产品分析通过用户触发的事件,衡量人们如何使用数字产品。本文讲它是什么、和网站分析的区别、能回答的问题、六个带公式的核心指标、数据模型、一个示例计算,以及没有数据团队时怎么起步。
什么是产品分析?
产品分析(product analytics)是根据用户触发的事件,衡量人们如何使用数字产品的做法,用来决定该修什么、做什么、停做什么。它不问“来了多少人”,而是问“他们做了什么、有没有走到产品开始有用的那一步、后来有没有回来”。
Mixpanel 的 2026 年指南把它描述为一门专注于理解用户如何与数字产品互动的学科,建立在追踪离散的用户动作之上。Amplitude 把它定义为“了解客户如何使用数字产品的过程”(Amplitude 指南)。两者合起来就是一个可用的定义:输入事件,输出关于激活、留存和功能使用的答案。本文给出定义、要回答的问题、带公式的核心指标、数据模型、一个可复算的示例,以及没有数据团队时怎么起步。
产品分析和网站分析有什么区别?
网站分析衡量流量:访客、来源和浏览的页面,主要服务市场团队。产品分析衡量产品内部的行为:谁完成了上手引导、用了哪些功能、有没有回来。Mixpanel 自己的例子很直观:网站分析告诉你价格页被访问了多少次,产品分析告诉你完成教程的用户转化得怎么样。
Pendo 的术语表补了一点实际差别:主要为网站分析打造的工具,通常需要事先给事件打标签,按账号或角色分群的能力有限,所以事后很难回头看行为。这是厂商的说法,但和团队常遇到的情况吻合。
实际中两者有重叠:注册漏斗从营销页面开始,在产品里结束。产品分析与营销分析一文详细讲了边界,产品分析对比页展示了各类工具的差异。简单说:用网站分析了解访客从哪来,用产品分析了解他们来了之后做什么。
产品分析能回答哪些问题?
有用的问题大致分四组。
- 激活。新用户有没有到达第 1 个价值时刻?哪个早期动作把留下的人和离开的人区分开?
- 留存。用户在第 1 天、第 1 周、第 4 周后还回来吗?曲线会走平,还是一路跌到零?
- 功能使用。哪些功能被谁用、用得多频繁?哪些没人碰?
- 路径和卡点。关键动作前后,人们做了什么?在注册或结账这类多步流程中卡在哪?
Amplitude 的指南列出了同一类问题:谁是最有价值的客户,谁会流失、流失前做了什么,用户在哪里卡住。Pendo 则把趋势、漏斗和路径列为三种核心分析。注意其中没有一个是“有多少浏览量”。Amplitude 把单独看的浏览量和点击称为“虚荣指标”;不管你是否认同这个说法,原始计数很少能告诉你下一步该做什么。
产品分析有哪些核心指标?
不需要几十个指标,六个就能覆盖大多数决策。下表给出每个指标的公式;示例一节会演示其中两个的计算。
有两点要提醒。其一,计算之前先定义“活跃”:是登录、关键动作,还是任意事件。Mixpanel 建议从北极星指标出发,拆成驱动它的行为。其二,把留存当作曲线来读。Mixpanel 指出,曲线在零以上走平,说明一部分用户找到了长期价值;一路跌到零,说明没有人留下。
再说价值到达时间:它是从注册到第 1 个关键动作经过的时间。时间太长,问题出在上手引导,而不是获客。Mixpanel 也提到相关的一点:先修好激活再扩大获客,否则只是把更多用户送进同一个流失点。
| 指标 | 公式 | 说明什么 |
|---|---|---|
| 激活率 | 到达关键动作的用户 / 新用户 | 上手引导有没有带来第一个价值 |
| 价值到达时间 | 首次关键动作时间 - 注册时间 | 新用户要等多久才见到价值 |
| 留存(第 N 周) | 第 N 周活跃用户 / 队列用户数 | 价值能否持续;按曲线来读 |
| 黏性 | DAU / MAU | 活跃用户一个月里来几天 |
| 漏斗转化 | 完成某一步的用户 / 进入漏斗的用户 | 多步流程在哪里流失用户 |
| 功能采用率 | 使用某功能的用户 / 活跃用户 | 哪些功能值得保留 |
计算任何比率之前,先定义什么算活跃。
产品分析的数据模型:事件、属性和身份是什么?
所有产品分析工具都建立在三个概念上。
- 事件是发生的事情:
signed_up、project_created、invite_sent。每个事件记录发生了什么、什么时候、谁做的,这也是 Mixpanel 对事件的描述。 - 属性描述事件或人:
checkout_started事件上的套餐、用户资料上的国家、注册事件上的来源。有了属性,才能按套餐拆漏斗、按渠道拆留存曲线。 - 身份把事件和人联系起来。访客在登录前是匿名的;登录后,同一个人可能有手机和电脑,好的工具会把这些设备合并成一份资料,避免把同一个人算两次。
由此得出两条设计原则。事件用统一格式的动词短语命名,并保持清单精简;每个近似重复的名字(signup、sign_up、Signed Up)都会把数据拆开。还要在事件层面决定什么算“活跃”,因为留存和黏性都取决于它。Google 的分析文档也是事件优先的视角:Google Analytics 的许多维度和指标来自事件参数,所以即使在网站分析工具里,一致的事件命名也很重要。
产品分析的计算长什么样?
这是一个虚构 SaaS 产品的示例数据,不是真实网站。一个月里,2,000 人访问了注册页,200 人创建了账号。“已激活”指账号在 7 天内创建了第 1 个项目;“第 4 周留存”指账号在注册后第四周仍有活动。
| 分组 | 账号数 | 第 4 周留存 | 比例 |
|---|---|---|---|
| 7 天内激活 | 130 | 78 | 60.0% |
| 未激活 | 70 | 7 | 10.0% |
| 全部注册 | 200 | 85 | 42.5% |
复算一遍。注册率:200 / 2,000 = 10.0%。激活率:130 / 200 = 65.0%。已激活账号的第 4 周留存:78 / 130 = 60.0%;其余账号:7 / 70 = 10.0%;整体:(78 + 7) / 200 = 85 / 200 = 42.5%。
黏性的算法类似。假设产品平均日活 1,800、月活 6,000。DAU / MAU = 1,800 / 6,000 = 30.0%,意思是平均每个月活用户在 30 天里大约有 9 天活跃。
数字说明了什么:已激活账号的留存是未激活的六倍(60.0% 对 10.0%),所以那 70 个始终没创建项目的账号是最大的杠杆。把激活率从 65.0% 提到 75.0%,200 个账号里就有 150 个走上更强的路径。如果两个留存率不变,第 4 周留存会升到 (150 × 0.60 + 50 × 0.10) / 200 = 47.5%。这只是说明为什么先做激活的演算,不是对任何真实产品的承诺,而且假设留存率不变,实际可能会变。
第 4 周留存:已激活与未激活(示例数据)
第 4 周留存 · 示例队列没有数据团队怎么开始做产品分析?
从结果出发,而不是从工具出发。Amplitude 的指南建议,埋点“应该从回答最紧迫的业务问题开始”;Mixpanel 建议从北极星指标及其先行指标开始。
- 写下三个结果。比如:注册后创建第 1 个项目的用户、第 2 周回来的用户、升级付费的客户。
- 选大约十个标记这些结果的事件。首份埋点方案可以只是一页清单:事件名、触发时机、一两个属性、负责人。SaaS 产品可能是
signed_up、project_created、teammate_invited、feature_used、upgrade_clicked和plan_changed。 - 定义“活跃”,以及哪些事件算数。
- 先建三个视图:从落地页到激活的漏斗、新注册用户的留存曲线、按独立用户数排序的热门事件列表。
- 每周复盘。选一个流失点,改一件事,对比下一批用户。
如果没法一开始就写好方案,还有第二条路:自动采集交互,再给重要的命名。自动采集不用写代码就能记录点击,工作从写埋点变成决定哪些被采集的交互算真正的事件。风险是噪音,所以仍然需要一份简短的结果清单和一个管理命名的人。产品分析框架一文讲了规划路线,产品分析示例展示了团队实际衡量什么。
常见错误有哪些?
- 什么都埋,什么都答不出。没有问题支撑的庞大事件清单,只会产出没人看的看板。
- 命名不一致。
signup、sign_up、Signed Up变成三个事件。统一格式,新名字上线前先审。 - 虚荣指标。注册总数和浏览量在涨,留存在跌。每个总量指标都配一个比率。
- 没有定义“活跃”。如果后台任务或服务端扣费算活动,留存会比实际好看。
- 跨批次看平均值。按注册周和渠道对比各批次。
- 漏斗错误。步骤顺序错、窗口太短、计数规则混用都会扭曲转化率,见漏斗分析常见错误。
- 把数字当答案。分析告诉你发生了什么;要知道为什么,去和用户聊或看会话。
TapCub 怎么做产品分析?
TapCub 把产品分析和网站统计、在线客服放在一段代码、一份数据上。产品介绍页在 /insights;下面是文档中写明的能力。
自动采集加 AI 建议命名。开启自动采集(且套餐包含)后,脚本会记录可点击元素,从不采集密码字段。事件收件箱按元素和页面聚类,并根据规则或模型建议名字。在你确认之前,它们不会成为正式事件;确认后会回填最近 90 天的自动采集数据,所以命名之前发生的行为也能分析。你也可以从代码发送自定义事件,并维护可选的埋点方案。
漏斗、留存、路径和分群在同一份数据上。漏斗支持 2 到 20 个步骤,窗口最长 180 天。留存支持按日、周、月的队列,旁边还有生命周期和黏性视图。路径展示下一步去哪,分群可以保存人群反复使用。它们读取同一份事件,不用在工具之间导出。
用户资料和身份。开启识别模式后,调用 tapcub.login() 会创建一个用户,时间线会合并同一个登录 ID 绑定的设备。识别模式在 Pro 及以上套餐可用,免费版不可用;匿名项目会统计访客,但不建立个人资料。
同一份数据上的在线客服。访客打开聊天时,你的团队能看到对方的国家、来源、当前页面和路径,同样的人也能在统计里找到。
它不做什么。TapCub 不做 A/B 测试、特性开关和问卷。需要这些功能,请搭配专门的工具。如果你是需要数据仓库建模的大型企业,更重的平台可能更合适;产品分析工具和平台两篇对比了各种选择,看板一篇讲了先放什么指标上屏。
常见问题
什么是产品分析?
产品分析通过用户触发的事件衡量人们如何使用数字产品,回答关于激活、留存、功能使用和转化的问题,通常由产品、增长和工程团队使用。简短定义见产品分析术语条目。
产品分析的主要指标有哪些?
激活率、留存(按日、周或月)、DAU / MAU 黏性、漏斗转化、功能采用率和价值到达时间。先定义“活跃”,再把每个指标算成比率,便于比较各批次。
产品分析和 Google Analytics 有什么区别?
Google Analytics 围绕网站流量和营销构建,同样基于事件。产品分析工具以产品内部的人和账号为中心:队列、留存曲线、功能采用和身份合并。Pendo 把 Google Analytics 描述为更偏向网站分析、SEO 和营销。许多团队两者并用。
做产品分析需要数据团队吗?
不需要。产品经理或创始人可以从大约十个事件、三个视图(漏斗、留存、热门事件)和每周复盘开始。需要自定义建模、数据仓库关联或治理流程时,数据团队才有价值。
应该追踪多少个事件?
从对应你的结果的十个左右开始,有具体问题需要时再加。用自动采集可以广泛采集,但仍应只把能回答问题的交互升级为正式事件。
产品分析软件要花多少钱?
因厂商、事件量和功能而异,档位也会变,请查看各厂商的定价页。TapCub 有免费版,识别模式等部分功能在付费套餐中。
另见:漏斗分析:怎么搭建、读懂和修复漏斗;用户激活率:怎么定义、衡量和提高
来源
- Mixpanel(2026)。What is product analytics? A complete guide for 2026 — 产品分析追踪离散的用户动作(事件);网站分析衡量流量;DAU / WAU / MAU、黏性(DAU/MAU)、N 日留存;从北极星指标出发。最后编辑 2026 年 5 月 18 日;2026-11-21 读过。
- Amplitude。The Amplitude Guide to Product Analytics — “了解客户如何使用数字产品的过程”;埋点“应从回答最紧迫的业务问题开始”。2026-11-21 读过。
- Pendo。产品分析术语表 — 事件追踪、事件属性和分组;趋势、漏斗和路径;把 Google Analytics 描述为更偏向网站分析、SEO 和营销。厂商观点;2026-11-21 读过。
- Google。GA4 维度和指标参考 — 许多维度和指标来自事件参数。2026-11-21 读过。
- TapCub 产品文档(apps/docs:事件、事件收件箱、漏斗、留存、用户),2026-11-21 核对。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

