各類應用商店評分的重要性，不言而喻。評分低下會影響排名，排名影響的是下載量和下載速度，最終影響商業結果。

運營過一個C端產品的人，大抵都了解在應用商店里評分的重要性。評分能影響應用在商店里的排名，以蘋果商店為例，想進入某個分類的前1000名，4分是一個最基礎的準線。排名進而影響的是下載量和下載速度，最終影響商業結果。商店評分的重要性，不言而喻。

前不久每日優鮮的評分翻車事件，說起來也特別好笑——更新文案中跪舔996，引起大量用戶反感（或許用戶大部分都是程序員），導致各路商店里每日優鮮被瘋狂diss，好好的4.5分被刷成1.3。本想抖個機靈，結果一夜回到解放前。

那我們的應用是怎么了，怎么就到了1.9了？

事情得從一年前說起。

2018年7月，我們以產品演進的形式，承接了一個基于音頻學習的外語學習移動產品，用戶主要分布在北美，有一定的群眾基礎。

接手時，項目已經上線，總體功能還算可以，但效果不是很理想，主要表現為：

• 市場反應差，蘋果商店里評分僅為1.9；
• 用戶反饋的信息很雜亂，難以追根溯源；
• 想優化，不知從何入手。

于是有了下面一段對話：

老板，愁眉苦臉：這怎么弄??？這評分實在太讓人沮喪了！

我：你想要到多少分？

老板，毫不猶豫：越高越好！

我：你先冷靜一下！

評分低于2.5，大部分還是應用本身有問題，于是我們有了第一階段：

2018年7月-2018年11月：維穩

這一階段，我們主要解決的是bug和性能問題。

輕易能復現的bug易解，眾說紛紜的性能問題難調。性能問題里，首當其沖的，就是應用崩潰。

我們用google firebase來收集數據，當時的崩潰率在6%左右，用戶關于應用崩潰的抱怨也層出不窮。經過調查，我們著實發現些可以修復的事情，技術人員加緊步伐，爭分奪秒地迭代了幾個版本后，崩潰率和相關抱怨有了非常明顯的降低。

經過技術評估、行業對比，我們做了信息拉通：

• 我們這款應用，因為是音頻類的應用，它的崩潰率就是會比純文本類的應用高一點；
• 因為我們采用的是react native的技術棧，在安卓機上的表現就是會比蘋果機差一點；
• 經過我們近期4次版本線上數據的分析統計，我們認為，安卓崩潰率在3%、蘋果崩潰率在1%，是我們合理的性能指標。

在以后的迭代中，如果發現崩潰率到達警戒，則我們要尤為重視。

圖例1: 安卓設備上crash free rate

三個月后，我們的評分已經悄然升到3分。

啟發一：數據，相互比較，才有意義

起初，我們沒有數據，不知什么樣的表現才讓人安心。通過一段時間的運營、迭代，有了各種比較，才正確地建立了我們的安全指標。有了這個指標做指導，我們的工作才更加有方向。

3分不是任何人想要的終點，我們在尋求下一步的改變。

2018年11月-2019年1月：求變

應用商店里的評分，大家想來也知道會有很大的隨意性：

• 阿西吧，居然要收費？差評！
• 咋沒有智能問答？差評！
• 勞資今兒心情不好，差評！

在對這些評價置之一笑的同時，我們也在盡所能地分析總結，看有什么是我們能解決的。但有一個很明顯的問題困擾了我們：評論信息太少，我們難以定位。一線客服是兼職的，能提供的信息非常有限。

于是，我們增加了一個新的功能，應用內評價：

• 搖一搖，報告問題；
• 適當地彈出調查，給高分的，引導到商店去評分；給低分的，填具體信息反饋到后臺。正所謂：我們做的好，請告訴全世界，做的不好，告訴我們。

這個功能效果顯著：

• 一來為用戶提供了情緒的出口，讓他們更加方便地吐槽、抱怨，而不用去商店里發泄；
• 二來我們能在后臺統計到用戶使用的機型、系統、版本、甚至是都做了什什么操作。

圖例2：應用內評價及后臺系統

通過這些數據，我們得到很多有用的信息，比如：

• 我們一直沒有做iwatch的適配，我們發現反饋來源里暫時沒有iwatch，那么iwatch的適配就暫時被放在低優先級，不急于處理。
• 有人反饋說，音頻播放的按鈕不靈敏。我們試了試，沒能復現這個原因。設想可能是個別問題，比如他網絡不好，或是手機問題；后來有更多用戶來反應同樣的問題，那么這個問題便不容小覷，優先級大大提升，我們必須馬上做測試、檢測、系統優化。

到了2019年1月份，我們的評分已經漸漸上升到3.8分，著實令人欣慰。

啟發二：數據，能幫助我們厘清優先級，正確分配資源。

我們預算有限，團隊規模不允許我們做大而全的事情。其實，任何一個項目的預算都有限，如何把錢花在刀刃上，可能是每個項目都要考慮的問題。我們無法在短時間里做到十全十美，數據可以幫我們度量事務的重要性，在迭代增量中，爭取最大的商業價值。四兩拔千斤，說的可能就是這意思。

2019年1月-2019年3月：演進

系統穩定了，功能也增強了，是時候談談產品該如何演進了吧。

我曾做過很多設想，比如做一個類似英語流利說那種語音智能打分？讓用戶自己創造內容？初步做了個估算，哪一項都得個一年半載的。

這個時候，我們也有了更多更穩定的數據來源：

• 系統運維數據：firebase的崩潰統計；
• 用戶行為數據：firebase的事件埋點；
• 用戶反饋數據：蘋果／谷歌商店的評論及評分、應用內評價；
• 商業統計數據：蘋果／谷歌后控制中心。

通過對這些數據的分析和比較，我會得到和之前認知不太一樣的結果——比如說，我常聽說商業級產品會有相對集中的用戶行為，因為他們有相同的文化、流程等，而用戶級產品沒有。真的沒有嗎？

這款產品在20年前賣的是CD，用戶就喜歡在開車的時候聽點外語，美國地廣人稀，無網又是常態，那么這種場景就是這款app的重要用戶使用習慣，通過事件點擊數據，我們也能得到一致結論。

圖例3：音頻的使用的周期性，波峰出現在工作日，波谷出現在周末，每個周期出現的規律大體相同，可以推斷用戶大多數會在通勤時使用該應用

那么，藍牙、下載、車載配置，就是用戶最最需要的特性，而在最初的設計中，這部分功能是缺失的，導致相當一部分用戶在反饋這個問題。如今，現在便是產品演進的最好時機。

小步快速地演進了上述功能后，在今年3月初，我們的app已經升到了4.5分，得到了用戶更高的滿意度。用戶滿意了，又怎樣呢？下圖是蘋果商店里銷量的走勢圖。

老板再也不是愁眉苦臉的樣子了，他們現在更熱衷于討論產品如何進一步優化升級。4.5分不是一個終點，無論在用戶量擴大、還是產品體驗上，我們還有很長的路要走。

啟發三：數據，能幫我們糾正認知偏差，回歸客觀事實。

我以前做項目交付，對產品總是存在一些假想，認為應該是這樣這樣。如今明白，基于驗證的結果，才更為可信。

基于驗證的學習策略，是精益創業思想的核心理念之一?；诖死砟?，Eric Ries定義了“度量——學習——構建”的驗證式學習循環。

如何驗證，數據是最為恰當的手段之一：有針對性地埋點，對產品進行數據度量，通過定性定量分析，學習數據帶來的結果，去偽存真，形成客觀認知，進而構建新一輪的迭代增量——以此來踐行產品演進，或許再適合不過。

作者：劉瀛洲，ThoughtWorks咨詢師，個人公眾號：圓周江湖。

本文由 @劉瀛洲 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議