友盟:如何通过数据优化产品设计?

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。

 

 

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处: 友盟:如何通过数据优化产品设计?