利用用户行为数据驱动产品改版

    依靠用户行为数据驱动产品改版可以从以下几个方面入手：

    我主要做资讯类产品本地频道的产品工作，业务目标很明确：从产品侧提升频道活跃度。

    接下来所做的工作就是：怎么拆解活跃度了。DAU=活跃度、周留存=活跃度、访问时长=活跃度？频道刷新量=活跃度？这些指标看起来都与活跃度相关，但又都不能直接跟活跃度划等号，任何产品在进行改版时都应该考虑下这几个问题：

    1.新功能有多少人用（是否受欢迎）？

    一般情况下，一项新功能上线，用的人越多，用户活跃度越高，表示改版更可能是成功的。

    衡量指标：功能活跃比=使用了新功能的用户数/同期活跃用户数

    分析方法：直接查看该项功能所对应用户行为的活跃比的变化 。

    2.用户是否会重复使用该项新功能？

    如果新版体验非常糟糕 ，用户往往在用过一次之后便不会再用第二次。而优秀的功能则可能会受到用户的喜爱，并反复使用之。

    衡量指标：功能的重复使用用户比例=用户在首次使用新功能后的第X天，回访用户中使用该功能的比例。

    分析方法：对比「使用新功能用户的后续留存率」与 「用了新功能的用户在之后的重复使用该功能的情况」，通过两个「自定义留存」的分析结果对比得到「重复使用用户比例」。重复使用用户比例越高，说明有越多的用户反复使用该功能。

    3.新功能对所处的使用流程是否起到了优化作用？

    如果新上线（或优化）的功能处于某个用户使用流程中，那么您可能需要评估该功能对流程是否起到了优化的作用。比如：三方分享量。

    衡量指标：用户流程的转化率和完成率（对比改版前后的转化率和完成率）

    分析方法：通过对比改版前后，该流程的转化率和完成率「漏斗」完成该评估。转化率和完成率提升的越多，说明效果越明显。

    4.产品改版对用户留存产生了怎样的影响？

    一般来说，一次成功的改版、一项优秀的新功能，会增加用户对产品的喜爱，而让用户更频繁地使用产品。

    衡量指标：N天留存率

    用户在初始时间后第N天的回访比例，即为N天留存率，同类的常用指标有「次日留存率」「周/7天留 存率」「21天留存率」「月/30天留存率等」

    分析方法：通过对比改版前后，「新增用户留存」的变化幅度衡量产品改版对用户留存的影响。

    明确这四个问题之后，也就知道是不是该进行版本优化了。

    今天就先讲到这里，之后会举例给大家分享一下，如何利用工具以及利用什么工具进行数据埋点，感兴趣的可以关注后续文章。