家更偏向于下載量，注冊數(shù)這樣代表拉新效果的指標(biāo)，但是一個人在什么時候才真正成為你產(chǎn)品的用戶呢？其實(shí)是在他留存下來的時候。
因此在AARRR模型中，留存是最重要的一環(huán)，獲取（ Acquisition）和激活（Activation）的用戶愿意持續(xù)地使用產(chǎn)品，就實(shí)現(xiàn)了用戶留存，留存下來的用戶才能實(shí)現(xiàn)后續(xù)的變現(xiàn)（Revenue），甚至自發(fā)進(jìn)行傳播和推薦（Referral）。如果留存率不夠理想，所有在用戶獲取方面的努力都都將白費(fèi)，進(jìn)而也不可能激發(fā)用戶的付費(fèi)和推薦意愿了。
三 產(chǎn)品經(jīng)理怎樣用數(shù)據(jù)分析的思路優(yōu)化產(chǎn)品？
對于沒有數(shù)據(jù)分析意識的產(chǎn)品經(jīng)理來說，在完成產(chǎn)品規(guī)劃，功能開發(fā)，以及測試上線之后，就認(rèn)為自己在這一階段的工作結(jié)束了，這樣是無法做出優(yōu)秀產(chǎn)品的。在產(chǎn)品發(fā)布上線之時，數(shù)據(jù)分析的工作才剛剛開始，只有對上線的功能進(jìn)行不斷的調(diào)整和優(yōu)化，才能打磨出真正體驗(yàn)優(yōu)秀的產(chǎn)品。
那么對于產(chǎn)品經(jīng)理來說，怎樣用數(shù)據(jù)分析的思路驅(qū)動產(chǎn)品優(yōu)化呢？
1.建立業(yè)務(wù)目標(biāo)和產(chǎn)品期望
認(rèn)真思考「用戶故事」，明確產(chǎn)品成功的目標(biāo)是怎么樣的，比如什么樣的使用量，使用頻度，達(dá)到怎樣的留存率才算是成功；
2.將產(chǎn)品抽象化、邏輯化和結(jié)構(gòu)化
只有對產(chǎn)品的結(jié)構(gòu)和邏輯足夠了解，才知道哪些是需要關(guān)注的數(shù)據(jù)和指標(biāo)，以及怎樣通過對這些指標(biāo)的監(jiān)控實(shí)現(xiàn)最終的目標(biāo)。因此這時我們需要將產(chǎn)品功能抽象化、邏輯化和結(jié)構(gòu)化，拆分成具體的邏輯層次。包括用戶的預(yù)期操作可以分為幾個部分，業(yè)務(wù)邏輯分為幾個部分等等…在理清產(chǎn)品邏輯之后，才可以按照每一個部分去進(jìn)行分析和優(yōu)化，比如在電商應(yīng)用中，就可以將用戶的購買行為抽象為如下的邏輯結(jié)構(gòu) A.打開商品詳情頁 B.進(jìn)入購物車頁面 C.確認(rèn)訂單頁面 D.進(jìn)入支付頁面 E.付款成功；
3.進(jìn)行數(shù)據(jù)的準(zhǔn)備和收集
產(chǎn)品經(jīng)理需要確定出具體的分析計劃，并且整理出數(shù)據(jù)需求。在一段時間的數(shù)據(jù)采集之后，形成相應(yīng)的數(shù)據(jù)樣本（時間上很短，或者用戶很少的數(shù)據(jù)是沒有意義的）。
但很多產(chǎn)品經(jīng)理常常就敗在這一步，因?yàn)閭鹘y(tǒng)的數(shù)據(jù)收集工作必須要提前埋點(diǎn)，而埋點(diǎn)最常發(fā)生的事情就是漏埋和錯埋，產(chǎn)品上線了才發(fā)現(xiàn)“沒埋點(diǎn)，沒有數(shù)”。
4.多種手段進(jìn)行數(shù)據(jù)分析，衡量用戶的使用情況
在新功能上線之后，我通常會利用多種分析手段了解用戶的真實(shí)使用情況，并驗(yàn)證是否符合在第一步中設(shè)定的業(yè)務(wù)目標(biāo)和產(chǎn)品期望。
比如，在驗(yàn)證產(chǎn)品每一個步驟的邏輯和轉(zhuǎn)化時，我會使用漏斗功能對用戶的核心路徑進(jìn)行分析，在之前的電商例子中就形成了一個「A.打開商品詳情頁->B.進(jìn)入購物車頁面->C.確認(rèn)訂單頁面->D.進(jìn)入支付頁面->E.付款成功」的漏斗（如下圖）。
GrowingIO 漏斗實(shí)時進(jìn)行數(shù)據(jù)分析
在這個漏斗中，可以發(fā)現(xiàn)從收貨信息頁面，到支付頁面的轉(zhuǎn)化率不太理想，已經(jīng)產(chǎn)生購買意愿并確認(rèn)訂單的用戶只有 50.2% 到達(dá)了支付頁面，為什么這一步流失了一半的用戶呢？在這里我們就可以針對「確認(rèn)訂單頁面」到「支付頁面」的流程，對這個現(xiàn)象的成因進(jìn)行相應(yīng)的分析了。
5．提出猜想并驗(yàn)證
通過上面的數(shù)據(jù)分析，針對為什么確認(rèn)訂單到支付這步的轉(zhuǎn)化率這么低？我們就會有一個初步的猜想，可能是「用戶無法在確認(rèn)訂單頁面查看商品細(xì)則，為了返回上一頁，因此放棄了付款」，也可能是「用戶想修改商品數(shù)量和樣式，但是確認(rèn)訂單頁面不能修改，因此放棄了付款」，當(dāng)然也有可能是單純的提交支付按鈕存在 Bug 或者理解的偏差。
接下來就要用數(shù)據(jù)分析來驗(yàn)證我們的猜想。例如：我懷疑一個按鈕的樣式以及文案不夠符合用戶的期待，就可以查看這個按鈕的點(diǎn)擊率是否存在問題，以及設(shè)計新的按鈕樣式進(jìn)行A/B測試。有了這樣實(shí)時的數(shù)據(jù)分析圖，我們就可以隨時看到用戶行為以及每一步的轉(zhuǎn)化行為，及時調(diào)整產(chǎn)品策略，以獲得更好的結(jié)果。
驗(yàn)證猜想后，我們就會得到具有相應(yīng)論據(jù)的結(jié)論，產(chǎn)品經(jīng)理就能夠以此為依據(jù)進(jìn)行產(chǎn)品的優(yōu)化，以提升產(chǎn)品的用戶體驗(yàn)，更好的實(shí)現(xiàn)業(yè)務(wù)目標(biāo)了。在優(yōu)化上線之后，產(chǎn)品經(jīng)理就要開始新的數(shù)據(jù)分析輪回，對改版的數(shù)據(jù)進(jìn)行分析提煉，以檢驗(yàn)改版帶來的效果是否是有效的，不斷用數(shù)據(jù)驅(qū)動產(chǎn)品優(yōu)化和業(yè)務(wù)增長，形成良性的循環(huán)。
作者：王柳， GrowingIO 產(chǎn)品經(jīng)理。