本文基于神策數據推出的《數據驅動下的產品決策》在線課程數據分析師演講進行整理。

---

產品為了滿足當前階段的需求，需要具備不同的表現形態?，F象級產品往往伴隨用戶短期內的大爆發，初期上線版本必然有其局限性，后續需要大量的功能改進和體驗優化。

誠然數據驅動并非就是產品的一切，但數據是打磨產品的一大重要方法，通過數據定位問題，找到優化切入點，通過數據指標進行量化評估，是數據驅動的核心思想。產品優化要兼顧視覺體驗、信息體驗和需求體驗等方面，而數據考驗是產品嶄露頭角的必經之路。?

在昨天的驅動利器：數據驅動下的產品決策（上）里，策小編為大家介紹了方法論，本篇通過一個大型現象級產品（共享經濟類）案例，具體展示如何利用數據做到產品體驗改進和產品功能優化，下篇則為大家展示產品新功能測試/驗證階段數據分析方法。

大型現象級產品（共享經濟類）案例

產品信息：

本產品的主要的交易標的為問題，用戶行為主要可以分為兩大類：生產問題，包含了提問和回答兩個環節；收聽問題，本質是對問題的消費。產品的產品頁面主要包含三種：問題頁、答主頁、列表頁，其中列表頁包含了分類列表頁、搜索列表頁、首頁等。這個產品是消費性和社區性的結合體，可以提供非常豐富的用戶行為分析素材。

留存如何提高？抓住新訪用戶

假設產品監測情況如下圖，新訪用戶正常上升，但是實際活躍用戶曲線卻不健康，呈現停止的趨勢：

圖1 用戶活躍情況

產品數據分析師我推測可能是用戶留存差，新用戶沒有留存，老用戶也在流失。隨后我通過日常指標監測，對推測進行驗證，發現新用戶的次日留存跌到了 5%，7 日留存只有 3%，這意味著新訪用戶存在大量流失；對實際活躍用戶的流失進行了分析，判斷老用戶沒有大量流失。這個現象展示出了產品的問題是用戶粘性低，也確定了產品近期的第一關鍵指標是次日留存，提供了產品改進的方向：優化用戶留存，提升用戶粘性。

由于新用戶的粘性取決于用戶首次觸達產品的體驗，所以追蹤目標被設定為落地頁。新用戶的落地頁為問題頁和答主頁，占比 70%，經觀測跳出率非常高，所以產品改進方向縮小為優化落地頁跳出率。

圖2 落地頁分布

落地頁的價值有三個方面：

• 提供快速認知，幫助用戶理解產品價值；

• 激發用戶興趣，促成用戶留存；

• 直接轉化付費用戶。

通過落地頁面的分析結果，產品人員發現產品沒有給新用戶更多的嘗試和緩沖空間，直接要求新用戶付費聽取答案，但是客戶對產品認知有限，無法轉化，最終流失。綜上，進一步確定優化策略：增加免費內容，讓不愿意轉化的新用戶體驗，提高留存率，促進后續付費轉化，同時還不能讓有意愿付費的用戶受到大幅度沖擊。

根據下圖中的扇形圖，消費問題的瀏覽來源中，直接來源占比 45%，個性化推薦占比僅有 5%，所以需要把免費內容入口放在個性化推薦，承載位置放在占比 10% 的首頁。

圖3 改版方向分析

首頁改版要從功能出發，首頁有兩個功能：

• 幫助用戶對產品快速產生認知；

• 對用戶進行有效分流，幫助用戶抵達他們想去的頁面。

改版原則：曝光量最大的地方通常擁有最高的轉化率，所以首頁上方承載的一定是轉化率最高的模塊。對平臺首頁進行改進方式如下，為新用戶提供內容，為優秀答主提供關注功能吸粉。

答題量下降，怎么辦？

這個產品的產品生態如下圖：

圖4 產品生態圖

產品的核心標的是問題，圍繞問題有兩種行為，一種是對問題進行消費，包含“聽問題”的用戶行為，一種是對問題的生產，包含“問問題”和“回答問題”，提問和回答需要供需平衡，相互促進，才能呈現健康的發展態勢。

假設日常監測指標有變，該產品的每日新增回答數在兩個高峰后開始了大幅下降，這個情況意味著用戶可消費的產品數不足，平臺的 GMV（成交總額）、日活等指標都會受到影響。

圖5 日常監測答題量

回答總數的下降可能受兩個因素影響：人均答題數下降和答題人數下降。通過獲取的數據，每日人均答題數的曲線初期有滑落，隨后呈現平穩健康的趨勢，所以問題被細化到：答題人數減少，怎么辦？

答題人數減少有兩個原因：

• 答主愿意回答，但是沒有人提出相關問題。

• 有知識的人不愿意回答問題。

  （1）答主流失，不再回訪網站；

  （2）仍然訪問網站，但是不回答問題。導致這種情況的原因比較復雜，可能是問題質量不高，答主沒有興趣回答；也可能是答主對回答問題功能本身產生了厭倦。

通過對近七天沒有答題的用戶進行了分析，發現用戶分為三個類型：

• 近七天沒有訪問網站；

• 近七天訪問了網站；

  （1）沒有收到過提問，無法答題，推測用戶對他提問的意愿不強烈。

  （2）收到了提問，但是不回答問題，推測他對于提出的問題質量不滿意。

對這三種用戶進行數據分析統計結論如下圖，訪問網站但是沒有收到提問的用戶占比 50%，而不再訪問和訪問但是不答題的用戶中，明星大 V 占比 80%，體現了明星大 V 在產品引爆期參與度強，后期逐漸退出的正常市場現象。所以改版優化方向更加細化為：提升沒有人提問的答主的用戶體驗，同時一定程度上提高明星大 V 的參與度。

圖6 用戶分布情況

改善沒有收到提問的答主的用戶體驗，合適的舉措為建立普通答主的成長體系。

最重要的改進功能是，讓答主可以不依靠提問者提問模式，主動產出 UGC（用戶原創）內容。

所以第一個舉措是設立新功能，當答主注冊后，讓新功能帶動回答問題的用戶產生 UGC 內容，主動體現自身答復水平，展示亮點，吸引粉絲，一定程度上也可以吸引明星大 V 參與。

第二個舉措是減少被提問者的馬太效應：排序靠前的答主收到的提問較多，但是沒有意愿回答，排序靠后的答主有意愿回答，卻收不到問題。所以優化決策細化至對列表頁進行改進。具體表現為兩點方案：

• 在列表卡片中體現答主回答問題意愿；

• 對答主的排序做相對分散的模型，不再只與回答數相關，讓活躍度、新鮮度也參與考評，并進行隨機排布。

圖7 列表頁改進措施

以上兩個模塊改進案例，一定程度上體現出了數據驅動思想和數據驅動產品優化的策略，具體詮釋了數據驅動產品改進的第一階段：探尋切入點，對癥下藥改功能。下篇將會進入驗證（測試）效果階段。

如果您想下載本期驅動利器干貨PPT，請點擊下方“閱讀原文”，填寫申請表單。

總結

以上是生活随笔為你收集整理的没有思路？一个数据案例，拯救你的产品优化切入点的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。