9月6日-7日，2017 Demo China创新中国秋季峰会在杭州洲际酒店举行（创业邦10周年）。行业会场企业服务分会场中，腾讯移动分析产品负责人黄岳浩为我们带来了“数据驱动产品精益化运营”主题演讲 。
以下是嘉宾演讲犀利观点：
- 产品不同生命周期需要关注的数据指标以及运营重点各有不同，但是一般来说，关注核心用户群的活跃、留存、使用频率、使用时长是需要贯穿产品各个阶段的。
- 先行指标出现在整个用户使用路径的上游，用户越早接触到这个指标，促进作用会越明显；一个好的先行指标可以快速指导产品设计和运营方向，在初期尤为明显。
- 要让产品实现自我增长，当自我增长达到一定速度时再开始人为干预以免被快速增长的数据遮盖产品本身的缺陷。
- 在产品快速增长时开始用户生命周期的管理，先重点关注新增、激活、留存，在后期则重点关注流失和回流，拉长用户的生命周期。
以下是嘉宾演讲实录，经创业邦整理，仅供参考：
谢谢大家的聆听！
我今天的分享将主要围绕腾讯移动分析在移动互联网这一块的数据分析实践。腾讯移动分析的客户包含三种类型：APP、HTML5以及小程序。在与客户共同成长的过程中，我们发现了许多能帮助推动产品增长的运营案例，这里跟大家分享，欢迎互相交流探讨。
这次的分享可以分为三个模块，第一是数据分析的应用，这一块会结合案例来阐述；第二是从0到1搭建企业的数据运营体系，第三是一些辅助运营工具。
- 数据分析应用
一个产品的生命周期可以分为几个阶段：初创期、成长期、成熟期，接下来是衰退期或是延展期。产品生命周期的不同阶段各个行业会有不同的定义，这里以广义的移动互联网产品的不同阶段进行一个阐述。
一、初创期
首先是产品初创期，在这个阶段我们经常会提到MVP，即最小可行化产品的概念。在企业最初创立之前，通常我们会发现用户存在一些问题、痛点，并假设能为用户提供解决问题的思路，然后将这个思路包装成一个方案或产品，接着去执行、验证它（验证可能是用户反馈也可能是数据），最终不断地迭代更新，不断重复上述流程。
在这个阶段，我们主要需要确定的是目标人群是否按我们原来设想的一样使用产品，这时大家一般关注这些指标：核心用户群的特征，关键行为，用户黏性，使用时长、留存率、流失率。
我们先简单举一个MVP思想的例子，方便大家理解。
需求探索的案例
在移动互联网刚兴起之初，通过手机浏览器访问PC时代的论坛，大家会看到浏览器是纯粹地把网页压缩在一个小小的屏幕内，并且上面会有很多广告，适配度很低、访问速度慢、阅读、参与体验非常差。OK，现在我有一个idea，假设我们开发一个APP，并让用户通过APP访问这个论坛，提高适配度，让用户有更好的参与体验，并且，我相信用户会因此付费。
接下来开始执行，开发一个登录、看帖、发帖的app，这是论坛用户使用的核心流程，这个阶段我们只需要做出核心流程，能验证我的想法，就OK。
然后需要验证，我们把这个产品包装出去给用户使用，综合用户的使用反馈、数据上可以看到用户的留存率，即从APP进入的新用户留下来的数量占新进用户群的比例是多少；一个月活跃的用户里面每天在使用的有多少这可以代表粘性。通过观察这几个指标并且根据用户的反馈，不断地调整用户体验，这就是简化版的一个需求探索的过程。
画像功能，帮助我们了解目标用户群
我们在初创期需要了解我们的用户是谁？我的产品核心用户是否如我所预期，这时我们就要用到用户画像。我们通常讲的用户画像，最基础的就是社会学属性，比如年龄、性别、收入等等。举个用户画像的案例，图中的APP原本是健康运动类APP，用户中既有男性又有女性。当产品经理去观察用户画像时发现这样一个结果：用户中绝大多数都是女性，而且这些女性留存率以及活跃度非常高。于是他做了一个大胆的决定，把APP内的所有相关设计和内容，全部换成女性群体感兴趣的。于是这个APP的定位本体换成了减脂、美容、健身相关，并且在转变之后获得了非常高的用户留存，用户活跃度也大幅提升。通过腾讯移动分析的画像功能，可以帮助企业快速了解用户的画像、应用类型偏好等。
先行指标，帮助提升用户留存率
先行指标（这个在国外移动互联网数据分析领域用的较多）可以预测产品的未来，简单来讲就是预测用户留存成为高活跃用户的可能性，可以分两方面来看：积极预测可能性和消极预测可能性。积极预测代表能够非常准确地预测这个指数对产品未来是有帮助的，或者是与商业模式中关键的数据是很有关系的。消极预测就是对预测持否定的状态。下面举例说明：
这里有一个APP，他的“新用户在进入APP之后前10天内，添加的好友数是否超越7个”被认为是一个先行指标，接下来通过实际的数据去计算这个指标：10天内添加好友数超过7个，30天后如果还留存，这些用户我们认为是比较好的用户，其积极预测可能性，按照刚才的公式计算可达到99%，意味着只要添加好友数超过7个，留存率会非常之高；而这个指标中的的消极预测可能性是95%，同样也意味着用户在进入APP后的前10天内，如果添加好友数小于7个，不留存率也会非常高。
但这个指标是否就是先行性指标呢？这时还需要结合其他现行指标一起来看： 比如用户是不是在前10天内发帖超过5个，用户是不是在前10天内点赞超过20次？（如上图）
最后我们综合比较三个指标，可以发现明显不同的一点在于：第一个先行指标的消极预测可能性非常之高（95%），代表如果用户在进入APP后的前10天内，添加的好友数不超过7个的话，其留存率会非常低；而其他APP则不然，也就是说用户在进入APP后的前10天内添加好友数超过7个是一个先行指标。
这也是Facebook、INS在一开始就会推荐用户加好友的原因，因为他们经过计算和数据分析得到的结论是用户在前10天是否添加好友数足够多，其留存率就会更高，这个先行指标对于他们的产品留存率非常重要。
- 当然，先行指标还有很多，最优秀的先行指标通常可以找到一些规律，比如与社交、内容创作、回访、使用频率等联系在一起；先行指标要与商业模式的某个部分明显连接
移动互联网时代用户数量等于流量，流量等于金钱，因此关注用户数和流量至关重要，先行指标是否能提升产品用户数这是最关键的点。先行指标出现在整个产品生命周期的上游，用户越早接触到这个指标，促进作用就越明显。
但是不是提升这些先行指标就可以保证提升用户数呢？并不然，所有的数据分析和推断都需要经过实际验证，验证之后才能知道推动某一个先行指标是否有真正有效果。
以上这是产品的第一个周期，初创期，接下来我们继续分析产品到了快速成长期需要关注的内容。
快速成长期
在快速成长期，产品用户数开始逐渐增长，而增长的速度相对较快，这时需要开始关注用户的生命周期：我们可以看到，用户在各种渠道被吸引使用产品，成为产品的新用户；新用户在应用激活之后变成活跃用户，当然部分用户也有可能直接流失，成为沉睡用户（这里的活跃用户以月为单位来阐述、不同产品各有不同）；而最初的活跃用户也可能流失，沉睡用户也有回流成为活跃用户的可能性，这是基本的生命流程。
在这个阶段我们要关注两点：一是产品的自增长，即不通过任何运营的方式，产品自发的自我增长；二是要精细打磨你的产品。接下来会结合案例具体阐述：
第一个是病毒性，就是说产品能够自我增长的系数。首先是原生病毒性，原生病毒性常见的即APP内的邀请的功能；第二是人工病毒性，通过奖励或是做活动等人工干预的运营方式，促进用户邀请；第三个是口碑病毒性，即用户之间口口相传的方式。
还是沿用之前的论坛APP创意，假设产品到了快速成长期，那么应该怎么精细化它的指标呢？
如图，用户从欢迎页面进入，到第一次进入探索整个应用的内容，这时是新用户探索的阶段；这个阶段的指标精细化后可能是：欢迎页面跳出率、注册转化率、搜索结果成功率、关注的用户数等等。
进来之后在应用里成为了活跃用户，可能偶尔来看看帖子，但是不参与，我们称之为过客(Passive User)阶段；此时可能拆分的是看文章的点击率、关注板块的数量、推送点击率等等。
当用户逐渐认可平台时，用户才开始产生内容，即开始成为你的核心用户、高价值用户；细分的可能要看人均发帖数、人均视频数等。
这就是将用户生命周期精细化的一个例子，这个是数据精细化运营的最常见思路。
成熟期
成熟期重点：流失与回流。这个阶段关注的重点指标可能是产品营收，单个用户的成本等等。
举个例子，某款游戏APP通过数据指导运营工作时，会找出其流失用户群进行洞察，通过腾讯移动分析可以看到流失用户画像，从而看到其接下来的一些行为。根据这些行为去归类，找到原因，按产品策略去执行，然后上线。比如这款游戏面临的问题是游戏新进不足，新用户质量不高，也会有大量老用户流失。于是需要统计用户流失的原因，针对这些问题，做一些改动：
- 节日留存，用户会有非常显著的特征。在正常的假期，比如过年期间用户可能因为一些客观原因无法使用APP，节后回到正常状态已经遗忘了这个APP，这是很常见的。对于游戏类的APP，节后流失率会有35%，是非常大的损失。
针对这个情况，我们可以采取措施，如将节日期间做的活动的奖励减少，并告诉用户节后会有更多奖励；如在节前设定奖励、节后再分期返回给用户；这些措施实施之后，我们会发现节后流失率变成了百分之十几，效果是比较明显的。因此通过针对流失用户群做洞察和分析，再有针对性地进行一些策略的调整的方式，可以在很大程度上可以达到挽回流失用户的目的。
成熟期提升产品ROI的方式
假设现在有一个APP，面临的问题是成交量比较低。于是我们提取核心用户群进行洞察，发现大盘用户中男性较多，但实际成单与高价值用户中，都是女性偏多，且此部分用户对购物类App、金融类App的兴趣要明显高于大盘用户，表现出了较强的消费能力。
那么，我们可以初步判断，可以优化的有以下两个方向：
用户引流渠道可能有问题，需要调整渠道引流策略，包括渠道选择、人群针对性优化等，引入与消费行为匹配的新用户群，提高销售量；
商品定位的调整：现有产品对男性的吸引力不足，导致大量大盘用户并没促成成单，这也是导致ROI较低的另一方面原因，可能需要调整的包括商品品类、商品推荐等；
其中，第一种优化方式的见效周期较短，而第二种调整方式相对影响层面较大、周期较长。我们优先实践第一种优化方式，以调整渠道引入流量为主，优化引入人群的匹配程度，实现提高ROI的目标。
那么，渠道应该如何做改善？我们先对单周渠道引入量的数据，进行初步评估。
从图表上看，当前主要的流量渠道是渠道D与渠道E，而且渠道D的留存率很高，可以认为是我们的优质渠道。但从成交上看，我们认为渠道A其实有很大的潜力，虽然现在的引入量较小，但与成交人群重合度较高，考虑到A渠道的获客成本低于渠道D，加大投放之后很可能会有一个不错的收益，能够实现我们提高ROI的目标。
于是我们可以把A渠道的用户投放预算提高，结果A渠道的用户大大增加，同时我们看到用户进入页面到最终付款成功的比例也大大提高。这是提升ROI的一个案例，也就是精细化运营模式。
上面讲到的所有案例中， 都会依赖用户分群的能力，而这个能力如果企业自己实现会消耗大量人力成本和机器资源，腾讯移动分析则可以帮助产品运营者提供这一服务。
规模化/衰退期
在这个生命周期之外，如果产品市场就是这么一个盘子，永远大不了，那接下来应该怎么做？
这时可能需要开发一个新的产品来进行延展，新产品的用户可能是从老产品里的活跃用户引流过来，也可能从老产品的沉睡用户里召回而来。之后可能还会开发二产品三产品，这些用户互相流转，互相带量，逐渐形成生态，实现自运转，这就是规模化；当然如果不开发新的产品，产品则逐渐进入衰退期。
- 从0到1的搭建企业的数据运营体系
从0到1搭建数据体系的思路大致为：
- 规划指标（即需要看哪些数据？）；
- 数据采集（即关注需要采集哪些数据？）；
- 呈现报表（怎样的呈现方式可以直观得出结果）；
4、形成数据产品并不断优化。
建设数据运营的方式可以是自建也可以是第三方服务。
如果是自建，就面临一个非常严重的问题，即成本很高，同时也没法把运营工具打通。而采用第三方的服务，会大大节省成本，同时实现运营工具的互通：比如腾讯移动分析会跟广点通、自营销的平台进行打通，支持把这些流失用户直接通过移动推送，触达给用户。
APP内会有很多的方式比如通知栏、广播消息，以及应用类的短消息等。同时也，可以按用户群或者是按照用户群画像来精准推送。比如APP用户是在华南地区，或者更细分到广东、深圳，可以针对性地对用户进行推送，还可以针对男女性别进行推送。
有时候我们会希望精细化的触达用户，比如找到我们的流失用户，给他们发送短信、推送来召回他们，但是很有可能大家都把精力专注在打磨产品上，等到要运营时，发现流失用户找不回来，要触达用户时又苦于没有好工具。腾讯移动分析则会帮助企业统计这些用户，也支持导出到其他推送、广告平台、甚至导入回自己的数据库，自己进行分析或者活动推广。
很多时候，在企业和产品快速增长时期，可能会投入许多资金在广告上，但是如何获得最好的投放效果呢？关键看你投放给谁？其实就是如何找到市场上你的核心用户群，这里教大家一个姿势，通过腾讯移动分析可以筛选出应用内当前活跃度最高的用户或者消费能力最高的用户，并将这些用户推送至腾讯的广告平台，在广告平台通过人群扩散（即将当前人群按其大数据特征，自动扩散至市场上具有相同特征的人群），并投放广告获取新用户。通过这种方式会比拍脑袋投人群要更科学、获得的新用户质量也更高。
3.辅助运营工具
通常，我们讲的埋点大家可能有所熟悉，有时候大家需要不断地在APP内或是在服务器埋很多点观测用户的行为和数据，但是要找开发同学来写代码，做测试，发布版本，流程长且耗费人力。腾讯移动分析很好的解决了这个问题：不需要通过技术人员，产品经理或产品运营人员可以直接在界面上圈选，比如查看有哪些用户点了下单，有哪些用户看了页面等等。同时支持实时下发，哪怕版本已经发布了也可以修改埋点并下发到客户的APP中去。
另外值得一提的腾讯移动分析提供的云控能力。创业者这边可以钻研一下，比如你在做产品时，希望测试用户对广告的接受程度，你可以通过这个工具来测试开关广告对用户的活跃影响；或者取巧的方式时，通过云控开关绕过一些审核（当然我们并不推荐~）；为什么不自己做呢？因为在打开关闭开关时，会对创业者自己的服务器造成很大冲击，导致业务受影响；同时也有可能开关无法正确下发到所有用户的设备。腾讯移动分析相当于帮开发者做了服务器运维的活儿。
今天分享的内容比较多，也比较杂，都是围绕着如何通过精细化的数据分析来指导、帮助产品运营和建设，时间有限，还有许多面向开发者的服务还未讲到，腾讯移动分析和推送希望做到的是通过提供数据服务，帮助企业解决数据管理难题，从而专注于自身的产品和业务发展！
如果希望了解更多的也可以直接跟我们联系，谢谢！
