在這樣一個「數據驅動」的時代，很多產品團隊都選擇在產品早期就引入或搭建數據分析平臺，并希望能夠通過數據驅動產品的快速成長，但即便如此，大多數的初創(chuàng)企業(yè)還是難逃失敗的厄運。除去戰(zhàn)略、經營等導致企業(yè)死亡的情況，數據分析的「深度不夠」也是讓產品鎩羽的重要原因——大多數企業(yè)構建的數據分析平臺僅僅能看一些統計指標——而這并不足以指導產品改進，并使之走向成功！

產品數據分析的三個層次

對產品用戶和行為數據的研究可以大致劃分為宏觀層、微觀層和中間層三個層次：

宏觀層：由一系列的數據指標構成。如產品每日的「活躍用戶數」、「新增用戶數」、「訂單數量」、「點贊的次數和人數」、「次日或7日留存率」等，這些指標能夠幫您從整體上把握產品的運營狀況；

微觀層：由產品中每個用戶及其行為的細節(jié)數據構成。如每一個用戶的年齡性別……、他在什么時間打開應用、做了什么、他的購物車里都有哪些商品等，這些數據可以讓您去深入的了解和理解每一個用戶以及用戶的行為？

中間層：中間層由一系列相互關聯的分析方法、模型以及相應的數據構成。如行為分析、漏斗、留存、細分、畫像洞察等等。

決定成敗的「中間層」

「中間層」是至關重要的一層——針對您產品和業(yè)務目標展開的大部分分析，都需要在中間層的方法模型支持下完成。這是因為：

宏觀層的數據指標過于概括，雖然可以幫您了解產品的整體狀況，卻很難基于這些指標直接構建出切實的產品改進策略；

而微觀層的行為的數據量實在太大，海量細節(jié)讓人無從下手。

如果中間層能夠基于豐富的維度提供有效的方法和模型，您就有機會對存在問題的宏觀數據指標進行逐級深入的剖析，逐步縮小問題的范圍和人群，甚至深入微觀層洞察相關的用戶及行為，直至對問題原因得到清晰的認識（或有效猜測）——并據此構建出產品改進策略并逐步改進，產品就有機會走向成功。

相反，如果中間層缺失，或提供的方法模型不能支持您對問題指標進行足夠的剖析，您就只能回到「看數據→拍腦袋」的老路上去，產品快速增長并最終走向成功的幾率將因此降低。

典型實例剖析

以一款假想的「視頻分享社區(qū)」產品為例：

1. 發(fā)現問題

該產品的運營負責人通過數據發(fā)現：新用戶在注冊第二天只有20%人回訪（「宏觀層」指標「次日留存率」低）

2. 深入分析

接下來，她將某天新增的用戶劃分為「第二天回訪的用戶」和「第二天不回訪的用戶」兩個群體（作者按：「中間層」的人群細分），并且：

對這兩群用戶從各個維度進行了分析對比（作者按：「中間層」的細分、群體畫像、行為分析等方法），結果發(fā)現這兩群人的一個典型區(qū)別是：「回訪的用戶」往往在首次使用時就「拍攝了至少1段視頻」并且「分享到微信朋友圈」；

而「不回訪的用戶」大多在首次使用時「沒有拍攝視頻」或「沒有分享到朋友圈」。根據上述差異，這位運營負責人猜測——首次使用時「拍攝并分享」會影響到第二天及以后的留存率。

于是，她進一步在兩個群體中各抽取了少量用戶，并查看他們的行為記錄（作者按：「微觀層」的用戶及行為細節(jié)數據），發(fā)現：在首次使用時「拍攝并分享視頻」的用戶，往往會在收到朋友圈好友評論時返回應用，以便查看或回復評論。并且，得到評論較多的用戶很快會「拍攝新的視頻」。而「沒有拍攝和分享視頻」的用戶則情況剛好相反。這位運營負責人的想法通過這些細節(jié)數據得到驗證。

3. 改進產品獲得提升

這位運營負責人將她的發(fā)現與產品經理以及其他團隊成員進行了溝通，并得到認可。

大家一起基于這個發(fā)現，對產品本身進行了更為深入的分析，并選取了部分用戶進行了電話調研。然后，大家制定了提升產品的策略：

第一步，對產品本身進行優(yōu)化改進，引導和鼓勵用戶在首次使用時完成視頻拍攝和分享。新版本發(fā)布后，新增用戶的次日留存率很快上升到50%；

第二步，組織「最佳微視頻評選」、「搞笑視頻評選」等一系列活動，刺激視頻的拍攝和傳播互動。隨著活動的進行，新增用戶數量和次日留存率又有了進一步的提升，并且老用戶的活躍度也不斷增長。

隨著產品用戶的快速增長，產品團隊的負責人很快與投資人敲定了新一輪融資，產品邁向成功……

總結

宏觀層的指標相對容易得到。而選擇或構建合適的分析工具將中間層和微觀層「解鎖」，才是決定數據分析成敗的關鍵！

#本文作者于曉松，Growth Hacker：介于技術和市場之間的新型團隊角色~