开发者，如何通过数据优化产品APP设计？

36大数据 • 9年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

好的产品有哪些方面需要数据的验证？如何通过数据来了解自己App潜力？在友盟开放日上，友盟统计产品经理冯孙颖分享了“数据支撑下的 App 迭代策略”。
以下为口述内容，梳理时略有删减。

对于产品来说，它的品质、营销和推广是实现商业目标的基础，数据则可以验证这三个方面的执行效果。那么，如何通过数据来更好的了解自己的产品，并且去优化产品设计？

第一，宏观了解 App 内在特性，找出问题所在

开发者需要宏观了解应用的整体趋势。宏观分析的目标就是通过数据指标和运营模型了解 App 的内在特性，找到开发、运营过程中的问题并且解决它。

举个例子，日前有个工具类 App 找到友盟，说是产品的 DAU 莫名地下降了，让我们帮忙分析下原因。

运营人员大都知道，用户规模会受到新用户和老用户的影响，新用户主要跟应用推广相关，而老用户主要跟应用特性相关。它的新增用户曲线是正常的，那我们猜测可能就是老用户出现了问题，所以先查看了这个 App 三个月以来的留存率，留存曲线很稳定，而且次留存率高于 40% ，7 日留存率高于 20% 。接着又查看了它的沉默用户趋势，从图表曲线来看，这个 App 的短期留存也不存在问题。

注：沉默用户是一个 App 反映老用户的指标，指的是用户只在安装当日和次日启动过，在随后 90 天都没有启动行为，即视为沉默用户。沉默用户是一个短期留存，跟 App 闪退、UI设计风格、目标用户的获取等因素相关。

通过分析，这个 App 的留存率高于业内流传的 40-20-10 的标准，沉默用户也没有异常波动。所以不太可能是推广中获取用户存在质量的问题。那么是什么因素导致这个 App 的 DAU 在下降？接着我们分析了这个 App 的用户结构。

友盟统计系统有三个模型：活跃度、新鲜度和周用户构成。用户活跃度模型是按照用户活跃成分来分层的，最下层的是最近 15 天内每天都启动的用户，属于活跃用户；最上层的是在最近 15 天内只启动了 1 天的用户。可以看出，最下层的用户占比超过 20%。可见，这个 App 的老用户占比非常大，活跃度也比较高。

此外，从它的用户新鲜度数值上看，30 天前的用户已经占总用户的 90% 以上。与此同时，新鲜度和活跃度模型中用户的成分都非常稳定，所以排除了运营活动减弱或者问题版本的发布导致数据产生波动。

注：新鲜度是按用户来到系统中的时间来分层，最下层的用户是 30 天前的新增用户，属于老用户，最上层的用户是最近新增的用户，它能够更清晰的反映新老用户比以及用户的来源结构。

再来看下它的周用户构成。从模型中可以看到两个现象：整个周活跃用户的规模在下降；老用户的规模也在下降。

我们可以进一步分解影响用户规模的因素。一般来说，新用户获取和老用户回访会使用户规模上升，而新用户流失和老用户流失会使应用规模下降。一般新用户的变化和应用推广相关，老用户的变化和应用特性相关。那么唯一的可能性就是推广中获取的新用户数量一直都很低，这样新用户所带来的增量弥补不了老用户所带来的损耗，长此以往，DAU 就下降了。这个过程在数据上的体现就是新鲜度模型中老用户占比非常高。

注：周用户构成按照用户在系统中持续的启动时间将用户分层，最上层启动时间超过 5 周的是忠诚用户。

为了论证这个推论的正确性，我打开了系统中的预测算法寻找答案。当我设置继续按照上周的发展，我们可以看到上图的那蓝色曲线呈现下滑。

当我每周获取 42000 个用户时，蓝色曲线不再下滑，呈现平稳的趋势。

每周设置 90000 新增用户，蓝色曲线快速回到年初水平。

这就进一步论证了我的 App 是因为新用户获取力度不够，没有办法维持现有的用户规模，所以用户就下降了。

二、关注每次渠道投放及版本迭代对数据产生的微观影响

微观分析的核心方法是用渠道和版本做细分对比。

大部分开发者都使用过付费推广渠道。怎样控制推广成本？首先需要关注渠道在数量上的指标来进行成本控制，关注渠道在质量上的指标来进行收益的分析。

我们还需要了解每一个渠道的用户属性和用户画像，了解这个渠道与你的用户是否相匹配。这些可以通过友盟统计的一些高级功能来进行个性化目标的分析，来提高整个渠道的投放效率。

除了渠道的推广，版本的更新迭代也是需要跟进的。这可以通过错误分析来兼顾版本的稳定性。因为版本内容好坏也会对留存率产生影响，通过页面访问路径了解用户实际使用行为。

友盟最近在页面访问路径功能上做了优化，优化里做了全量数据来参与计算。

这种可视化的图表能够直观展现页面之间跳转。还可以在交互中展现某一个页面，看用户在页面中离开的比例，看用户来到页面之后又调转到其他的页面。这些信息其实可以帮助我们优化产品，我曾经用这样的功能优化过友盟指数，分享下此次的优化过程。

注释：友盟指数分为四大指数，不同功能指标用不同颜色展现。

最初，为了充分对比 iOS 和 Android 的差异性，开发者需要点击 A1 到 A5 对应的标题进入，当时设计了很多方案，让这些标题更大更容易被点击。但是无论是哪一种设计方案，跳出率都高达 50% 。于是就去分析页面访问路径，发现用户从首页离开的比例非常大，而且这一部分留下来的比例比较少。

我猜测可能是这个概况页太长，这有一个滚动条，用户没有办法在一屏之内浏览完所有信息，所以用户转化很差。所有详情页都需要通过标题点进去，所以隐藏入口比较深，用户点击不到。

基于这个判断我们做了一次优化。将二级功能做成了二级导航，这一次功能上线之后，跳出率下降了 20% ，另外再来看页面访问路径，发现用户进入到详情页的比例确实多了很多。这就进一步验证了我的设计思路。

总结一下，开发者需要了解用户的使用行为来优化自己的产品，同时需要分析数据，将数据转变为可执行的方案。友盟统计的一些高级功能可以帮助开发者进行个性化的分析和精细化的运营，从而更有针对性的去优化产品的功能设计。譬如通过自定义事件功能，可以对近期比较关注的功能点做埋点分析，去追踪用户使用这些功能时的具体细节，包括统计事件及事件各参数的发生次数、独立用户数、事件时长、累计值、均值和数值分布等。