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： 贺幸世，汽车大世界网产品经理， 始于体验，成于筹划与远见的产品人
编辑：Fiona
首先，我们来看，MTA数据的框架
从这个框架来看（图1），所有数据最核心的关注点是用户的行为，他们从哪里来， 是谁，到哪里去？由于iOS所有的广告都会跳转到appstore下载，流量主无法拿到是否下载的回执，下载、激活数据一般无法打通，用户从哪里来的数据缺失的较多，所以我们主要讨论：用户到哪里，以及用户是谁。
全局之（数据概览）
刚登入系统展现核心数据的预览（图2）：
数据非常的详细，而且还可以导出（图3标注处），方便进行各种统计。
建议: 在旁边标注（下表）或者（33天）等字眼，用户对导出的数据有一个预期。如果不标注，页面层次应该更加板块化，让使用者更清楚知道下载的内容来自于哪个版块。
下图历史趋势（图4），为避免用户误解只能选择固定日期，更清楚可以进行的操作。建议文字标注“定义日期”在第一行，下一行才可以快捷选择日期。
建议改版效果如下：
用户到哪里去之《事件分析》
这里可以获得不同的位置的点击量，点击“查看详情”（图5标注处），可以看到更详尽的数据，核心关键指标（图6）：事件触发次数，启动平均事件数，触发用户数，人均事件数，用户参与度。
建议：新增的事件的核心指标（图6），都是相对于“启动次数”的比例值，建议这个数据（除数）用户可以自行定义。
图中展示经过漏斗转化过的最终结果，不容易查出中间的转化率，没有中间的转化率，很难发现中间转化过程中可能出现的问题。
同样，漏斗模型页也存在同样的缺点，缺乏中间的转化数据（各事件的启动次数），以及各个步骤的转化数据，下图（图7）建议：点击标注的地方链接到具体的事件的详情，其次在下图页面增加各步骤的转化率以及启动次数等相关数据。
从下图（图8），可得出，多多记账的语音记账有时候不是非常准确，所以用户得切换到手动记账模式，然后某种原因又切换到语音记账模式，如果再加上是否记账成功的次数,并标明每个步骤的转化率，将对此功能的性能结果有更好的参考性。
关于新增事件，如下（图9）有这么大一段说明，大多数用户第一次阅读时难以理解，很容易被忽视（扫视到“事件ID命名限制”）。因为这些说明与新增事件并不是直接相关，建议进行结构性的改版。
建议改版效果如下图（图10）分开，在具体的应用场景，添加相关的注释。
告诉用户统计的流程：不但需要增加事件，还需要将新的统计内容部署到服务器上。
从效果来说，比原来的设计，层次更加清楚。（导出CSV就是这个表格的内容，增强相关性）
点击新增事件的页面，修改建议如下（图11）：
下图（图12）标红处，只能改换名称的情况下建议修改成“更名”。
用户到哪里去之《用户生命周期》
有一个比喻非常恰当：产品如同蓄水池，用户好比池中之水。池子中每时每刻都有新用户源源不断地加入，也有一部分用户选择离开。
用户生命周期主要研究用户的留存活跃情况，衡量的标准不同，结论也会有所差异。从数据来看，多多记账的DAU/MAU占比的数值比较高，说明多多记账留存用户的粘性相对较高。从“用户构成”忠实用户的比例恒超过50%进一步佐证这一结果。说明多多记账软件简单易用，结构页面简单，特别是语音自动记账功能，确实满足一部分用户基本的记账需求。
从上图（图13）来看，回流平均超过15%，从统计来讲，这个数值数值太高了，说明流失率统计的周期并不是最佳。
讨论流失率的问题，我们直接引用知乎的结论：研究流失率几个最基本的问题：
• 研究对象是谁：是登录用户、注册用户，还是全部用户的流失率？
• 流失周期为何：是次日流失率、7日流失率还是月流失率？
• 如何定义流失：1个月没有访问的用户？2个月没有下单/消费的用户？还是3个月没有登录的用户？
目前MTA默认以周为单位的流失率，数据的准确性值得怀疑。建议从允许用户更换周期开始，提供不同的指标，比如：在线天数，功能使用时长，点击次数等，最终能提供不同数据模型供用户进行调试，从而能获得更加准确的留存率。
下图（图14）切换的标签不够明显，建议改版效果如下。
用户到哪里去之 《用户行为》
从上图表（图15,16）来看，人均时长，次均时长等各项平均数都非常的清晰明了的数据，使用频率的分布（图17）也列举出来，非常好用，其中日均使用20-50的用户有4个，可能人是谁？日均使用超过50次有一个，用户是谁，你懂的.
从上面的数据来看，用户使用的时间和页面都非常的短，忠诚用户比例较高，说明简单易用的功能能够满足大部分的用户，用户用完即走，仍然还会再回来。然而结构过于简单，没有更多的功能满足较高层次的需求，也可能是用户使用平均时间过短的原因。
建议可以提供同行业或者同类似产品的平均使用时间，为用户提供参考价值。需要提供参考价值的用户场景其实很多，如下：
DAU/MAU
人均时长
次均时长
人均访问页数
建议增加用户使用时间等数据的分布情况这一功能，更好的区分不同类型层次的用户。比如60%的人使用5分钟，30%的人使用15分钟等等。
下面这个页面理解起来有难度（图23），周期为日，应该是指以日为单位，活跃的天数是具体指：连续活跃的天数还是一个月内活跃的天数？建议加以说明，更直接明了的说明有助于理解。
用户是谁之《用户挖掘》
上图（图24）以表格图形的方式，展示了用户大数据，建议进一步提供交叉数据，比如广东女性和男性的比例,比如男性高学历的比例等等,为精准营销提供更精确的服务数据。
总体评价，整体框架雏形基本具备，精彩好用的地方也不少，但是作为一个数据分析平台，仍然远远不够，在很多地方需要进一步挖掘，特别是针对不同行业数学建模，为使用者营销，推广留存等提供更多，具有参考性的价值点。
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]