产品分析示例：八个问题、分析和决策

产品分析最容易通过例子理解。本文讲八个：新手引导漏斗、预示留存的行为、功能采用、一次由单个 App 版本造成的突然下降、一条绕远的浏览路径、有流失风险的账户、被付款方式挡住的价格页漏斗，以及重度用户的集中程度。每个都包括问题、分析、示例结果和由此做出的决定。

产品分析在实际中是什么样的？

产品分析（Product Analytics）是分析用户怎样使用数字产品：用哪些功能、按什么顺序、多频繁、会不会留下来，从而做出更好的产品决策。定义很容易讲，真正有帮助的是看到具体的问题怎样变成分析，再变成决策。下面是八个产品分析示例，每个都包括问题、分析方法、示例结果，以及由此采取的行动。

所有数字都是示例数据。重点是这个模式：问题 → 合适的分析 → 没有数据就做不出的决定。

八个产品分析示例

1. 找出新手引导里流失用户的那一步（漏斗）

问题： 为什么只有 35% 的注册用户建了头一个项目？ 分析： 从注册 → 命名工作区 → 选模板 → 头一个项目的漏斗，按设备拆开。 结果： 40% 的手机用户在「选模板」流失；模板库在小屏幕上没法用。 行动： 做一个为手机设计的模板选择器。手机端建头一个项目的比例从 24% 升到 37%。

2. 哪个功能能预示留存（按行为看留存）

问题： 留下来的用户在头一周做了什么，是流失的用户没做的？ 分析： 头一周用过 / 没用过某个功能的用户，各自的第 4 周留存。 结果： 头一周邀请过同事的用户留存 58%，没邀请的只有 21%。 行动： 在建好头一个项目后提示邀请同事。（这是相关性，所以团队做了验证：邀请增加后，留存也跟着提高了。）

3. 新功能有人用吗？（功能采用）

问题： 新上线的「重复任务」功能有人用吗？ 分析： 六周内，按套餐看使用它的用户占周活跃用户的比例。 结果： 整体 4%，但在重复性工作多的商业版里是 19%。 行动： 在商业版的引导里突出这个功能，而不是发一条面向所有人的公告。

4. 为什么周二活跃下降了？（变化归因）

问题： 某一天的日活跃用户下降了 9%。 分析： 按平台、版本、国家拆分这次变化。 结果： 85% 的下降来自 Android 5.2.0 版本。 行动： 找到 5.2.0 里的一个崩溃，当天用紧急修复版解决。

5. 用户实际怎么走（路径）

问题： 用户从首页看板走到导出报表，经过了哪些页面？ 分析： 从看板往后看的路径分析。 结果： 大部分用户走的是看板 → 设置 → 报表，绕道经过设置页。 行动： 在看板上加导出按钮；导出所需时间的中位数从 3 分钟降到 40 秒。

6. 谁快要流失了？（生命周期和分群）

问题： 哪些账户在慢慢离开？ 分析： 上个月活跃、这个月活跃天数减少一半以上的账户分群。 结果： 140 个账户，其中 30% 是 60 天内要续费的年付客户。 行动： 客户成功团队优先联系这些账户。

7. 价格页的兴趣有没有变成升级？（按分群看转化）

问题： 免费用户会看价格页，为什么升级的这么少？ 分析： 价格页 → 选择套餐 → 结账 → 付费的漏斗，按公司规模属性拆开。 结果： 10 人以上的团队选了套餐，却停在要求信用卡的结账页；他们很多需要对公发票。 行动： 年付套餐支持发票付款。10 人以上团队的升级量翻了一倍。

8. 重度用户有什么不同？（分布）

问题： 使用集中在少数人身上吗？ 分析： 每位用户每月活跃天数的分布。 结果： 12% 的用户每月活跃 20 天以上，创建了 61% 的内容。 行动： 为这群人设立重度用户计划，让他们抢先体验高级功能。

这些示例背后的分析方法

每次分析都应该以一个决定结束。

怎样开始做你自己的示例

1. 写下团队常争论的五个问题。
2. 每个问题确定用哪种分析回答、需要哪些事件。
3. 检查事件是否存在、命名是否正确，补上缺的。
4. 跑分析，用一句话写下结果，并就行动达成一致。
5. 改动上线后再跑一次。

常见错误

• 从数据出发，而不是从问题出发。 满是图表的看板很少能改变决策。
• 把相关当因果。 用实验或分阶段发布验证。
• 忽略分群。 平均数会藏起真正需要行动的那群人。
• 分析完没有行动。 如果之后没有任何决定，这次分析就不必做。

在 TapCub 里做这些分析

TapCub 的产品分析覆盖上面每一种分析：漏斗、留存报表、生命周期、用户路径、事件分布、分群，以及 AI 助手「为什么变了」按平台、版本、国家、渠道或页面做的归因。事件来自全埋点、自定义事件和服务端事件；见制定埋点方案。

相关阅读：产品使用分析、功能采用、产品分析师做什么。

常见问题

产品分析的例子有哪些？ 比如用漏斗看新用户在引导的哪一步流失，修好流失最多的那一步，再看一遍漏斗。

产品分析能回答哪些问题？ 用户在哪里卡住、哪些功能推动留存、谁可能流失、用户怎么浏览，以及一次发版是帮了忙还是添了乱。

需要哪些数据？ 关键操作的事件和属性（套餐、平台、版本）、用户和账户的身份，以及统一的命名规则。

产品分析和网站统计有什么区别？ 网站统计关注流量和页面浏览；产品分析关注已识别的用户在产品里长期做了什么。

参考资料

• Google Research：HEART 框架
• Kohavi, R. 等：《Trustworthy Online Controlled Experiments》，图书网站