產(chǎn)品打磨的初始階段，產(chǎn)品有了較好的留存率了，這個時候產(chǎn)品開始進(jìn)入自發(fā)增長期。自發(fā)增長期的產(chǎn)品階段，仍需要關(guān)注用戶留存、用戶時長、用戶畫像的變化等數(shù)據(jù)，但可以將側(cè)重點關(guān)注在用戶的整個生命周期的管理，其中以新用戶的增長、激活、觸發(fā)“aha moments”到產(chǎn)品穩(wěn)定活躍用戶的整個漏斗分析為主。

新用戶的增長和激活

其中新用戶的增長和激活一般有兩種方式，第一種是構(gòu)建產(chǎn)品的病毒性傳播系數(shù), 讓產(chǎn)品自發(fā)增長，《精益運營數(shù)據(jù)分析》書中有提到的幾個用戶病毒式傳播分類很有趣：

原生病毒性，即通過App本身的邀請好友功能而傳播吸引的新用戶的方式;

口碑病毒性，即通過口碑傳播，用戶主動通過搜索引擎成為的新用戶;

人工病毒性，即通過人工干預(yù)，如有獎邀請等激勵措施來鼓勵用戶進(jìn)行邀請行為。

這里關(guān)注的一個指標(biāo)稱之為“病毒式傳播系數(shù)”，感興趣的同學(xué)可以自行深入了解。

新用戶下載->激活->‘Aha Moments’->產(chǎn)品穩(wěn)定活躍

產(chǎn)品開始進(jìn)入自發(fā)增長期后，需要關(guān)注用戶從新用戶到活躍用戶(留存后)、到核心用戶的生命周期，并將每個過程的關(guān)鍵指標(biāo)提煉并精細(xì)化。

案例

以之前的論壇社交APP為例，新用戶進(jìn)入產(chǎn)品會看到一個歡迎頁(如左下圖)，經(jīng)過注冊、登錄后會看到產(chǎn)品的首頁(如右下圖的Feed流頁面)，多數(shù)App都有類似的流程：

一個新用戶從進(jìn)入App歡迎頁到最終成為核心用戶大概是以下流程：新用戶(探索發(fā)現(xiàn)產(chǎn)品價值中)-> 旁觀者(逐漸認(rèn)知產(chǎn)品價值并有一定的參與感)-> 生產(chǎn)者(認(rèn)同產(chǎn)品價值并積極參與)：

按大眾化的分法，產(chǎn)品的生命周期(PLC, Product Lifetime Cycle)分為初創(chuàng)期、成長期、成熟期、衰退期，在產(chǎn)品的每個階段，數(shù)據(jù)分析的工作權(quán)重和分析重點有所區(qū)別，下面按階段結(jié)合案例來聊聊：

此時，對各個階段的用戶行為進(jìn)行指標(biāo)分解：

新用戶&探索發(fā)現(xiàn)者：

旁觀者(路過者)：

內(nèi)容生產(chǎn)者：

· 平均每個活躍用戶發(fā)帖數(shù)

· 平均每個活躍用戶發(fā)照片、視頻數(shù)

· 平均每個用戶在論壇內(nèi)使用時長

· 活躍用戶在論壇內(nèi)行為分布

精細(xì)化的拆分用戶生命周期前中期的行為指標(biāo)，在產(chǎn)品快速增長期幫助了產(chǎn)品不斷打磨細(xì)節(jié)，將用戶從新進(jìn)到成為核心用戶體驗不斷完善。與此同時，在各節(jié)點數(shù)據(jù)提升并穩(wěn)定后，產(chǎn)品運營的同學(xué)則開始進(jìn)行各種推廣、投放的宣傳以擴(kuò)大盤子、占領(lǐng)市場。

三、成熟期

隨著用戶快速增長，產(chǎn)品不斷完善，產(chǎn)品在進(jìn)入成熟期前后，數(shù)據(jù)運營關(guān)注的重心開始從用戶生命周期的前半段(吸引、激活、留存)往后半段(流失、回流)開始偏移。

這里分享一個在增長期和成熟期關(guān)注的數(shù)據(jù)模板 Daily Net Change (應(yīng)用自John Egan@Pinterest)，區(qū)別于只關(guān)注DAU、MAU數(shù)據(jù)，只關(guān)注活躍用戶數(shù)的增減很多時候都是取悅自己，而這個模型能幫助直觀地觀察到用戶增長的因子是什么，或者用戶盤子變化的情況，通過一張圖展示了產(chǎn)品的新增、回流和留存情況。

其中Net Change = 新增用戶 + 回流用戶 – 流失用戶。

新增用戶即當(dāng)天有多少新用戶加入

回流用戶即多少老用戶連續(xù)28天沒有使用，今天又開始使用

流失用戶即有多少已有用戶剛好最后一次使用應(yīng)用是在28天前

流失與回流

在關(guān)注流失回流的過程中，數(shù)據(jù)會揭示當(dāng)前用戶盤子的一個變化情況，具體分析流失原因則可以參考下方流程：

核心思路即，通過回訪定性+數(shù)據(jù)驗證為主要手段，確定流失原因，改變產(chǎn)品運營策略以預(yù)防用戶流失或拉回用戶，促進(jìn)回流。

除此之外，對于一些穩(wěn)定的投放渠道，普通的改善方法可能提升轉(zhuǎn)化有限，此時可以進(jìn)行更精細(xì)化的渠道分析來優(yōu)化提升ROI：

案例：

提升ROI

四、衰退期

最終，產(chǎn)品進(jìn)入衰退期，一般在進(jìn)入衰退期前可以采取兩種方式：

1、規(guī)?；?/strong>

常出現(xiàn)在零售業(yè)中，如開一家按摩養(yǎng)生店，在一定范圍內(nèi)收獲好評，那產(chǎn)品成熟的時候則可以開啟連鎖加盟模式，通過迅速而廣泛的擴(kuò)大市場形成品牌效應(yīng)，以形成壁壘，此時衰退的風(fēng)險則被抵御。

2、生態(tài)化

在產(chǎn)品增長或接近完善時，單一的產(chǎn)品很容易存在需求過于垂直、用戶無法形成依賴的問題，可以開發(fā)具有協(xié)同能力的新產(chǎn)品以搭建完整的產(chǎn)品生態(tài)，使得在當(dāng)前產(chǎn)品上無法被得到滿足或失去興趣的用戶被引流到新產(chǎn)品，作為新產(chǎn)品的新用戶;同時新產(chǎn)品的用戶也能在新產(chǎn)品上被引流回老產(chǎn)品，產(chǎn)品之間形成互相依賴的鏈條，最終用戶有效流轉(zhuǎn)，形成生態(tài)。

生成海報

• 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
• 密態(tài)計算技術(shù)助力農(nóng)村普惠金融 螞蟻密算、網(wǎng)商銀行項目入選大數(shù)據(jù)“星河”案例
• 專利糾紛升級！Netflix就虛擬機(jī)專利侵權(quán)起訴博通及VMware
• 兩大難題發(fā)布！華為啟動2024奧林帕斯獎全球征集
• 2025年工業(yè)軟件市場格局：7個關(guān)鍵統(tǒng)計數(shù)據(jù)與分析
• Commvault持續(xù)業(yè)務(wù)策略：應(yīng)對現(xiàn)代數(shù)據(jù)保護(hù)挑戰(zhàn)的新范式
• 2025年網(wǎng)絡(luò)安全主要趨勢
• 2025年值得關(guān)注的數(shù)據(jù)中心可持續(xù)發(fā)展趨勢
• 量子計算火熱，投資者又在大舉尋找“量子概念股”
• 從量子威脅到人工智能防御：2025年網(wǎng)絡(luò)安全將如何發(fā)展
• 后人工智能時代：2025年，在紛擾中重塑數(shù)據(jù)、洞察和行動

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。