對產品經理來說，數據是幫他們做設計檢測的，在檢驗結果的時候，可以通過數據來驗證一下，到底有沒有達成這樣一個目標。那一起從文中看看如何將用戶行為數據，合理地應用在產品迭代中。

對于產品經理來說，數據的重要性無需多言，用戶看到的可能更多的是產品的皮膚。但是作為產品經理，他需要了解整體的經絡組織和骨骼，尤其是要知道數據作為血液如何在流通。

我們沉淀了一些產品設計過程中的經驗，今天就和大家具體的分享一下。

先大致說一下我們部門，我們部門是網易的文化擔當，產品包括云閱讀、網易漫畫、網易蝸牛閱讀和Lofter，所以我們部門平時做的事情，大多數都是幫用戶去發現內容。

在用戶尋找內容的過程中，怎樣能讓用戶跟內容進行匹配，這是我們一直在研究的事情。

接下來正式進入今天的分享，我們分享的內容主要分為四塊：

1. 來源：我們是從哪些平臺獲取相關數據的？或者說我們在設計的時候要需要埋哪些點，能夠方便以后獲取這些數據。
2. 方法：有了原材料我們怎么樣去加工？這一塊主要講的就是分析的方法論的框架。
3. 指標：有了這個理論框架之后，怎么樣去評估當前的效果？這個時候需要有一個指標的衡量，并且指標要保證它的一致性。
4. 案例：我們前面的分析是如何落實到具體的案例中的？

所以主要的內容是圍繞這四方面來進行的。

方法論

第一個部分是數據來源。

我們現在用的比較多的是這幾個平臺：前三個是移動應用數據分析、有數和hubble data，是我們公司自己做的產品，第四、第五個是熱力圖和軌跡圖，是我們自己基于業務特點做的一些自定義的設計。 最后一個部分是分析師，有些產品涉及的邏輯比較多，這個時候就要借助于數據分析師，請他們幫我們提取一些數據。

接下來是我們產品迭代的邏輯，整個框架是這樣的：

整個流程是一個閉環，那么在這個過程中數據起到一個什么樣的作用？

對于用戶需求這一塊，我們可以更充分地了解用戶的需求是什么樣的，如果有多個假設，怎么樣從數據上讓邏輯更加嚴謹？

對我們來說，數據是幫我們做設計檢測的，我們在檢驗結果的時候，可以通過數據來驗證一下，到底有沒有達成這樣一個目標。

下面就是一個具體的評估目標的框架，我們的原則是：從需求中歸納事件，從事件中提煉指標。

因為用戶的需求轉化之后會歸納成一系列的事件，這個事件又會對應相應的指標，我們從建立分析框架的時候就會想我們的業務的需求，或者目的是什么？比如提升付費轉化率、提高用戶滿意度等等。

有了這些目的之后就要思考，我們要用什么事件去評估，評估標準是什么？ 評估的維度又是什么？

八大案例分析

數據分析覆蓋整個用戶生命周期，包括拉新、促活、留存、轉化、變現和自傳播等常見的業務場景。我們的案例分享也會從這幾方面來講。

1. 判斷渠道價值

第一個是從拉新的維度來講：拉新這個部分，首先要判斷渠道的價值。

• 從內容角度來看：閱讀是更加碎片化的，和我們幾年前的渠道完全不一樣，因為大家的注意力基本上集中在自媒體。同時，用戶的需求更功利了，用戶可能更在意的是如何快速看完一本書，或者如何快速看完一部電影，所以我們發現很多關于精讀、速讀的內容都非常受歡迎，包括影評也是這個道理。
• 從傳播角度來看：由之前的傳統媒體轉到了自媒體，流量分發也受到很大的影響，現在主要是口碑傳播。
• 從價值角度來看：我們傳統的邏輯是“從一個渠道里面買一個用戶需要多少錢”，而現在我們考慮的更多的是“每一個關鍵詞的投入產出比”。我們會把不同渠道的合作數據作為主要的衡量標準，考慮它的投入產出比，所以我們會考慮在渠道合作時所產生的激活率、次留，包括是3日和7日留存，以及后續的一個付費情況，都是我們每天會去檢測的事情。

2. 順藤摸瓜

第二個案例是從轉化的角度來講的：這個例子叫順藤摸瓜，它是我們在網易云閱讀里做的一個事情。

云閱讀里很多出版書的用戶會在他的書里提到其它的書，這是一種很典型的場景。如果我們識別之后，發現這本書在我們平臺是有的，我們就會把它差異化顯示。

這種做法的意思就是說：用戶不需要再通過傳統的方式——復制書名，去搜索框搜索，再去找到這本書。用戶不需要依賴這樣的一個路徑，所以“順藤摸瓜”縮短了用戶找書的路徑。

這個部分優化之后，這塊的轉化率是非常高的。我們也知道，在用戶發現內容的過程中，縮短用戶觸達的路徑是一件很有價值的事情。

因此，除了書籍正文以外，我們在書籍的評論區或者在書籍的社區，都可以用這種方式推薦一些書，不管是別的用戶，還是我們小編推薦的，其實都是增加了內容的曝光。

因為如果你去看這本書，就說明你對這個作者本身是認同的，也會對他推薦的書籍更感興趣。后面甚至會衍生出UGC社區的內容，也會有一些商業化的嘗試。

比如：《我的24歲美女總裁》這本書，它是一本言情小說，文章中會有很多開車的場景。那么雪佛蘭廣告商可能會找到我們，把這本書里面的開車統一換成開雪佛蘭，剛才的數據給了我們這樣的一個可能性，這種廣告就是一種具體的應用方式。

3. 轉化率

第三個案例還是關于轉化率。我們剛剛講過，除了第三方的數據，其實我們還有管理后臺。

管理后臺做的事情主要是兩塊：

• 第一個是點擊率；
• 第二個是用戶行為軌跡。

我們能夠細分跟蹤每一個用戶的軌跡，通過熱力圖的方式記錄，你可以知道用戶的點擊分布是集中在哪里的；你可以根據熱力圖去做一些決策。

比如：我們在詳情頁強行植入了一個廣告，但是轉化率只有0.02%，你會發現用戶根本是不買賬的。如果是按點擊率收費的話，那我們完全沒有必要做這件事情，你甚至可以把它砍掉，做一些更有助于用戶做決策的事情。

我們在知道大部分用戶的行為是集中在哪里后，我們會持續做一些強化，或者是有意識地去做一些引導，看看用戶是不是接受這種引導。

4. 充值和付費轉化

第四個還是轉化的案例，我們想提高存儲額度或者付費的額度，所以要提高它的充值和付費轉化率。

我們之前的版本是為了讓用戶買得更快，所以我們加了一些快速支付，這是大家常見的場景。比如說：這本書一共三塊錢，我們就設計一個快速支付，讓他一次性就買掉了，從理論上來說路徑非常短。

后來我們看到收入數據并沒有上升，我們就想怎么樣才能優化？

所以這個時候就有兩個典型的問題：我們要不要去掉快速支付？要不要提高起充金額？

這個時候，我們本能的會想到，用戶看一本書需要三塊錢，但是充值只能充值六塊錢，這個時候付費用戶數量會減少，對吧？這個是我們需要考慮的。

另外一方面你會發現：讓用戶把錢充到APP里，這個時候用戶可能望而卻步，付費轉化率會降低。所以我們就真的做了一個改版，并且拿幾個渠道試了一下，我們最終的數據表明它的充值轉化率并沒有降低，而且充值人數反而變高了。

這個是為什么呢？

因為我們在買的時候，如果把錢充進去了，下次購買就會很方便，走內部系統，不需要跳轉支付頁面。另外用戶在想看一本書的時候，不會因為你提高了幾塊錢就放棄充值，所以我們在改版之后，付費數據確實有相應的提升。

但是如果你不去接觸數據的話，從本能角度思考，就會覺得去掉快速支付是一件很危險的事情，因為用戶感覺使用起來沒有那么方便了。但實際上去掉之后你會發現用戶支付起來會更方便，因為錢是留在我們平臺的，不需要任何支付流程。

5. 提高用戶留存率

第五個案例主要是關于提高用戶留存率。

提高留存這一塊，我們做了很多的嘗試。我們之前舉辦過一個隨機性質的紅包活動，比如說：有一百個人來抽獎，就相當于在資金池里貢獻了一百分，過了零點，大家一起來開獎，但是他有一個延時的反饋效果，用戶不知道我今天拿到的是多少。

所以我們雖然覺得這種賭博的性質會引起用戶的興趣，但是延時的反饋效果其實是起不到很好的激勵的，于是我們就把它改成了一個即時反饋的紅包活動，并且把整個邏輯設計成：紅包會有一個基數，在這個基數的前提下，它的概率從1到6是不一樣的，紅包基數是3塊錢的話，就是3×1、3×2、3×3，一直到36塊錢這樣一個邏輯。

版本上線之后，我們發現它的數據是上升的，但是到后面突然下降了，下降的原因就是我們給紅包設置的有效期非常的短。

第一批的紅包已經過期了，用戶覺得紅包太短就會不買賬，這個時候我們做了兩個事情：

• 第一個是延長紅包的有效期；
• 第二個是把簽到的基數又進行了相應的增加，然后用戶的接受度又慢慢地提升上去了。

所以這就是監測數據對于當前產品的一個作用。除此之外，通過這種嘗試有助于控制運營成本。因為紅包是我們平臺發出去的，這部分成本都是我們負擔的，我們可以通過多輪嘗試來找到一個平衡點，給出什么樣的金額用戶愿意來玩，同時也在我們能夠為這個功能所付出的運營成本的范圍內。

流失其實是每個產品都會遇到的，但流失分為幾種。

比如：

• 首日流失：用戶來了就覺得不合適，可能是產品跟他不匹配；
• 受挫流失：用戶覺得你的新手指引或者是操作上有些困難，所以流失了；
• 自然流失：用戶因為一本書而來，看完后沒發現其他吸引他的書籍，就離開了。

市場環境流失也是不可避免的，這有一個典型案例。比如：說微信，有了微信之后，其實大家對短信的使用就越來越少了。

我們為了提高用戶的留存率，其實會做一部分的召回。這個部分召回的邏輯是這樣的，我們會界定用戶做過哪些事情，把用戶進行細分，例如說：做過某件事情，對于我們而言，他就是我們的核心用戶。

我們針對有這部分行為的用戶做一個集合，然后給他們發紅包，進行召回，其實我們發現這一部分召回的效果挺好的。

6. 雙十一活動

第六個案例是一個變現的案例——雙十一活動。

我們之前一直在做的雙十一活動——全場免費或者全場一折，有一次我們連做了11天全場一折的活動，但是后來我們做數據分析的時候發現一個問題，這次活動的銷售成績非常差。如果是從提升收入的角度辦這場活動，那么整個數據對于消費的沖擊是很大的。

另外一個弊端就是來一月、二月消費數據也是在下降的，因為我們提前透支了用戶的需求，每個用戶每個月能看的書的量是固定的，在一折活動中大家都屯了很多書，所以后面的銷售數據就會受到相應的影響。

而且我們也會監測輿情，我們會發現用戶會有一個定向的思維，他會覺得云閱讀什么時候再打折我就等到打折那天再買書。

這邊我引用了《精益數據分析》里的一句話：

“跟蹤一日、一周、一月內的流失率，因為用戶會以不同原因在不同時間段流失掉。第一天后便流失掉的用戶可能是嫌棄游戲的教程太過糟糕，或是游戲本身對他們沒有吸引力；一周后流失掉的用戶可能覺得你的游戲不夠耐玩；而一個月后流失掉的用戶則可能是由于游戲的更新規劃處理得不夠好，了解用戶何時流失有助于掌握用戶流失的原因以及阻止流失的方法?！?/p>

用戶什么時候流失或者是數據什么時候有波動，不僅僅是當前的問題，可能和前期所做的決策也會有相應的影響。

7. 數據趨勢分析

第七個案例是數據趨勢的分析。

不同內容形態的產品給我們呈現的規則也是不一樣的，比如說：看這兩個數據報表，前面一個是以周為規律的波動，開學很高，周末也很高，后面一個的數據規律相對來說少一點，而且雙十一是一個低點。

這兩個數據，前面是漫畫的。因為漫畫的瀏覽量和本身更新的周期有關，漫畫最普遍的是周末更的，所以它的數據會非常明顯，到周末就很高。此外開學和周末數據最高，因為漫畫的用戶其實都是小孩子、都是學生，所以會出現這樣一種現象。

對于閱讀而言，這個數據更加印證了我們做雙十一活動其實是沒有什么益處的，在我們閱讀書里面的省的錢根本就不夠別人去淘寶店秒殺的，所以到了這一天，包括春節假期，我們的數據都會到一個交易低點。

在這里，數據主要有兩個作用：數據監測和趨勢預測。當前的數據是否異常？為什什么會這樣？要及時發現問題，定位問題。以及通過整個趨勢圖，預測接下來一段時間的指標趨勢，為后期的工作提供幫助。

8. 關注行業和自身資源

最后一個案例關于行業和自身資源。

有段時間360網盤被關了，我們當時就緊急做了一件事情，宣傳了云閱讀導入本地書的功能。綠色這條線是我們當時急劇上升的數據，后面為什么沒有去做這件事情？

因為政治上不太正確，所以后面就沒有繼續做。說這個案例的意思就是說，如果行業有什么變化，我們可以和自身業務進行一個結合，這是我們切入市場的一個點，就像蹭熱點一樣。

最后和大家分享一句話：“太陽底下無新鮮事”，這是圣經里面的一句話。

積累和經驗對于每一個產品經理來說都是非常重要的，做過的項目，我們要做一些體驗記錄、分類以及歸納，你現在做閱讀產品，但是其實對于漫畫或者是其他內容，或者其他to C的任何一個產品，其實說到底都是相通的，做提煉歸納分類之后就會有相應的方法。

這個時候再加上整體思路指導的沉淀，就會變成相應的經驗，再加上相關的理論知識。對于產品經理來說，其實有一個閉環的主線，就是不斷的總結，再去嘗試，然后會有新的案例，然后再進行總結這樣一個發展過程。

今天的分享就到這里，希望大家都能有自己的收獲，能夠把用戶行為數據合理地應用在產品迭代中，也希望大家能多總結多歸納，“太陽底下無新鮮事”，希望大家都能沉淀出自己的心得和體驗！

作者：顧紅清 | 網易文漫產品經理。碩士畢業于江南大學設計學院，先后就職于阿里巴巴、網易，現負責網易云閱讀各平臺產品設計。

本文由 @網易云 | 云信 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖由作者提供