开发者，如何通过数据优化产品APP设计？.docxVIP

开发者，如何通过数据优化产品APP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，