本文是【友盟+】互聯網應用數據業務總經理@於曉航，在2018中國產品運營大會的演講，文章略長，讀完您將會收穫：
1.為什麼要回歸用戶？
2.用戶數據大家怎麼看？
3.如何實現用戶快速增長？
4.免費的面對面數據課堂入場券
為什麼要回歸用戶？
互聯網發展到今天，已經步入移動時代的下一個階段；用戶要求越來越高，耐心卻越來越差；用戶已經是越來越稀缺的資產。用戶多、用戶增長快是每一個App追求的目標和方向，也是企業商業變現的基石。
從一個最簡單的問題開始：你的App現在有多少用戶？
然而從這張圖來，增長最快的反而是那些超大型的過百萬以上週活躍的客戶。
這說明了什麼？
現在的移動互聯網時代是一個贏家通吃的時代，大型的客戶、大型的應用，他們會更好地保有自己的用戶群體，而且會更強有力地能夠拉動新用戶的引入，會在這個時代裡面變得越來越強。
但是他們能做到這一點，主要就是因為在用戶的把握能力上面會比小的應用要更強一些。
用戶數據大家怎麼看？
每個人都會有自己看用戶數據的方式，很多產品經理和運營看用戶數據基本有三個層次：
第一層：看總量
如上圖這個例子，“比如，我的App 有105000的DAU，同比增長5%。”這是第一層的看法。這種看用戶的方式是在移動互聯網中最普遍的，也是一種最通用的語言。
但這有個問題，因為沒辦法細分和拆解原因，並沒有辦法把數據落到實際的工作上。
第二層：看構成
我們知道DAU這個“105000”是由一部分新增，還有一部分的流失共同構成的。在這個案例裡面，新增是10000，流失是5000，所以比過去的同期增長了5%。
那這種方式比上一個方式要好一點，因為它能看到這個流動的構成，即雖然DAU值漲了5%，但流失和新增是兩個不同環節的要素。
我遇見過絕大部分的產品經理和開發者，基本都會看第一層（總量）和第二層（構成）。做的比較好的會從到（構成）更細緻的往下看，比如：用戶構成的增長和下降多少？
但這也有問題，因為我們都不知道它們是誰。
第三層：看行為
這裡有一個非常明顯的概念，第三層當中，我們本質上並不是在看用戶，卻是用戶怎麼看我們，我們需要把每一個用戶單獨拎出來。
比如上圖的這個例子，用戶是怎麼來看這個App呢？
用戶A：每天都在使用，高頻次的應用；
用戶B：只有在部分的時間裡面有所啟動，低頻次的應用；
用戶C：幾乎都沒有啟動過，沉默的應用。
從行為方式來識別我們的用戶，到底用戶是怎麼來看這個App應用的。當我們找到這層之後，比前兩層的好處是什麼樣呢？
第一，到底是誰？A、B還是C，哪一個用戶對我們是有更高價值或者更忠誠。
第二，可以根據行為路徑做未來預測和預知。我們可以發現這個客戶之前經常使用應用，後續慢慢不再用了。原來每天都用，後來變成每週用一次，這就是流失風險的徵兆。
所以再回頭來看用戶ABC，可以看到有高頻用戶，有普通用戶，可能還要流失沉默或者一些準流失的用戶。
迴歸用戶，是在後移動互聯網時代裡面，每一個應用、每一個產品經理或者運營人都需要考慮的問題：用戶到底怎麼來看我們？所以現在跟大家聊具體的方式，即怎麼來找到自己的用戶增長之路。
如何找到你的快速增長之路？
01看見：識別用戶價值
看見，看的是什麼？我們看的是用戶價值。如果想看清用戶價值，就涉及到兩個問題：
問題1 ：怎麼來度量用戶的價值？
RFM模型是用來度量用戶價值的一種比較常見方式,由三個因素構成：
因素1：最近一次價值行為，當然價值是什麼？可能你就要來定。
因素2：
價值行為的頻率，比如說剛才看的前面一個例子，如果我們認為用戶啟動對我們來說有很高的價值，那它的啟動頻率就是我們在評論當中所衡量。因素3：價值的累積貢獻度。如果在剛才的例子裡面，就是用戶累計啟動過你的App多少次。
後移動互聯網的時代特點，就是你今天可能還很受這個用戶的重視，很受他的歡迎；但是轉過頭之後，他看到一個新的由競爭者做得比你可能在某一方面好一點點，立刻就轉頭了。所以價值行為的頻率是在移動互聯網裡面特別重要的一個因子，需要在每一部分當中都有所衡量。而計算價值的方式，就是這個RFM模型。
問題2：什麼樣的環節是我們度量的價值？
這涉及到一個價值環節的問題。其實所有的App應用當中這個價值，主要就分為三大類：
1.啟動
啟動是每一個用戶都會對App產生的一種價值定義，而會自啟動，就對你的App有一個價值。簡單說，你的估值其實就跟這個有關係。比如DAU有多少；這個企業賣多少錢……都是跟這個有關的。所以，啟動是第一層價值。
但是，啟動並不能標識這個用戶對你的真正價值貢獻和粘性。所以，啟動往往是衡量比較初級、相對錶層一點的方式，而且它很重要。
2.浸入
即我的用戶跟我的實際交互粘性有多高。
舉個例子，比如說一個做電商的APP，它的交互粘性是什麼？就是這個用戶在你的APP上多元逛街。我們知道：購買這件事是需要大量的逛街行為之後才做出購買決策，如果沒有逛的行為，那肯定沒有買的行為。比如說交錢，交會費，買商品，是這些行為之前的前置步驟。
所以“浸入”這一點就是指的交互粘性，它並不一定是最終給你產生價值。
3.轉化
轉化過程比較簡單，其實指的就是剛才說的，我們會有一個付款的過程，可能是變成會員，或者是電商裡面購買的行為。
但這個價值環節有兩個非常重要的點：需要根據你的商業模式來決定到底哪個是你的價值環節。它的發展，決定哪一個環節是你現在階段裡面最重要的價值因素。
如果你是一個初創型的公司，或者你可能是一些第三方付費的這種商業模式的公司，那可能前兩者就非常重要，即啟動和進入環節；但如果你是已經相對偏成熟一點了，有自己的變現能力，你是C端付費的這種商業模式，那最後轉化和侵入環節就可能會更重要一些。不論你發展到什麼階段，這三者都對你是有價值的。
所以它的價值環節並不是一個取捨，是一個價值梯隊，可能這個價值更高一點，用這種方式價值衡量會更貼近業務結果一點，但另外兩者也非常重要。
02讀懂：錨定業務關鍵
在這裡主要介紹三個計算模型：細分、漏斗、留存。
1.細分
在中國互聯網市場裡，對事件進行埋點，通過事件細分去做分析，這個事情其實是非常痛苦的。在業內有兩句話非常簡便可以總結埋點：
a/流程結構分事件。
比如把瀏覽商品頁，點擊商品，購買設定一個事件，那麼：點擊兒童服裝、兒童玩具都要分事件嗎？並不是！我們現在絕大部分的埋點都是把所有行為都埋成一個點擊事件，但分析起來頭就大了。
流程結構分事件，比如：電商場景。通過瀏覽、註冊、加購、購買是你的業務流程，在業務流程中的關鍵點就必須要分事件。
b/業務結構分屬性。
這裡繼續用兒童電商舉例，購買玩具、購買服裝、購買食品及尿布……這些是兒童電商的業務結構，會分為不同的業務組。
代理公司是一組人，運營是另一組人；這種業務結構要分屬性，你可以將購買都設定為一個事件。買玩具，帶一個屬性叫玩具，買服裝，帶一個屬性叫服裝。
下面舉個例子，你可以看到一個token，他的業務結構是童裝，下面帶有價格，有購買者和銷售者，這個事件傳回來，就可以進行結構化分析。
2.漏斗
如何理解漏斗？
第一，漏斗是多入口下的序列監測。
我們有個客戶想通過漏斗分析頁面，他分析的場景是通過App進入後，會彈出促銷商品的頁面從而才可以進行購買。他設定漏斗的三步分別為：進入App→點擊促銷頁→點擊購買。這樣的漏斗有沒有必要？
答案是：沒有必要！
用戶只能通過唯一一條路徑進行購買，所以只要看這三個不同事件的點擊量就可以了，完全不需要設定漏斗。
漏斗是用在入口很多，比如：你有很多渠道和路徑完成的購買，可能從A渠道、B渠道、C渠道購買，只有在來源路徑很多的時候，漏斗才有價值和作用。
第二，時間窗口的重要性。
時間窗口指的是完成漏斗的週期，比如通過漏斗查看在一個月裡完成瀏覽商品、加購、購買的用戶是誰？
這種分析方式有很大的問題，因為這三個行為，中間可能隔了好幾十天，漏斗必須要設定一個週期，也就是在一定時間範圍：五分鐘、十分鐘、一個小時、一天都可以，這時候通過漏斗的分析，才是有意義的。
3.留存
本質上，用戶留存是衡量的一個時間序列。比如我們平時說的留存是在七天之前訪問的用戶，在七天之後是否還有啟動，這是比較標準的留存。
另外，通過留存模型衍生應用場景包括：業務模塊粘性、二次購買機會、會員利用率等；自定義留存，我通過以下案例來闡述：
案例1：他想看看用戶在購買商品後，後續還會不會再次購買？會不會有商品瀏覽行為？所以他就選了回訪事件是進入產品頁。買完東西之後，後續第一天、第三天、第七天用戶到底還會不會在瀏覽商品？通過這種方式將用戶圈出來，可以培養有價值的用戶。
案例2：除了第二次購買之外，還可以通過其他指標衡量業務模塊的粘性。比如通過衡量會員利用率的黏性。用戶購買了會員之後，後續會不會真的收聽這個課程，這個是對會員粘性和再次續費可能性進行標識。
03放大：設計增長引擎
放大，其實就是通過複製用戶、複製路徑、複製習慣這三件事入手。
複製用戶，在引流時基於對超級用戶畫像分析，瞭解超級用戶的特徵，同時圈選出與超級用戶相似的人群，在外部進行人群圈選投放，通過新用戶來檢驗效果。
複製路徑，通過超級用戶對關鍵行為進行漏斗分析，瞭解他們的轉化路徑和關鍵行為；同時通過路徑分析調整產品引導，通過App推送或者應用外拉動，通過A/B test來查看哪一個的路徑轉化更有效。
複製習慣，分析模型一般用的是留存和細分，留存是表示的是用戶習慣，通過分析超級用戶的習慣。
比如：超級用戶對什麼活動有興趣，從而培養用戶的習慣，最終你會通過消息推送和引導客戶進入產品頁之後，把那些並不是超級用戶的用戶培養成超級用戶。
以上，謝謝大家！
分享嘉賓：友盟+互聯網應用數據業務總經理@於曉航
想跟你的用戶更近一層嗎？
劇透一下宣講內容：
再劇透一下有情調的活動場地：
北京市朝陽區東四旻朗酒窖（朝內大街288號，凱德華璽底商108）
對啦 ，還有精美的神秘小禮品哦！
我等你
閱讀更多 友盟 的文章
