我的朋友老曹，居然用数据工具搞了这么多事

在没有数据驱动意识的情况下，产品、运营工作遇到问题没办法用数据做分析比较，做出解决方案的效率很低。而通过数据分析则能很好解决渠道、运营和产品方面的问题，提升业务、提高了获取数据的效率。

老曹刚去的这家互联网电商创业公司，在使用数据方面还处于原始时代，平时看个数据，还要数据分析师频繁地从数据库中拉取数据。由于他们是一个创业公司，没有足够的人力和精力自建大数据分析平台，所以在评估了市面上各种相关产品的接入难易度、产品体验、数据准确性、数据稳定性等方面后，老曹选择了友盟+移动统计（U-App AI版）这款产品作为公司的数据分析平台。

刚来公司的时候，老曹就给大家普及了大数据的重要性以及大数据在业务上的应用，各业务同事都对大数据及数据产品充满了期待和兴趣，一听说老曹通过友盟+移动统计（U-App AI版）建立起了公司的大数据分析平台，都跑过来一瞧究竟，看看能不能解决自己在工作中面临的问题。

负责用户增长的妹子昭君，由于最近背了用户增长的KPI，一直被压得喘不过气来，又不知道如何下手，所以跑到老曹身边，一脸期待地看着老曹。

“老曹啊，这个季度老板给我定了要实现10W的用户增长，可是我现在一点思路都没有，我可怎么办啊？”

“首先，让我们来看一下你每次投放的渠道带来的用户质量是什么样的。”

渠道活跃用户对比

“我们打开基础看板-渠道分析-渠道列表页面，拿新增用户这个指标来看，A渠道的要明显高于B、C、D三个渠道；再依次看一下各个渠道活跃用户、活跃用户启动次数、平均单次使用时长、平均日使用时长、次日留存率等数据，我们发现A渠道带来的用户质量也要明显好于B、C、D三个渠道，这说明A渠道给我们带来了高质量的用户。

而看看D渠道，用户的次日留存仅仅9%左右，单次用户使用时长更是只有60s，说明这个渠道的用户质量太差了。这个渠道是不是在做一些类似积分墙之类的这种形式啊，用户单纯是为了刷积分或者收入来下载使用我们的App……”

“接下来是智能拉新，基于友盟+的全域画像洞察高潜用户特征，智能输出人群策略、媒体策略并基于智能投放系统实时优化，实现对高价值用户的精准拉新。”

友盟+移动统计（U-App AI版）智能拉新

“简单来讲就是你在U-App AI版圈定一波目标用户，然后可以把这些用户同步到广点通之类的投放平台，然后你可以根据推广计划针对这些人群进行定向投放，是不是很流畅，是不是很方便？”

“我之前都是在广点通拍脑袋选一个标签投放，现在感觉之前的方法简直太粗暴了，那我应该怎么用呢？”

“这个功能需要提前让研发哥哥们帮你把SDK都集成好了，同时现在接入了广点通和今日头条两家媒体，你可以直接使用。”

“老曹，你真是太厉害了，感觉这个月的KPI有希望了。”昭君在一阵惊喜中跑回了自己的工位。

老曹刚坐下喝了一口水，这时候产品经理玉环又跑过来向老曹抱怨。

“老曹，老板总是觉得我们产品的支付转化率太低了，用户进来不买东西，造成收入太低了，这样公司迟早会垮掉的，可是我又不知道是哪里的问题，应该怎样优化产品功能。”

“关系到公司生死存亡的大事，我们可不能轻视啊，既然你不知道哪里有问题，就让数据来说话。用户在我们的App上是会留下足迹的，例如用户会经过“注册->查看商品详情页->加入购物车->支付”这个页面流程，所以分析支付转化率的问题，就变成了分析这个流程中用户在各个环节转化率的情况。而U-App AI版正好提供了这个功能，可以通过基础看板中的功能使用模块下的页面访问路径来查看，让我们先看一下支付环节的用户访问路径。”

用户支付环节相关访问路径

“这个数据是用户在流程的访问路径的数据情况，用户在注册完后选择商品的10%转化率已经很高了，这主要是因为我们是刚起步，要是在大型电商公司，那么大量的商品，千分之一万分之一都是有可能的。第二步到第三步的转化率实在是太低了，用户加入购物车的比率太低了，我来看一下你的产品设计吧。”

用户访问路径优化产品体验

老曹体验了从商品详情页到加入购物车的环节。

“呃，在商品详情页我怎么没找到购物车的入口啊，”

“购物车在最下面……”玉环仿佛意识到了产品的问题。

“难怪，哪有用户会有耐心一直滑到最后啊，如果商品的描述少还好，一屏完全能够展示，可是如果商品描述太长了，要滑好多次才能找到，你应该把它悬浮并固定在屏幕底部啊。”

“我以后一定用数据驱动，有些情况是我根本想不到的。”玉环郑重说到。

“行了，你也别检讨了，知道以后怎么验证规避问题才是最重要的。”

下午，用户运营妹子大乔和小乔两个妹子一起来找老曹，抱怨现在的用户不仅难伺候，还留不住，用户留存率越来越低，问问老曹能不能提供一些解决办法。

老曹根据她们的问题，思考了片刻，作为一名数据产品经理老司机，怎么能没有解决办法呢！他不急不慢对两个运营妹子说：

“一般用户运营关注的核心问题无非是促活跃、降流失。在用户使用App的生命周期中，一般分为新手阶段、成长阶段、沉默阶段和流失阶段。我们需要时刻关注新手阶段、成长阶段和沉默阶段的高流失风险用户、高沉默风险用户，并且尝试召回流失阶段的高召回潜力用户，以达到防止流失和促进活跃的目的。”

用户生命周期流程图

“我们通过U-App AI版里的用户生命周期功能来看一下，通过数据发现，我们的用户在沉默阶段和流失阶段占的比例还是很大的，大概占了60%多，而且环比还有增加的趋势，这也和你们反映用户留存率比较低的事实相匹配。

其中，在沉默阶段，高流失风险用户为2,136人，这部分用户需要我们用运营手段促进其活跃，防止他们流失；而高召回潜力用户为1,491人，这部分用户需要我们采取一定手段给召回回来，从而进一步成为我们的活跃用户。”

用户生命周期概况

两个妹子听完直点头，“但是我怎么知道这批用户的UserID，然后怎样才能针对这些人来制定活动来把他们召回呢？”

“这就要针对用户生命周期每个阶段用户的功能，点击高召回潜力用户，就会跳入到这批用户的日级别的趋势曲线，可以看到高召回潜力用户的数量在逐渐减少，需要我们进一步采取运营活动来刺激他们。上次你们不是申请了一批优惠券嘛，可以把这批用户设置为用户分群的一个群组，然后给他们Push一些优惠券，然后再观察一下回流数据。”

高召回潜力用户数据图表

高召回潜力用户另存为人群分组

大乔小乔相互望了对方一眼，大呼：“就是这样，多谢老曹啊，我们公司百万用户的目标就靠它了。”

帮渠道、运营和产品的同学解决了问题后，老曹突然想起来他引入友盟+的最初目的是帮助数据分析师妹啊，怎么把这个忘了，于是老曹赶紧给数据分析师妹拉了一个小会，帮她们“脱离苦海”。

“我是来把大好时光还给大家的，也就是让大家脱离天天跑数的重复工作中，这样你们就可以有大把时间去约会了。”

数据分析师妹子听到这个好消息，都投来期待的目光。

“老曹，快告诉我们该怎么做啊。”大家异口同声的说。

“今天要给大家介绍的是友盟+移动统计（U-App AI版），大家可以通过自制看板功能实现对于常规需求的报表化，不用再频繁跑数、给数据，直接自动化生成报表，以后让业务同学自己看就行啦。大家可以通过新建看板，把自己要展示的指标勾选上，然后通过设置展现样式和排版，就可以轻松创建一个日常看板，是不是很方便？大家可以自己操作一下试试。”

友盟+移动统计（U-App AI版）自制看板功能

“哇，真的很方便啊，只要我有了数据表，就可以任意创建报表了，这样我的常规分析需求就都可以自动化放在上面了，好棒啊！”数据分析师秋香说。

“嗯，是的，但是友盟+自制看板这个功能还不是特别完善，其实还可以做得更强大一些。

例如，可以实现数据下钻功能，很多业务指标也只是了解到表面的一些核心数据，缺少对数据更深层次的掌握，不能指导用户发现到底是哪些维度、哪些因素影响了业务的发展，没有实现对数据的深度进一步探索。

例如，在做订单数据报表时，突然有一天发现订单量明显低于同期，灵活的自由下钻功能可以帮我们一键洞察深层数据，提高分析效率，更快、更方便地找出造成订单量下跌的‘罪魁祸首’。

利用数据下钻功能，在报表中只需框选数据异常的点，选择‘下钻’便可分析出到底哪些地区的订单量低 。”老曹喝了一口水接着说。

多维度数据下钻功能

“在下钻维度弹窗中选择地区，可以在地区维度查看这天的订单数据情况。

如下图所示，广州在这一天的支付订单量明显低于其他城市，支付订单量日环比也大幅下降，进而找到了问题的根源所在，接下来就可以针对这一问题采取一些业务上的操作，尽快让广州的支付订单量提升。”

对订单数据异常点通过城市维度下钻后的结果

“嗯，是啊，这个会把分析数据问题的权利更多的交给业务同学，不仅方便了他们，也省去了我们的时间。”数据分析师秋香说。

所以啊，我这朋友老曹，确实还是很厉害的！在没有任何数据驱动意识的情况下，变成了全公司同事都会通过U-App AI版来分析使用数据。无论是在渠道、产品，还是运营场景，都给公司业务带来了极大的提升，更是提高了公司获取数据的效率。

说明：文章中的部分数据为脱敏数据或DEMO数据，不具备真实运营参考价值。

相关阅读

万元悬赏数据高手｜2019「友盟杯」数据分析大赛报名启动！

你的坚持值得被肯定｜2019「友盟杯」数据分析大赛结果公布

一款家居后APP，如何用增长黑客方法实现从0到40万增长？

产品高于需求：低频产品也可以有高用户活跃度

作者：梁旭鹏，人人都是产品经理专栏作家，《数据产品经理修炼手册》作者

本文为「人人都是产品经理」社区和友盟＋联合举办的“2019「友盟杯」数据分析大赛”中获奖作品，未经作者及平台许可，禁止转载

本文部分数据有脱敏处理，非全部真实数据

题图来自Unsplash，基于CC0协议