CobiNet(寧波)推薦文章：

按大眾化的分法，產(chǎn)品的生命周期(PLC, Product Lifetime Cycle)分為初創(chuàng)期、成長期、成熟期、衰退期，在產(chǎn)品的每個階段，數(shù)據(jù)分析的工作權(quán)重和分析重點有所區(qū)別，下面按階段結(jié)合案例來聊聊。

一、初創(chuàng)期

初創(chuàng)期的重點在于驗證產(chǎn)品的核心價值，或者說驗證產(chǎn)品的假設：通過某種產(chǎn)品或服務可以為特定的人群解決某個問題。這個階段應當遵循MVP(Minimum Variable Product) 的思想，以最小的成本來驗證創(chuàng)業(yè)的想法，并根據(jù)用戶的反饋快速迭代以調(diào)整解決方案，最終在數(shù)據(jù)上得到驗證。

案例：

拿之前做的某款國外移動端論壇社交應用為例，產(chǎn)品在idea時期(12,13年左右)發(fā)現(xiàn)了論壇用戶經(jīng)常在吐槽從移動端Wap頁訪問論壇速度慢、廣告多、完全沒有移動端適配，于是我們提出假設：做一個App，連接論壇系統(tǒng)與用戶，讓論壇用戶在移動端也能享受流暢的論壇訪問體驗，并且用戶愿意為了這種體驗付費。

于是在初期，整個產(chǎn)品完全圍繞看帖、發(fā)帖兩個核心場景進行挖掘，在論壇里進行宣傳，售價$18，發(fā)現(xiàn)有許多用戶為之付費，且這些用戶的留存率達到60%+(當然與用戶付費了有關(guān))，有一半的用戶使用時長都超過了70分鐘。當時沒過多久陸續(xù)出來了一些競品 (Vbulletin團隊，當時最大的論壇系統(tǒng)，開發(fā)了一個移動端的App，意圖解決同樣的問題)，但是沒過多久都遠遠落在了我們后面，就是因為整個團隊遵循MVP的思想，按用戶反饋專心反復打磨看帖、發(fā)帖的流暢體驗，獲得了非常好的用戶口碑并領先市場，也獲得了某著名硅谷投資機構(gòu)的投資。

關(guān)鍵數(shù)據(jù) 目標人群畫像

除此之外，初創(chuàng)期可以通過接入一些第三方的應用監(jiān)測SDK來了解初期用戶群體的畫像，從側(cè)面驗證用戶群體與假設的目標用戶群體特征是否一致，常見的是人口學屬性(性別、年齡、學歷、地域)。

案例：

今年4月初在和國內(nèi)某健身類的APP的產(chǎn)品經(jīng)理聊到， 該APP最初是一款健身、運動記步的工具App，在產(chǎn)品前期新用戶的次日留存處于業(yè)內(nèi)平均水平，在其觀察到目標用戶群體的畫像時，發(fā)現(xiàn)女性用戶明顯比男性用戶要多，且女性用戶留存明顯比男性用戶要高。于是決定在產(chǎn)品策略上向女性用戶傾斜，主攻女性健身、減脂、美容方向的功能以及內(nèi)容推薦，產(chǎn)品整體次日留存率相比之前增長近100%。

同樣，最近服務了一個鵝廠內(nèi)部客戶，他們開發(fā)了一款新產(chǎn)品，意在面向年輕人群體，結(jié)果卻發(fā)現(xiàn)其用戶年齡分布以青少年和老年人居多：

這正好與他們的用戶渠道相關(guān)，原來他們有一款面向青少年和老年人的產(chǎn)品，為了給產(chǎn)品帶來第一批用戶，他們直接從老的產(chǎn)品將用戶引流過來，結(jié)果發(fā)現(xiàn)他們并非產(chǎn)品的目標用戶。

關(guān)鍵數(shù)據(jù) 留存率

在當前用戶符合目標受眾特征時，核心關(guān)注這些用戶的留存率、使用時長/頻率、用戶的黏性等指標，這里就留存率展開來講。

留存率的維度分很多種(7日，雙周，30日等)，依據(jù)產(chǎn)品特征來選擇，若產(chǎn)品本身滿足的是小眾低頻需求，留存率則宜選擇雙周甚至是30日;留存率高，代表用戶對產(chǎn)品價值認可并產(chǎn)生依賴，一般來說，假設便能得到驗證，通常低于20%的留存會是一個比較危險的信號。

介紹一個以數(shù)據(jù)為驅(qū)動的先行指標模型，可以通過找到先行性指標指導產(chǎn)品設計，從而提升留存率。先看下先行性指標的定義，先行性指標是指新用戶在使用產(chǎn)品早期的一種產(chǎn)品行為，這個指標與用戶的留存率指標之間存在著非常高的線性相關(guān)關(guān)系，可以預測用戶是否會在產(chǎn)品中留存下來。

用自己總結(jié)的公式來描述，大致如下：

積極預測可能性(%)：表示用戶執(zhí)行了該行為，即可預測該用戶留存活躍的可能性

消極預測可能性(%) ：表示用戶如果不執(zhí)行該行為，即可預測該用戶不留存活躍的可能性

最終，先行性指標的可信度=積極預測可能性 X 消極預測可能性 ，我們直接看案例。

案例

拿之前的論壇社交App為假設，假設 用戶在注冊前10天內(nèi)添加好友超過7個 為先行性指標，那么我們計算一組數(shù)據(jù)：

其中，用戶前10天內(nèi)添加好友超過7個，則其30日留存下來可能性為99%;若添加好友小于7個，則其30日不留存下來(流失)可能性為95%，綜合指標可信度為0.9405。

同理，計算以下兩個先行性指標可信度：

最終，我們得到對比：

以上只是假設的數(shù)據(jù)，實際上，我們需要對比十幾個甚至是二十幾個行為指標才能找出先行性可信度最高的行為。

這個模型中第一條 新用戶在注冊后的10天內(nèi)添加好友超過7個 ，也就是Facebook一個經(jīng)典的 aha moments ，所謂 aha moments 即當用戶意識到產(chǎn)品的核心價值的時刻，也就是我們的 先行指標 。

(Facebook，Instagram推薦好友截圖)

除此之外，先行性指標應當滿足以下條件：

二、快速成長期

經(jīng)過了產(chǎn)品打磨的初始階段，產(chǎn)品有了較好的留存率了，這個時候產(chǎn)品開始進入自發(fā)增長期。自發(fā)增長期的產(chǎn)品階段，仍需要關(guān)注用戶留存、用戶時長、用戶畫像的變化等數(shù)據(jù)，但可以將側(cè)重點關(guān)注在用戶的整個生命周期的管理，其中以新用戶的增長、激活、觸發(fā) aha moments 到產(chǎn)品穩(wěn)定活躍用戶的整個漏斗分析為主。

新用戶的增長和激活

其中新用戶的增長和激活一般有兩種方式，第一種是構(gòu)建產(chǎn)品的病毒性傳播系數(shù), 讓產(chǎn)品自發(fā)增長，《精益運營數(shù)據(jù)分析》書中有提到的幾個用戶病毒式傳播分類很有趣：

原生病毒性，即通過App本身的邀請好友功能而傳播吸引的新用戶的方式;

口碑病毒性，即通過口碑傳播，用戶主動通過搜索引擎成為的新用戶;

人工病毒性，即通過人工干預，如有獎邀請等激勵措施來鼓勵用戶進行邀請行為。

這里關(guān)注的一個指標稱之為 病毒式傳播系數(shù) ，感興趣的同學可以自行深入了解。

新用戶下載- 激活- Aha Moments - 產(chǎn)品穩(wěn)定活躍

產(chǎn)品開始進入自發(fā)增長期后，需要關(guān)注用戶從新用戶到活躍用戶(留存后)、到核心用戶的生命周期，并將每個過程的關(guān)鍵指標提煉并精細化。

案例

以之前的論壇社交APP為例，新用戶進入產(chǎn)品會看到一個歡迎頁(如左下圖)，經(jīng)過注冊、登錄后會看到產(chǎn)品的首頁(如右下圖的Feed流頁面)，多數(shù)App都有類似的流程：

一個新用戶從進入App歡迎頁到最終成為核心用戶大概是以下流程：新用戶(探索發(fā)現(xiàn)產(chǎn)品價值中)- 旁觀者(逐漸認知產(chǎn)品價值并有一定的參與感)- 生產(chǎn)者(認同產(chǎn)品價值并積極參與)：

按大眾化的分法，產(chǎn)品的生命周期(PLC, Product Lifetime Cycle)分為初創(chuàng)期、成長期、成熟期、衰退期，在產(chǎn)品的每個階段，數(shù)據(jù)分析的工作權(quán)重和分析重點有所區(qū)別，下面按階段結(jié)合案例來聊聊：

此時，對各個階段的用戶行為進行指標分解：

新用戶 探索發(fā)現(xiàn)者：

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產(chǎn)品研發(fā)生產(chǎn)超五類，六類,七類線，屏蔽模塊，配線架及相關(guān)模塊配件的研發(fā)和生產(chǎn)。

歡迎來電咨詢0574 88168918,郵箱sales@cobinet.cn，網(wǎng)址www.10166888.com