内容来源：本文为腾讯移动分析与人人都是产品经理联合举办产品测评大赛的参赛作品。
参赛者：申洋洋
编辑：Fiona
互联网行业对于数据的需求是显而易见的，目前市场上针对移动分析推出的服务越来越多，那么什么样的移动应用分析的产品能够得到大部分运营、产品工作者的青睐呢？
本文通过对三十篇产品运营和数据分析专栏文章的文本分析总结出运营、产品需求，对比腾讯MTA和友盟U-App的功能点，提出对腾讯MTA产品改进建议。
一、 明确用户需求
1. 数据需求的文本分析
我从“人人都是产品经理”网站通过搜索关键词——“产品运营”、“数据分析”，共有628条搜索结果，从中随机选取了三十篇专栏文章，这里的随机并不是简单的随机，还对于阅读量、收藏量、点赞数、打赏数进行了标准设置，阅读量在10000以上，收藏量在120以上，点赞数在50以上，三种条件任两个满足即选取（这个指标的设定来自于随机抽取的其他文章的平均数取整），这里只是粗糙的进行统计，如果精确，需要大数据抓取。
选取该网站的原因也是发现该网站的文章质量及访问量都高于其他网站（如爱运营等），故只从该网站选取。另外，由于该平台上有很多数据分析服务提供商的文章，为了避免产品需求的内容污染，尽量不选取利益相关者文章（growingio专栏一篇除外）。
考虑到时间对于行业发展的影响，文章发布时间在2014-2018之间，且2017-2018年的文章数为19个，2016年文章有8个，2017年文章有14个，基本满足近两年趋势分析。文章概况见图1，另外总结出数据分析的趋势有三点：
1）强调用户画像，贴标签，用户分群，达到精准化营销；
2）数据基本指标一致，最关注用户留存情况，用户留存模型有同期群分析；
3）数据打通，包括前端与后端，线上与线下，内部与外部。
2. 确定移动应用分析用户的需求水平
移动应用公司对于数据分析的需求在1中基本总结出来，这里我希望结合具体应用场景对于需求背后的原因进行分析。
首先使用移动应用数据分析平台的用户多是来自运营的工作人员，日常维护和监测是最基本的工作，这里对数据分析的要求是快速获取每日数据概况、定位异常和错误、进行内部沟通。针对这一需求，报表推送通知（推送实现在移动端的查看和处理【MTA已有】）、异常数据标记（包括数值、时间点、对应事件或页面、网络及设备监测）【MTA没有】、异常或需关注的数据或事件的标记可以推送给不同的权限账号查看【MTA没有】。
第二点是运营人员与开发人员的埋点沟通成本。在自定义事件或埋点时，将事件对应页面、触发位置、流程呈现出来，便于需求提出者和实现者的沟通，另外对于事件、埋点的测试应该单独标记或归类，剔除该部分测试数据。
第三点是数据的操作及对接。比如某互金应用希望对活跃用户进行新基金消息推送并且查看用户的在该产品上投资的转化率，那么这里首先需要从数据趋势中自定义一个指标为活跃用户，再将此类用户进行标记，并且能够关联至事件列表里创建的“接收新基金消息推送行为”的一系列事件，最后漏斗模型能获取这些事件的触发参数得到转化率。
【在MTA里的实现方式如下：“数据看板”里看到活跃用户的小时趋势，发现在某个时间段内推送时会最大范围覆盖广告曝光。于是在“事件分析”里在可视化埋点里对点击banner的动作以及之后参与活动的一系列行为进行埋点，并添加事件“新基金推送banner的点击-活动红包领取-基金下单页面-购买页面”。最后通过在“漏斗模型”里进行事件转化的选择。最后一步是在“用户挖掘-用户分群”中一一设置用户属性、自定义事件和漏斗模型，就可以得到事件转化结果，主要见图2。】
这一系列的行为如果能够在每一步设置时有个提醒或引导链接至相应功能区会极大地提高运营及初级开发人员的效率和降低错误率【方案一：MTA中部分功能主标题下可以看到“感叹号”内的解释内容，有的可以转至相应链接，见图3。可以适当增加可以关联的功能区，如“您可以将自定义事件与用户分群、漏斗模型等功能综合使用，参考案例。”//方案二：在有关联其他功能的事件前添加“+”，鼠标放置上面会有浮窗信息显示，见图4】。
最后这一系列的流程可以生成一个数据流，如果能在每一步定义和设置后直接有添加至数据看板操作，最后就会自动生成一个数据看板，这要考虑到每个人的数据看板生成节点的思维方式，方便运营人员进行数据流向变化的分析【MTA已实现】。
第四点是竞品和整体市场的相关数据。这样才能形成对比和相对准确的判断，明白某个细分环节在整个行业的共性趋势和对手产品达到的效果，才能对自己的产品有合理的策略定位。
比如：一家经营生鲜的O2O新创公司发现某个品类在各线城市的渗透力不高，营销人员可能会有以下归因：
（1）该品类的口味或处理方式使得其在国内市场的购买意愿不高，可以考虑减少该品类供应；
（2）公司的营销并没有触达到用户，需要加强营销力度或改变营销策略。如果了解到另一家同类公司在该品类上的渗透率也不高，但是营销策略与自己公司不同，就有可能佐证第一条归因。
这时候如果有一个移动应用分析平台提供竞品数据，固然是很好的。但这又涉及到一个矛盾，对于这种保密较高的商业数据，很少会有公司愿意开放自己的数据。【数据即是商业核心这个并不新鲜，但是用户在做接入移动应用分析平台的决定时心里一定会有一个问号，自己的数据肯定是被第三方获取的，但是这个数据应用到什么程度，对于接入者来说是信息不对称的。数据开放等级接口的潜台词也是，平台能基于多大程度地保证用户的数据权限。这还会推动互联网商业数据应用责任判定的法律实施方案】
这时候，作为提供移动分析平台的服务商，可以有两种方案：
A1. 建立一个移动应用数据共享平台，对于愿意开放部分数据的应用提供一个接口，共享自己的部分数据的同时也可以获得其他应用的数据。开放自己的数据固然有给竞对一个研究自己机会的风险，但是对于少数垄断或竞争壁垒很高的应用来说，关键在于开放的数据是否有吸引力。
此外开放接口的范围可以设计为可控的，由商业用户自己定义是否赋予某个应用对象开放权限，比如：一个移动应用可以在其垂直领域对接其他应用，而横向的竞争领域则不开放。
还是用上文中O2O的例子，如果该电商对接了一个美食分享平台，会发现当地人倾向于分享的该品类食物评分基本在2星左右，说明大众的接受度不高或下游供应市场造成了该品类的被购买意愿降低。或者是另一种情况，该电商用户研究发现该美食分享平台上自己供应的产品品牌出现率很低，而同类其他品牌的出现率更高，这可能说明是由于自己的营销触达不够。
实施这个策略的阻力来自多个方面：
（1）移动用户对于数据的保护可能是超乎想象的，另外由于这种博弈思维的存在，出现囚徒困境的情况更能打击用户的尝试意愿；
（2）移动应用用户的垂直对接的应用难以定位，这个对接目标是由平台本身推荐还是用户自己标定，需要建立什么样的筛选标准和数据支持。
（3）对接数据使用权限的监管问题，如果一个应用继续发展，拓展了自己的业务范围，向纵向领域发展，对于其他应用来说已经成为了竞争对手，这个时间节点如何预警，如何及时关闭权限。
A2. 数据的模糊化处理，仅显示行业数据进行总体趋势和产品自身处于行业何种水平的报告。事实上，这一点友盟已经做出，可见“应用趋势-行业数据”里的功能介绍。
在这一功能下，官方文档指出：“可以查看本应用在全体应用或同类应用中各个指标的数据、排名及趋势，有助于衡量您应用的质量和表现。”报表覆盖维度可以见图5，这里可以看到的是移动应用的总体情况分布，如日新增用户、日活跃用户、日启动次数、单次启动时长等。
B. 强化腾讯的用户画像优势。如果不能直接获得竞品数据，那么是否可以从用户行为本身反推其使用产品类型，即模拟一个理想的竞对产品画像。
腾讯可以利用自己的社交产品生成一个用户标签库，比如：“一个28岁的外企女白领”会有什么样的互联网金融应用使用行为，通过聚类分析可以得到年龄在25-30岁的外企女白领的在微信上的月资金往来水平、是否关联互金应用、最常见的应用有哪些等。在移动应用数据分析用户画像时可以提供行业或产品参照模版。
目前MTA用户画像的维度如下，用户画像包含的维度：
（1） 基础属性：性别比例、年龄分布、学历分布、地域分布
（2） 观察设备：设备品牌分布、网络环境分布、运营商分布（46004、Far EasTone、T-Mobile等）
（3） 应用偏好（按照top10排序）： 金融、游戏、购物、娱乐休闲、教育、阅读、动漫、生活、体育运动、美容
这里可以推断出一个移动应用的使用人群各个属性占比，本文上述标签可能太过细化，对计算量和数据清洗要求较高，开发投入和产出比需要衡量。
3. 确定移动应用类别的优先级
虽然移动应用分析平台是一个综合平台性产品，但是在数据分析中，不同的应用种类的分析需求不同，体现在事件定义、数据维度、埋点深度等方面上，因此可以看到很多平台都提供了“自定义事件”、“自定义埋点”等功能。由于对于平台的设计体系及开发需要一定探索时间和人力物力投入，可以将服务应用对象更典型化，开发出典型应用的分析方案，如针对电商可以将业务数据指标直接打包，生成典型电商数据分析方案，减少运营的指标定义与需求上报工作。
这也进一步确立了优先服务移动应用的类别（如电商、互金、阅读），结合腾讯自身的社交优势，相应的用户画像也能更精准地被利用。另外也可以确立优先服务应用的标准（如应用所覆盖人群属性、数量、服务需求层级（基础-基本指标分析、高级-运营解决方案））。这样也能促进近似或相同的产品或服务内容的聚合，有利于精确的数据建模。
二、腾讯MTA和友盟U-App的功能比较
目前国内的移动应用分析平台有友盟、百度分析、腾讯移动分析等，下面就简单对比一下友盟U-App和腾讯MTA的功能。
首先需要注意，这里是根据友盟U-App和腾讯MTA两个开发者文档的结构图制作（见图6:U-App结构图，图7:MTA结构图），可以明显看到两者的子树层级存在区别：友盟的一级提纲较少，且二级提纲主要分布在“基础分析”和“设置管理”上，腾讯MTA的一级提纲很多，二级提纲集中在“基础介绍”、“高级功能接入”上。
友盟U-App的层级可以达到三、四级，数量适中，腾讯MTA的二级提纲数量较多，且其后子树的内容多为“功能介绍“、”指标定义“、”设置“上，因此不便于放置在结构图中。两种不同的结构设计哪种效果更好，需要具体分析服务对象。
对于运营人员，初级或入门小白看到友盟U-App的基础分析涵盖如此多的方面可能会感到头大，看到腾讯MTA的简单5个产品功能会稍微松一口气。但是基础的数据能否满足运营人员数据分析的目的呢？
我将二者覆盖的功能进行了简要对比，同时通过总结分析若干篇“人人都是产品经理”这一专业社区分享运营数据分析经验的文章（文章选择情况见一），得到运营人员的集中数据分析需求，也加入对比表格中，见图8。
从表中发现两种移动分析服务都覆盖了基本运营数据分析需求，但进一步的运营策略服务侧重各有不同。U-App强调用户留存，因此对于留存指标的细分很多；此外还加入了行业数据分析、管理设置、报表设置，其中考虑到了重要事件标记以及消息推送、账户权限。MTA强调了用户与账号的区别，突出用户画像及广告营销服务。这一点满足了运营后期的需求。
三、腾讯MTA的修改建议
总结以上对于移动分析服务的需求与两款提供服务的产品比较，对于腾讯MTA的产品优化可以提出以下建议：
强调用户画像优势，引入用户标签库，用于移动应用用户对比。
打通数据流，使数据在“输入-标记-事件-转化”这一流程中的变化更清晰易看。或建立一个操作日志，集中生成每次操作的轨迹，方便追踪产品运营人员操作行为。
产品功能文档的结构均衡处理
增加不同账户的界面及功能设计，实现不同部门（市场运营、客服运营、内容运营、开发）协同合作
继续开发可分析数据类型及建模方案看板，如文本数据、2A3R指标组合看板
相关阅读
腾讯移动分析产品测评大赛火热进行中，丰厚大奖等你来！
本文为「人人都是产品经理」社区和腾讯移动分析MTA共同举办的#腾讯移动分析产品测评大赛#的参赛作品，转载请联系人人都是产品经理
有关产品测评大赛合作事宜，请联系邮箱：[email protected]