冷静-假设与之关联的因素-寻找与之关联的数据-分析（这是重点）-得出结论，友盟解决的是第三个环节，如果没有友盟，我相信很多公司的运营，连数据都没有，更谈不上分析了。有了数据，进而分析，这个分析水平的高低，我个人觉是看天赋的，有些人不论怎么教都教不会的，有的人对数据敏感的，一看就懂。
背景：
本文以一款我曾经运营过的APP应用为例，为大家拆解下，我是如何通过友盟后台的数据分析，将产品次日留存率（下文提到的留存率皆为次日留存率））从10%不到提升到30%+的，在数据优化、提升的过程中，有通过数据获得过意外惊喜，也有通过埋点按部就班的实现过目标，整个过程，平淡中透漏着智慧，分析中带来了效果的提升。
提出假设：
产品的问题显而易见，留存率不到10%，太低，需要通过数据来分析出问题所在，并进行优化。至于从哪里开始着手进行分析，当然是有一套方法论的，首先便是提出导致留存率过低的问题假设，然后通过友盟的数据来验证假设。就像生病住院进行的各项检查一项，通过检查排除病因。
我们当时讨论出造成留存率过低的原因有：
1.用户质量有问题
2.机型适配有问题
3.产品太丑
4.使用习惯导致
5.功能不完善
6.广告打扰
验证假设：
接下来便进入了漫长的验证阶段，不同于医生的检查，一遍查出原因即可。而产品一旦找出问题所在，是要更新版本后，通过导批新用户，分析优化后的数据，然后对比之前的数据来判断是否有效，每个假设的验证都是极为漫长的过程。
1.用户质量问题
用户质量问题又分两种，第一是用户造假，第二是用户不精准。会发现，同一个假设因为有两种可能，必须要用两种数据作为论据的，第一种分析用户是否造假，我们做的是分析新增用户的数据有没有共性，第二种用户是否精准，我们则是通过分析用户来源的方式得出的结论。
新增用户的共性会有很多纬度，比如机型、地域、使用时长、时段新增等等。
按照常理，我们最常分析的是除了时段新增前面的几个纬度，然而并没有发现问题，直到分析到了时段新增，如下图。
之前的数据没有截图，大家了解下这个入口，当时也是无意中找到这个数据的，我们的情况是，每天24小时，每个小时匀速新增500个，要知道凌晨两三点还有稳定新增，明显是有问题的，更巧的是友盟后台有这样一个数据，网络及运营商如下图，我们当时的产品99%来源是wifi。
我们当即判断渠道的质量即用户质量的确有问题，把这个渠道停掉后，留存率上升到20%，数据分析的价值可见一斑。
2.机型适配有问题
当第一个问题解决，留存率大幅提升后，大家可能觉得问题已经消失了，其实不然。要知道有十几个渠道带来新增用户，即便剔除假用户，留存率依然偏低。也就是问题依然存在，产品优化的过程本身，是没有从10%一次性提高到30%的可能，只有把每个小细节提升一点点，最终的结果才是整体提升了20个点。
机型适配有问题，这个需要多方的数据作为支撑才能分析出结果，单独看上面这张图是看不出来问题的。我们当时找渠道要到了新增用户的机型表，对照后台的数据进行去重，结果发现有个机型在渠道的新增数据表中占比很大，但友盟后台新增数据占比却很小。几乎可以肯定的说，这个机型适配有问题。
为了重现问题，我们没有用模拟器而是直接去采购了同款型号的测试机，一测试果然闪退，找出问题后，技术上修复了BUG，之后的留存率又提升了几个百分点。
3.产品太丑
在我们提出这个假设的时候，是很难给出结论的，说产品丑，到底有多丑呢？又没有一个评分标准的，我们当时是这样想的，如果用户觉得产品很丑，第一反应是赶紧关掉，这样的话，那使用时长极短的用户占比会很高，在我们想到这个问题时，友盟后台真的找到了数据支撑。
这个是友盟DEMO的数据，我们当时的数据没有这么夸张，我们十秒内就退出的占比不到10%，从我们那个树状图排除了产品太丑的假设，功能性APP的UI不用像手游要求那么高，因为用户更在乎的是功能是否好用。
为了验证用户是否深入使用某项功能，我们制作了漏斗模型，运用的是事件转化率功能，事件转化率是个统称，我们在做漏斗模型时，切记不要命名漏斗1，漏斗2，不然后面来的新人是看不懂的。
我们工具类APP的使用有3个步骤，类似上图，点击功能按钮，使用功能，功能结束。可以看出从用户使用功能的完成率，来判断产品是否存在，功能不畅或者体验不好的问题。
而这个是要区分版本来分析的，我们有次上线一个新版本，换了一套新的扁平化的UI，使用更加流畅，然后漏斗转化率却下降了很多，排查后是有bug，还好数据分析的及时，否则全部更新成这个版本，那损失很难估量的，从这个角度来讲，友盟还是一个防微杜渐的保护神，当然更离不开咱们慧眼如炬的运营。
4.使用习惯导致
大家如果参考微信的留存，那就没得搞了。我做APP应用，通过友盟后台数据得出的最大结论是，工具类的APP次留其实不是最重要的。比如拍照类APP，用户的使用频次，不可能是每天都用的，次留是不会像资讯类应用那么高的。
同理，在用友盟分析之前，我还不明白这个道理，觉得留存低肯定是产品有问题，当我看到这个数据，弄明白其中的原理，就明白了产品属性不同，留存率的对比也不同。
30日前新增的用户占比最高，说明用户粘性是可以的，次日留存过低，说明用户第二天的需求是没有的，只要用户没卸载，我们就还有赢面。
顺便提一下，我们偶尔做的运营策略，对产品的影响也是可以通过友盟数据来体现出来的，就像一个人突然心动，如果恰好有测心率的仪器，仪器上的指数会直线飙升，友盟监控用户使用习惯，每天的使用次数，如果加上人为push功能，也是会发生变化的，我们当时加了push，每天推送2次后，下图3-5的柱形图一下子就起来了。
5.功能不完善
前面几个假设分析起来都很简单，直到第五个，功能不完善，这要怎么去测试呢？我们想到了埋点，看每个功能的使用数据，这块是我在分析产品数据时，最为核心的一块内容，也是我认为友盟里面最有价值的一个功能了。
自定义事件，APP应用里面很多的入口，如果让我们自己开发数据后台，进行功能使用的统计，那难度不是一般的大，我们用友盟给首页每个入口埋了点，数据展示如上图所示。曾经我们认为用户喜欢的功能，恰恰点击是最低的，有些我们认为不重要的功能，放在了APP底部，结果点击量超高。根据友盟统计的点击量和实际的位置进行优化调整。把用户需要的功能放在醒目的地方，不需要的功能置后或者直接砍掉。
通过这个功能进行分析后做优化，我们的留存率已经到30%以上了。
这个功能除了运用在提升留存率中，还被我们发掘出运用在产品变现上了，而且准确率极高。产品的变现，无非是广告，广告分为下载和展示的。展示的广告用友盟的另外一个功能网站统计可以实现，而下载是可以加到自定义事件中去的。
我们每天只看一个大数即可，一旦发现下载数有波动，十有八九是CDN出了问题，因为CDN出小问题不会报警的，通过这种交叉式监控，可以人为的减少许多损失，减少损失就意味着赚钱。
6.广告打扰
有广告一定会降低留存率，这个我们没有分析数据，也可以断定，于是当我们看到留存率过低时，做的第一件事便是七天内不展示广告，我发现现在很多开发者还不明白这个道理，我在苹果商店下载的APP，一进去就全屏广告弹出，会直接卸载的。
结论总结：
我们通过友盟来分析数据，从而找出问题所在，进而优化产品，因为最终的结果是喜人的，所以复盘起来觉得付出是有价值的。然而当我们面对一个新的产品，他的问题就像黑盒一样，根本不知道在哪里时，丢一个友盟过来是很茫然的。
我们分析的过程是将数据和现象做匹配，比如今天花钱买量了，新增数据会上涨，这个很好理解。当若遇到偏点的，比如留存率平时都是20%，突然有一天下降到了10%，若没有一套有效的方法论，会让人手足无措的。
这套方法论我总结的流程是：冷静-假设与之关联的因素-寻找与之关联的数据-分析（这是重点）-得出结论，友盟解决的是第三个环节，如果没有友盟，我相信很多公司的运营，连数据都没有，更谈不上分析了。有了数据，进而分析，这个分析水平的高低，我个人觉是看天赋的，有些人不论怎么教都教不会的，有的人对数据敏感的，一看就懂。
写在最后：
我们看这篇文章感觉友盟分析过程十分的简单顺畅，但实际操作时，要做到最基本的一点是熟悉每个功能，即便是很偏的功能，也要知道，多一个维度，就多一个找出问题真相的可能，比如这个功能，大家猜猜是做什么用的？
同样一个武器，在大师手里，会玩出各种花样，在菜鸟手里就是一块废铁，友盟的数据直观的展示出来，如果没有很好的方法论和逻辑思维，看到这些数据也不能转化为有价值的信息。最后嘱咐大家，多看，多研究，多尝试，玩转友盟，想提升留存率，so easy。
作者：周鑫鑫
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
有关产品测评大赛合作事宜，请联系邮箱：[email protected]