一句话回答
产品分析是记录人们在数字产品里做了什么,把行为记成和人挂钩的事件,再随时间分析,看他们在哪里完成任务、在哪里停下、谁会回来。它回答的是关于行为的问题,而不只是来了多少流量。
什么是产品分析?
产品分析是记录人们在数字产品(Web 应用、手机 App、有登录的网站)里做了什么,再对这些行为做分析,看他们在哪里顺利完成、在哪里停下、谁会反复回来。Amplitude 把它定义为理解客户如何使用数字产品的过程。它的原料是事件(某个人在某个时间做了某件事,附带细节)和人(跨访问、跨设备、跨会话的同一个人)。产出是关于行为的答案,而不是流量的计数。
有两件事容易和它混淆。放在产品里的一张页面浏览量报表,不会因此变成产品分析。产品分析也不等于产品管理:它为决策提供证据,但不告诉你怎么做需求调研或排路线图。
产品分析和网站分析有什么区别
区别不在于一个用事件、另一个不用。网站分析工具 Google Analytics 4 也把会话和页面浏览记成事件。区别在于每一种分析要回答的问题不同,所以汇报的单位也不同。
| 网站分析 | 产品分析 | |
|---|---|---|
| 核心问题 | 来了多少人、从哪来、看了什么? | 人们用产品做了什么,后来还回来吗? |
| 常用单位 | 访问、页面浏览、访客 | 一个人(或一个账户)随时间的行为 |
| 典型报表 | 流量来源、热门页面、跳出率、目标 | 漏斗、留存、路径、分群、功能采用 |
| 时间跨度 | 一次访问 | 多个会话:第 1 天、第 2 周、第 3 个月 |
| 谁在用 | 市场、SEO、内容 | 产品、增长、客服、研发 |
| 薄弱处 | 说不清同一批人有没有回来、有没有完成任务 | 说不清访客注册之前从哪来 |
多数团队两者都要,放在同一个项目里的工具能省掉大量对账。注册页每周来 3,000 个访客,是网站分析的事实;这 3,000 人后来有没有建项目、第 2 周还在不在,是产品分析的事实。
数据模型:事件、属性和人
产品分析的每个问题,都用同样四块积木回答。Mixpanel 的文档讲了前三块:事件记录用户和产品的一次交互,事件属性补充细节(比如商品类型和价格),用户档案保存每个已识别的人的属性。
- 事件。 一个有名字的动作:
signup_started、project_created、report_exported。名字要少、要一致,并写进埋点方案。 - 事件属性。 这一次动作的细节:套餐、平台、错误码、订单金额。
- 人和用户属性。 谁做的,以及他稳定不变的特征:注册日期、套餐、国家。只有能在多次访问间认出一个人,「人」才存在,通常靠登录 ID。
- 账户(可选,B2B 用)。 人之上的公司或团队,这样你能问客户是不是还在用,而不只是某一个用户在用。
采集可以是自动的(全埋点记录点击和表单提交),也可以是有意为之的(你在代码里发送事件)。自动采集帮你起步,有名字的事件承载业务含义。
五个问题,各用哪种分析回答
| 问题 | 分析 | 结果长什么样 |
|---|---|---|
| 多少人完成这个多步任务,在哪一步停下? | 漏斗 | 每一步的人数和比率,最大流失处有标记 |
| 开始之后人们还会回来吗? | 留存 | 起始人群在第 N 天或第 N 周仍活跃的占比 |
| 人们在某个节点之后(或之前)做什么? | 路径分析 | 最常见的下一个页面或事件 |
| 做了 X 的是哪些人,他们有什么不同? | 分群和行为同期群 | 一个能在其他分析里复用的命名人群 |
| 某个功能真的有人用吗,多少人? | 事件分析、分布 | 去重人数和人均次数 |
八个具体案例见产品分析示例,核心指标怎么选见产品分析框架。这里要说明的是形状:每个问题问的都是人和步骤,页面浏览量表格回答不了。
算例:同一周,两种读法
示例数据:一款有免费注册的项目管理应用。某一周,3,000 个访客到达注册页。
| 步骤 | 人数 | 步骤转化率 | 总转化率 |
|---|---|---|---|
| 访问注册页 | 3,000 | 100.0% | |
| 开始填表 | 1,200 | 40.0% | 40.0% |
| 验证邮箱 | 840 | 70.0% | 28.0% |
| 创建项目 | 504 | 60.0% | 16.8% |
| 邀请队友 | 151 | 30.0% | 5.0% |
复算方法:步骤转化率 = 本步人数 ÷ 上一步人数(504 ÷ 840 = 60.0%);总转化率 = 人数 ÷ 3,000(504 ÷ 3,000 = 16.8%)。
这张表告诉你三件页面浏览量报表告诉不了的事:
- 页面浏览量会夸大触达。 「创建项目」页有 1,140 次浏览,但只来自 640 个不同的人。验证了邮箱的 840 人里,640 人打开了这一页(76.2%),其中 504 人完成(78.8%)。
- 流失是集中的。 把「验证邮箱」到「创建项目」这一步按设备拆开:桌面端 480 人里 330 人(68.8%),手机端 360 人里 174 人(48.3%)。这 20 个百分点的差距就是要先看的地方,比如看手机用户的会话回放。
- 回访行为能把人分开。 创建了项目的 504 人里,214 人在第 2 周又活跃(42.5%)。邀请了队友的 151 人里 98 人回来(64.9%);没邀请的 353 人里 116 人回来(32.9%)。
最后一点只是关联,不是证明。愿意邀请同事的人,可能本来就更投入。产品分析告诉你看哪里、测哪个假设,不能代替对改动本身的验证。
常见误区
- 什么都埋点。 几百个没命名的事件会让每次分析都变成搜索。从上面五个问题出发,只埋它们需要的。
- 数事件,不数人。「5,000 次导出」可能是 5,000 个人,也可能是 50 个人各导出 100 次。要看去重人数和人均次数。
- 把匿名流量当用户。 从不登录的访客可以计入总数,但无法跨设备追踪,也进不了按人的分群。
- 名字不一致。
Signup、sign_up、signup_done在数据库里是三个事件。一个动作只用一个名字。 - 把关联当因果。 不同人群的留存差异只是假设。先验证改动,再放大。
- 只看平均、不看分布。 人均 4 次,可能藏着 90 个人是 0 次、10 个人是 40 次。
在 TapCub 里做产品分析
TapCub 把网站、App、小程序的事件放在同一个项目里,上面的注册算例就跑在一份数据上。同样的分析这样做。
- 采集事件。 网站脚本、iOS / Android / Flutter / React Native / 鸿蒙 SDK、小程序 SDK 和服务端 HTTP 接口,都把事件发到同一个项目。全埋点需要 Pro 及以上套餐。把打算采集的内容记在全端分析 › 数据管理 › 埋点方案。
- 识别人。 用户登录时调用
tapcub.login()。之后这些人会出现在全端分析 › 用户 › 用户,带按天排列的时间线。登录能不能绑定到档案,取决于合规中心里的设置。从不登录的访客只进汇总,没有档案。见识别用户。 - 建漏斗。 在全端分析 › 行为分析 › 行为分析里,漏斗页签是默认打开的:2 到 20 步,窗口默认 7 天(最长 180 天),默认以「人」为单位。最大流失处会标出来,点某一步能看流失的人。见怎么建漏斗。
- 看回访。 留存页签显示一个起始人群在之后的天、周、月是否活跃。把「创建了项目」的人存成全端分析 › 用户 › 分群与标签里的分群,再作为同期群用到其他分析里。见创建用户分群。
- 知道边界。 TapCub 衡量行为;它不做 A/B 测试和流量分配,不给线索打分,也不发消息。把留存差距当作假设,再到你自己的发版流程里验证改动。
资料来源
- Amplitude,The Amplitude Guide to Product Analytics。
- Mixpanel Docs,What is Mixpanel?(事件、事件属性和用户档案)。
- Google Analytics 帮助,Automatically collected events(GA4 里会话和页面浏览都是事件)。
- Contentsquare,What is product analytics?。
这个解释清楚吗?
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。
