第壹，初始階段
初期階段的重點是驗證產品的核心價值，或者說驗證產品的假設:通過某種產品或服務，可以為特定人群解決某個問題。這個階段要按照MVP(最小可變產品)的思路，驗證用最小成本創業的想法，並根據用戶的反饋快速叠代調整解決方案，最後在數據上驗證。
案例:
以國外某手機論壇社交應用為例。idea期間(12，13左右)發現論壇用戶經常說從手機Wap頁面訪問論壇速度慢，根本沒有移動適配。於是我們提出了設想:做壹個app把論壇系統和用戶連接起來，讓論壇用戶在移動端享受流暢的論壇訪問體驗，並且
於是在早期，整個產品完全圍繞看帖和發帖這兩個核心場景進行挖掘，並在論壇進行宣傳。售價65438美元+08，發現有很多用戶付費，這些用戶的留存率達到60%+(當然和用戶付費有關)，半數用戶使用時間超過70分鐘。當時壹些競品相繼問世(當時最大的論壇系統Vbulletin團隊開發了壹款手機App解決了同樣的問題)，但沒過多久就遠遠落後於我們，只是因為整個團隊遵循MVP的思路，根據用戶反饋集中打磨反復閱讀發帖的流暢體驗，獲得了非常好的用戶口碑，引領了市場，還獲得了壹家著名矽谷投資機構的投資。
關鍵數據-目標群體畫像
另外，在初始階段，可以接入壹些第三方應用監測SDK，了解初始用戶群體的畫像，從側面驗證用戶群體的特征是否與假設的目標用戶群體壹致，以及共同的人口統計屬性(性別、年齡、學歷、地域)。
案例:
今年4月初，我和國內某健身APP的產品經理聊天。起初，這款應用是壹款用於跟蹤健身和鍛煉情況的工具應用。產品前期，新用戶留存處於行業平均水平。在觀察目標用戶群體的畫像時，我發現女性用戶明顯多於男性用戶，女性用戶的留存也明顯高於男性用戶。因此決定在產品策略上向女性用戶傾斜，重點關註女性健身、減脂美顏等功能和內容推薦。產品整體次日留存率較之前提升近100%。
同樣，我最近服務了壹個鵝廠的內部客戶，他開發了壹款針對年輕人的新產品，卻發現其用戶的年齡分布多為青少年和老年人:
這只是和他們的用戶渠道有關。原來他們有壹款針對青少年和老年人的產品。為了給產品帶來第壹批用戶，他們直接從老產品中引流用戶，結果發現他們並不是產品的目標用戶。
關鍵數據保留率
當當前用戶符合目標受眾特征時，核心關註這些用戶的留存率、使用時長/頻率、用戶粘性等指標。這裏擴大了留存率。
留存率有很多維度(7天，兩周，30天等等。)，要根據產品特點來選擇。如果產品本身滿足了小眾的低頻需求，留存率應該是雙周甚至30天。高留存率意味著用戶認可並依賴產品價值。壹般來說，假設是可以被驗證的，留存率低於20%通常是壹個危險的信號。
介紹了壹種數據驅動的領先指標模型，通過尋找領先指標來指導產品設計，從而提高留存率。我們先來看先行指標的定義。先例指數是指新用戶在使用產品初期的壹種產品行為。這個指數和用戶留存率指數有非常高的線性相關性，可以預測用戶是否會留在產品中。
用自己總結的公式描述壹下，大致如下:
正面預測的可能性(%):表示用戶執行該行為，然後可以預測用戶保持活躍的可能性。
負預測可能性(%):表示如果用戶不執行該行為，它可以預測用戶不再保持活躍的可能性。
最後，先行指標的可信度=正面預測的可能性x負面預測的可能性。我們直接看案例。
情況
以之前的論壇社交App為假設，假設“用戶在註冊前10天內添加了7個以上好友”為領先指標，那麽我們計算出壹組數據:
其中，如果用戶前10天添加好友超過7個，30日入住的可能性為99%；如果添加的好友數量少於7個，30天內不留(輸)的概率為95%，綜合指標可信度為0.9405。
同樣，計算以下兩個領先指標的可信度:
最後，我們得到壹個比較:
以上數據只是假設。其實我們需要對比十幾個甚至二十幾個行為指標，才能找出前因可信度最高的行為。
該模式第壹條是“新用戶註冊後10天內添加7個以上好友”，這是臉書經典的“啊哈時刻”。所謂“啊哈時刻”，就是用戶意識到產品核心價值的時刻，也就是我們的“領先指標”。
(臉書，Instagram推薦好友截圖)
此外，領先指標應滿足以下條件:
第二，快速增長期
經過產品打磨初期，產品留存率較好，此時產品開始進入自發增長期。在自發成長期的產品階段，仍然需要關註用戶留存、用戶時長、用戶畫像變化等數據。，但我們可以專註於用戶全生命周期的管理，包括新用戶的增長、激活、觸發到產品穩定活躍用戶的全漏鬥分析。
新用戶的增長和激活
其中，增加和激活新用戶壹般有兩種方式。第壹種方式是構建產品的病毒傳播系數，使產品自發生長。《精益運營數據分析》壹書中提到的用戶病毒傳播分類很有意思:
原生病毒，即通過App本身的邀請好友功能傳播吸引的新用戶的方式；
口碑病毒，即通過口碑傳播，用戶通過搜索引擎主動成為新用戶；
人工病毒，即通過人工幹預，如有獎邀請等激勵方式鼓勵用戶邀請行為。
這裏關註的壹個指標叫做“病毒傳播系數”，有興趣的同學可以自己詳細了解。
新用戶下載-& gt；激活-& gt；啊哈時刻'-& gt；產品穩定且活躍。
產品開始自發成長後，需要關註用戶從新用戶到活躍用戶(留存後)再到核心用戶的生命周期，對每個過程的關鍵指標進行細化和細化。
情況
以之前的論壇社交APP為例。當新用戶進入產品時，他們會看到壹個歡迎頁面(如左下方所示)。註冊登錄後，他們會看到產品的主頁(如右下方所示)。大多數應用程序都有類似的流程:
從壹個新用戶進入App的歡迎頁面到成為核心用戶的過程大概是這樣的:新用戶(探索發現產品價值)-& gt；圍觀(逐漸認可產品價值並有壹定參與感)-& gt；生產者(認同產品價值並積極參與):
按照流行的方法，產品生命周期(PLC)分為初創期、成長期、成熟期和衰退期。在產品的每個階段，數據分析的工作權重和分析重點是不同的。下面結合案例分階段來說壹下:
至此，每個階段的用戶行為都分解成了指標:
新用戶&；探索發現者:
歡迎頁面跳出率
新用戶註冊率
新用戶指導流程的轉化率
初始種子饋送頁面跳出率
搜索結果轉化率
推送許可打開率
圍觀者(路人):
每個用戶的平均註意牌數量
每個用戶關註的其他用戶的平均數量。
每個活躍用戶的平均贊數/分享數
顯示的進料卡數量
Feed card上的點擊次數
訂閱內容推送點擊率
內容制作者:
每個活躍用戶的平均帖子數量
每個活躍用戶發送的照片和視頻的平均數量。
每個用戶在論壇中花費的平均時間。
論壇中活躍用戶的行為分布
在用戶生命周期的初、中期對行為指標的精細拆分，有助於產品在快速成長期不斷打磨細節，從新到核心不斷提升用戶體驗。同時，在各個節點的數據完善穩定後，產品運營的同學們開始進行各種推廣宣傳，擴大盤子，占領市場。
第三，成熟
隨著用戶的快速增長和產品的不斷完善，數據運營的重心開始從用戶生命周期的前半段(吸引、激活、留存)轉移到產品進入成熟期前後的後半段(流失、回歸)。
在這裏，我們分享了壹個名為“每日凈變化”的數據模板(來自約翰·埃根@Pinterest ),它專註於增長和成熟。不同於只關註DAU和MAU數據，只關註活躍用戶數的增減。這個模型可以幫助直觀地觀察用戶成長的因素或者用戶盤子的變化，通過壹張圖展示產品的添加、返回和留存。
其中凈變化=新用戶+回歸用戶-流失用戶。
新用戶是指當天有多少新用戶加入。
返回用戶，也就是有多少老用戶連續28天沒用，今天又開始用了。
用戶流失是指28天前有多少現有用戶剛剛最後壹次使用該應用。
損失和回流
在關註流失和回流的過程中，數據會揭示當前用戶板塊的壹個變化，具體分析流失原因可以參考以下流程:
核心思想是通過定性回訪和數據驗證，確定流失原因，改變產品運營策略，防止用戶流失或拉回，從而促進回歸。
另外，對於壹些穩定的投放渠道，普通的改善方法可能轉化有限。此時，可以進行更精確的渠道分析，以優化和提高投資回報率:
案例:
提高投資回報率
第四，衰退時期
最後，當產品進入衰退期時，在進入衰退期之前壹般有兩種方式可以采取:
1，刻度
經常出現在零售行業。比如妳開壹家按摩養生店，在壹定範圍內獲得好評，等產品成熟了，就可以啟動加盟連鎖模式，通過快速廣泛的拓展市場，形成品牌效應，形成壁壘。此時抵禦衰退風險。
2.生態學
當產品成長或接近完善時，單壹產品很容易出現需求過於垂直，用戶無法形成依賴的問題。我們可以開發具有協同能力的新產品，構建完整的產品生態，讓對當前產品無法滿足或失去興趣的用戶引流到新產品上，成為新產品的新用戶。同時，新產品的用戶也可以引流回老產品，形成產品之間相互依存的鏈條，終端用戶可以有效流動，形成生態。
本文轉載自搜狐，作者:上築科技，鏈接:/A/217398072 _ 501610。