数据分析

指标：

新增：新用户数量的快速增长，是产品增长的基础。

活跃：只有活着的用户，才有可能为产品带来价值。日活：DAU  月活：MAU

留存：用户使用产品的时间越久（活的长久），对产品的潜在价值越大。

传播：如果你的产品，新用户主要靠病毒传播的方式增长，那么，只有在病毒系数

大于 1 的时候，产品才可能出现爆发式的指数增长；同时，传播周期越短，

增长速度越快。  

流失：流失率：一段时间内流失的用户，占这段时间活跃用户数的比例（流失率）

只有当产品新用户增长的速度大于老用户流失的速度时，产品的活跃用户数

      才会是正增长。

AARRR模型

获取（Acquisition）：用户如何发现（并来到）你的产品？

激活（Activation）：用户的第一次使用体验如何？

留存（Retention）：用户是否还会回到产品（重复使用）？

传播（Referral）：用户是否愿意告诉其他用户？

收入（Revenue）：产品怎样（通过用户）赚钱？

产品改版中数据的效果

新功能活跃用户数（功能活跃比）：一段时间内新功能的使用人数超过51%

用户是否会重复使用（被评估的）新功能？：第二天或第n天回访用户数的比例超过51%，也就是第二天继续使用该功能的人数

新功能对所处的使用流程是否起到了优化作用？：该指标主要是评估用户的转化率和完成率，为用户的使用流程创建漏斗，并且分析改版前的转化率和完成率是怎样的

产品改版对用户留存产生了怎样的影响：改版前后的留存率对比，包括周留存、月留存、次日留存率等

了解用户在怎样使用新改版的功能？：用户的使用路径和评估的使用路径有哪些不同，洞察单个用户的使用行为

如何发现产品改进的关键点？

1，目标（起因）

2，根据目标对用户分群

3，对比用户群，寻找差异：

人群属性：应用能采集到的所有用户的人口属性，比如性别、年龄、用户等级等；

使用环境：如所在地区、来源渠道、设备品牌、操作系统版本、App 版本、屏幕分辨率等；

整体行为特征：如第一次访问时间、最后一次访问时间、过去 30 天总访问次数、过

去 30 天总访问时长；

用户行为：

某个具体行为的发生次数（比如「成功创作漫画」的次数）；

某个具体行为发生的特征（比如「第三方分享」的平台）；

过程转化率：

比如「购物下单」过程的转化率和完成率；

留存：

比如「次日留存率」、「周留存」等。

在对比的过程中，一般会发现两群用户之间有很多差异。

4，发现「有趣的」差异，探寻背后原因：做少量的访谈

5，根据发现改进产品

6，衡量改版是否达到预期效果

如何借助数据快速高效构建用户模型（Persona）？

构建用户模型的过程

临时构建用户模型

用户档案示例

首先，在开始时根据已获得的认知和经验对用户分群

对于每个用户群，分析步骤如下：

-从用户群中随机选取一些用户（一般根据您的时间情况，可以选取几十到上百个用户，

建议最少不低于 30 个）；

-逐个用户解读其属性特征和行为记录，努力通过这些数据还原出用户的真实使用场景

和过程，并尝试推测其目标。在解读的同时，随时记录你发现的有趣的行为模式、以

及不解之处。（注意，这一步的工作至关重要，对用户及其行为的感性认识是后续

工作的基础。要记住：读用户如读书，读其百遍、其义自现！）

根据上面步骤中发现的典型行为模式和场景、目标的推测，对用户群进行更细致的划

分。

对上一步形成的候选用户模型（用户群），对其属性和行为数据进行统计分析，初步

验证您的猜想。

接下来，对上面形成的每个候选用户模型，进一步完成其目标和动机的推测。

从每个用户模型中选取少量具有代表性的用户，进行访谈或调查，以消除您在前面研究中遇

到的不解之处。

在完成了上面的工作之后，接下来，您就可以对候选用户模型进行逐个的审视和修正。

最后，根据您的认知变化和产品需要，可以在合适的时机对之前得到的模型进行新一轮的修正。

如何结合数据优化产品的用户体验？

记住一点：数据不能为您直接带来创意，但可能会帮你发现创意的机会！

结合数据优化产品用户体验的一般方法：

衡量：结合您的优化目标，从用户的行为数据中，可以有很多方法和指标量化衡量产

品的用户体验。比如，通过「下单→支付→完成支付」过程的成功率，您可以

得到支付过程是否顺畅的量化衡量结果。您可以将这一步中得到的衡量结果作

为基准线，今后的改进应该是让指标相较基准线有所提升才是有效的。

发现：通过对衡量结果进行深入分析，您可以能会发现一些影响用户体验的场景或节

点。比如，您可能会发现在 3G 网络下，（与 4G 和 WIFI 相比）使用支付宝支付的成功率十分低，而同样的环境下微信支付的成功率就高很多。

优化：依据上面的发现，您会改进优化产品，以提升用户体验。比如前面支付的例子，

您可能会在 3G 网络的情况下，推荐用户使用微信进行支付。

评估：在改进之后，您需要再看一下数据，看改进后的指标是否与基准线相比有所提

升，提升的幅度多大，以此来确认产品改进是否实现了预期的优化效果。

对于优化用户体验，数据能帮到您的，是在优化前为「我认为用户……」提供依据，在优化

后提供效果的确认。

什么是同期群（Cohort Analysis）？

同期群是一种用户分群的方式。

同期群按用户的新增时间将用户分群，得到的每个群叫一个同期群。

对用户划分得到的同期群就是「本周新增的用户」、「上周新增的用户」、

「上上周新增的用户」……（当然也可以按天或按月划分，时间颗粒度可大可小，但重要的

是按新增时间划分）

什么是同期群分析（Cohort Analysis）？

同期群分析是指将用户进行同期群划分以后，分析和对比不同同期群组用户的相同指标，这

套分析方法就是同期群分析。

要点：

-对用户进行同期群划分

-对比不同同期群组（比如本周新增用户和上周新增用户的）

-相同指标（比如注册转化率）

Why 同期群分析？

进行同期群分析最重要的原因是：

同一项产品改进，对不同同期群中的用户，产生的影响是不同的，分开衡量才更能反映真实

的情况。

如何应用同期群分析？

-衡量产品业务的整体进展；

-评估产品改版的效果；

-优化产品的用户体验；

-寻找产品改进关键点；

-提升用户参与度；

-……

常见分析模型及应用场景介绍

用户行为统计，就是对用户在产品中的行为发生的次数或人数进行简单的统计，统计结果一

般以折线图和表格的方式呈现，这是用户行为分析的最基本的方法

漏斗分析可以帮你分析使用过程的成功和失败率（也叫转化和流失），以分析用户在使用产

品时是否顺畅。

留存分析是一种衡量产品「黏性」的分析方法——它能够帮您分析用户会长期持续使用您的

产品，还是使用一次后便一去不复返

用户洞察：在大多数情况下，几个指标是不够用的，我们经常会需要深入的了解和分析

指标背后的用户、以及用户的行为。这种透过指标观察其背后用户的方法，我们称之为用户

洞察

用户群细分是指根据属性或行为特征将用户从全部用户中筛选出来的方法。当然，筛选本身

不是目的，重要的要是对筛选出来的用户进行行为统计、漏斗分析、留存分析和用户洞察等

进一步分析。

产品数据分析的一般过程

正所谓“集腋成裘、聚沙成塔”，用户增长是一件积少成多的事儿。

在数据指标和用户增长之间有很多坑，让产品和运营的改进变得步履维艰、让用户的增长变

得缓慢。

基于产品目标、针对关键问题的系统化的逐级深入的分析方法是一架坚实的桥梁，可以帮助

产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！

来源：产品经理数据分析实战手册总结