起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識數據分析平臺：從醫院到健身房，再到選美比賽｜騰訊移動分析測評大賽獲獎作品
對一款APP的數據監控、分析過程，是否也和這個減肥健身的過程有異曲同工之妙？
1. 寫在開頭
“憑感覺”和“看數據”可以說是做產品設計中的兩個主流方法，而在“看數據”這個方向上，有很多量化工具可以使用，正巧兒最近人人都是產品經理舉辦一個評測活動，有幸體驗騰訊移動分析平臺，也讓我從新思考及整理自己對數據分析方面的一些淺見。
從新思考整理對數據平臺的需求是，我想這個和胖子想減肥的需求有某些類似（我是個胖子）。而大概的經歷如下：
- 醫院：最開始因為肥胖引起某些不適而去醫院檢查，各種化驗之后，告訴我是否是一個醫學上正常人，然后發現還好，不是?。?/li>
- 健身房：那么為了減肥，轉戰健身房，從最開始的教練帶著減脂，到后期一些人結伴鍛煉，練胸、練背、練腿等等，通過大家的經驗來提升自己；
- 選美比賽：（假設）希望有一天自己減肥健美成功，可以靠體型吃飯。
而對一款APP的數據監控、分析過程，是否也和這個減肥健身的過程有異曲同工之妙？
2. 醫院-發現問題
大家都有去醫院的經歷（當然我希望你沒有），醫院為判斷某人是否生病，需要各種化驗及檢查，以便通過量化方式來判斷，如果沒有病，皆大歡喜；如果有病，那么就要繼續查問題到底在哪、原因是什么，然后就需要對癥下藥。而做產品就像是做家長，一個APP就像是一個孩子，各個家長都希望孩子健康成長，此時除了家長本身的信心、愿望這些主觀判斷外，也需要客觀的判斷，也就是可量化的判斷，此時就需要數據平臺閃亮登場。
上圖是一張醫院血液化驗單，大家可以很容易看出那些數值有問題，圖片中有四個數值是在參考值之外，這就是數據呈現出問題所在，而有些X光或者CT片子上還會寫明病癥。那么當我們看一個數據分析平臺的數據時，是否也應該得到類似信息？
2.1 新增用戶 – 縱向分析
如上截圖為后臺數據，顯示2018年5月4日到同年6月3日的新增用戶變化趨勢，我們可以知道數據上升的轉折點，但是這個轉折點和那些因素有關：
- 是渠道為主嗎？
- 如果是渠道，哪個渠道為主？
- 是版本為主嗎？
如果是版本，哪個版本為主？
所以是不是沒有醫院的化驗單簡單明了？在此部分，針對某個數據的異常變動（異常由用戶設定或者結合行業考慮），我們可以引入貢獻率/拉動百分比分析，這是一種常用的縱向分析方法：將大維度變動拆分到其下一級小維度來分析。而針對此次新增用戶可能原因及呈現結果：
- 可能是因為我們在某個渠道做推廣（CPA等），導致某個渠道上升幅度特別大，而通過其下一集小維度——渠道分析，我們可以馬上知道是否是由這個推廣渠道帶來的增量提升；
- 可能是因為新版本上線某個特別功能，比如說注冊領券、拉新領券等活動導致這個版本一上線就新增很多，而此時新版在新增中的貢獻率應該最高，馬上可以知道這次改版效果顯著；
- 可能是市場整體趨勢變化，或者某個特有內容/功能導致，比如世界杯期間某平臺有唯一轉播權，而此時各個安卓渠道的貢獻率都會比較正常（與歷史比較），此時App Store的下載量也會明顯上升；
實際情況中，渠道推廣往往是提高新增用戶的一個很主要原因。下面以渠道貢獻率做一簡圖，針對各個渠道和版本可以用相同方法更詳細的計算，以便讓開發者更快確定變動的主因。
2.2 播放器改版-橫向分析
除縱向分析外，還有一常用方法是橫向分析：在同一個維度上進行橫向比較。
之前做在線視頻產品時，有一次播放器大幅度改版，在Android渠道全線鋪開并且該版本占比很高時，發現一個問題：最近Android的DAU在下降。
這個問題的嚴重程度無需累述，那是不是因為改版導致？當時App Store審核周期比較長，還在審核中，如果改版導致，那么是否要趕緊把在審核中的iOS版本撤回？此時需要橫向分析來看：iOS的DAU是否也下降。當我們查看時，發現IOS的DAU也以幾乎相同趨勢下降，此時可以發現，不是播放器改版的問題（因為IOS并沒有改版），這就是通過橫向來解決問題。
而當我自己建立一個看板，想將同一個指標的Android和IOS放入同一個折線圖中時，發現好像是不行，如果因為兩個量級差距過大，其實可以采用雙坐標軸的方式呈現。DAU只是一個維度，在某些分析中，可能需要更多的Android與iOS的對比分析（比如留存率、人均時長、某些關鍵路徑的漏斗模型等），來確定是否是非功能問題。
上面的問題引申出另一個問題：為什么IOS和Android都下降哪？答案是：因為開學了。
2.3 留存問題 – 行業對比
“開學了”這個答案可以意會，但是并不是所有問題都能意會。而此時更好的辦法就是看“行業數據”。如果A視頻軟件的DAU下降了，而相同分類 — 在線視頻 — DAU都有相同趨勢的下降，那此時就是市場風險，起碼可以不用那么擔心。如下是一張應用寶中分類部分截圖，各個分類可以看做一個“行業數據”的采集范圍。
我們再從留存率進行闡述。互聯網流量為王，都希望自家APP能有更多用戶、更長使用時間，但是也需要了解下自己給用戶帶來的服務/功能體驗是否真的達標。那么如何像判斷一個人是否健康一樣，判斷我們是否達標哪？此時需要引入行業數據，需要競品間的數據進行對比。簡單來說，可以用應用寶中當前APP所在分類中的留存率均值來作為達標值。這樣我才知道“我是否達標”。如下是留存率與行業對比，與醫院化驗單展示形式類似。
通過三個例子的闡述，我認為數據分析平臺首先應該碼提供三個維度分析，簡稱“三維分析”（個人總結，如有雷同，實屬巧合），而不僅僅是數據的展示。
- 維度一：從時間維度上看，當前的趨勢是否合理；周期性的對比（天、周、月等周期），而且也需要行業數據，比如上面說的留存率問題；
- 維度二：當前時點的橫向維度對比，比如上面說的Android的DAU和iOSDAU對比；
- 維度三：當前維度的縱向細分對比，比如上面說的新增用戶問題。
如下圖所示，畫的丑就是為了讓你印象深刻（皮一下，很開心）。
3. 健身房-強化提升
雖然已經是一個達標的APP，但是也不代表就此不求上進，正所謂“不滿是上進的車輪”，而在個人健康上的精進很多就是發生在健身房里，而健身房就是為了某個局部（或者是整體）來提供強化提升方案。而作為一個數據分析平臺，是否也能提供這種能力哪？
3.1 渠道ROI
上一部分提到新增用戶分析，如果當用戶新增量和質量（次日留存）都差不多的時候，我們該選擇哪個渠道拿？此時就有點類似健身房的私教階段，需要局部增強，但是不知從何做起。此時的數據平臺不但要分析質量，還要分析性價比，也就是各個渠道的ROI，在每日新增、次日留存和單位成本間去尋找一個更加適合的狀態，比如選擇人均次日留存用戶成本最低的那個渠道。數據分析平臺可以統計收益，至于總成本，讓用戶自己填寫即可。
3.2 復用率
在和電商朋友溝通過程中，發現用戶使用超過三次返利平臺后，成為忠誠用戶的概率會大幅增加，那么此時就要設計如何來讓用戶復用超過三次，通過不同Android渠道來做是可以的，通過自己搭建AB test后臺來測試也是可以的。但是，現有的方式都需要自己再結合數據分析平臺來分析，那么數據分析平臺是否可以承接AB test的能力，直接結合數據能力，產生結果？
流程對比如下圖，從原來左側所示在配置環境后臺、數據統計后臺、數據分析（很可能是Excel）間將數據傳遞，我們不如將配置、采集和結論都放到數據分析平臺，既能節省開發時間，又能增加實驗效率，同時能兼顧多組實驗。
當我們發現自己是一個“正常且達標的人”，同時通過健身房私教進行“局部加強”后，慢慢會發現私教已經無法滿足我們需求，那么此時最好的方式就是找到小伙伴，通過伙伴的經驗、體會來提高自己。但是這個在數據分析中未必走得通，因為畢竟是競品。但是不代表思路不可以交流，方法不可以分享。所以數據分析平臺也可以是一個數據分析人員的交流平臺，做社交是騰訊的強項，不再累述。同時我們也可以結合數據分析平臺的先天優勢，從現在的“開發者通過平臺來觀察用戶”，變成“開發者通過平臺來觀察開發者如何通過平臺觀察用戶”（有點拗口，建議看圖），而這就是一個大家的“人工”讓大家“智能”的過程。
- 比如在線視頻行業的開發者都比較關注DAU和人均時長，那么如果你是一個在線視頻的新開發者，那么直接推薦這個行業看板給你即可；
- 比如清理類工具比較關注的是MAU，那么如果你是一個清理類工具的新開發者，那么直接推薦MAU看板給你即可；
- 比如電商類關注復購率及購買流程漏斗模型，那么如果你是一個電商類的新開發者，那么直接推薦復購率及購買流程漏斗模型即可。
4. 選美比賽-充分變現
有了強健的體型，是否要將體型變現？現在平臺可以通過用戶挖掘的手段，借助廣點通等渠道找到那些人是我們APP的用戶，那么數據分析平臺是否可以把自己變成一個內容和活動運營的分發平臺哪？我們只負責生產內容，而平臺幫助我們在已有的用戶中找到最可能喜歡這些內容的用戶，也就是將數據分析平臺的數據作為推薦系統的原料來使用，然后通過三級價格歧視賺取更多價值。
所以，此時內容平臺方做的類似是一個智能分發的平臺。我們知道我們產生的內容強項是什么，而平臺知道我們的用戶中，那些人喜歡這些內容。
寫在最后
數據分析過程中，在數據準確的采集后，應該注重的是分析，而不是涼涼的展示；
數據分析過程中，應該用三維分析法，找到相關關系/因果關系，而不是無方向的探索；
數據分析過程中，要充分利用行業數據及同行經驗，讓分析更加便捷高效，而不是重復造輪子；
數據分析過程中，要充分利用數據的能力進行擴展（AB test、內容分發），而不是僅僅分析數據。
一點不成熟的小看法，供參考。
相關閱讀
作者：代成龍，人人都是產品經理專欄作家，智能硬件創業公司產品狗，從視頻巨頭公司到玩智能硬件的公司，繼續產品設計工作。
本文為「人人都是產品經理」社區和騰訊移動分析聯合主辦的“騰訊移動分析測評大賽”中的三等獎作品，未經許可，禁止轉載。
題圖來自 Pexels，基于 CC0 協議
- 目前還沒評論，等你發揮！
