對一款產品來說，用戶反饋是衡量產品的一項重要內容，而數據又是用戶行為最客觀、最真實的反饋，畢竟“數據是不會說謊的”，那么針對產品的各項數據指標，我們如何分析產品狀況，并利用數據優化產品呢？

在數據真實的情況下，數據是用戶的行為反饋，一個產品好或不好，只有用戶有發言權，用戶說好才是好。下面我以一個配送類APP為例，來說說如何利用數據來驅動產品進行優化。

一、發現問題-構建核心路徑轉化漏斗，了解各流程轉化率

要發現問題就得用數據說話。我們來思考梳理，使用這個配送app一個新用戶從下載到轉化完單，到底經歷了多少步呢？

梳理如下：

梳理完新用戶轉化核心步驟后，我們可以取出這些關鍵步驟的uv數據，構建一個用戶轉化的漏斗，來觀察每步用戶的轉化情況。

拿出數據如下：

百分比=本步驟uv/上一步驟uv

這是一款配送app的新用戶下單路徑轉化漏斗，我們可以看出用戶在詢價 → 下單這個環節人數驟降，轉化率只有63%，遠低于其他環節轉化率，且這個環節轉化率在本行業同類產品中也是稍低的。

同時為了對比，我們拿出老用戶的路徑轉化數據，發現本環節轉化率為79%，本環節新老用戶差遠高于其他環節的新老用戶差。

所以我們可以初步判斷，詢價 → 下單這步優化空間比較大，于是我們把目光聚焦在詢價 → 下單環節，用戶為什么在第一次來時詢價之后掉頭就走了呢？

我們要尋找原因，找出優化點。

二、提出假設及解決方案

為了找到影響用戶轉化的原因。打開我們的app，登陸后填單進行詢價。

詢價頁面如下：

繼而我們打開幾個競品app填入相同的信息，到達詢價頁面，發現大體頁面信息差不多，只是位置有不同。

而我們發現一個問題點：

競品的詢價頁顯示的是券后價格，我們的詢價頁顯示的是優惠前價格，而我們優惠后的價格和競品優惠后的價格是差不多的。

會不會是用戶用我們app填寫完信息后看到了比較大字的優惠前價格，而沒有注意到旁邊的可使用新手券優惠字樣的提示？

很可能用戶也是在幾個app之間進行比價，看到了40元的字樣就直接退出，選擇了其他產品進行下單。

有了假設后，接下來就要想解決方案，優化頁面布局及展示邏輯。我們想了兩種展示券后價格的頁面，讓用戶可以在第一眼看到比較低的價格，留住用戶：

三、AB實驗設計

有了解決方案，就可以開始著手進行AB測了。

首先咱們找設計小姐姐設計兩種方案的詢價頁，然后給前端進行頁面開發。

和分析師確認是否有新增埋點以便后續實驗統計，同時設計實驗分組，采用AABC實驗設計方式，且分層抽樣保證每組新老用戶比例均勻：

一切就緒后，就等著和下次發版上線實驗了。

四、實驗分析

通過一周左右的實驗，我們可以對實驗數據進行觀測，確定我們的評估指標：

• 北極星指標：單量、成交額 ；
• 方向指標：轉化率

通過上述數據，我們得出實驗組二的各項指標均優于對照組與實驗組一，可以改版：

實驗組一

• 詢價 → 下單轉化率+1.78%(新)、+0.68%(老)
• 下單 → 完單轉化率 無明顯差異
• 人均單量 +0.013(新)、+0.005(老)
• 人均成交額 +1.4%(新)、+0.52(老)

實驗組二

• 詢價 → 下單轉化率+1.80%(新)、+0.71%(老)
• 下單 → 完單轉化率 無明顯差異
• 人均單量 +0.015(新)、+0.007(老)
• 人均成交額 +1.5%(新)、+0.57(老)

一個實驗上線之后，不僅要分析其本身的數據結果，還要考慮產品大盤影響，項目指標和產品指標都要兼顧到。

而因為互聯網產品具有大數據量和快速迭代的特點，所以我們在懂用戶和業務之外，利用數據做好產品優化非常重要，快速試錯和調整，做到小步快跑。

以上，希望對大家有所幫助。

作者：趙小洛，公眾號：趙小洛洛洛

本文由 @趙小洛 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pexels ，基于 CC0 協議