本文為「人人都是產品經理」社區和友盟＋聯合舉辦的“2019「友盟杯」數據分析大賽”中獲獎作品。文中數據已進行脫敏處理。
1 寫在前面
從產品論的角度而言，一款產品從0到1的建立，需要經歷五層設計（戰略層、範圍層、結構層、框架層、表現層）。而從數據分析的角度而言，數據分析由淺至深也分為5層（角色扮演、業務指標、現成模型、公司戰略、行業發展）。無論從產品論的角度又或者是數據分析的角度，最終的本質是服務於商業模式，當然對於政府等公共性質的App而言，是無需商業模式的。
2 產品基本信息
產品名稱
xx市數據信訪便民投訴平臺App，後面簡稱為“信訪App”。
產品定位
此次信訪App的產品定位為工具性產品，主要是方便信訪人民，在App上進行信訪業務辦理，包括信訪投訴、進度查詢、預約等一系列的信訪服務。
產品受眾
我們建設的是一個數據信訪平臺，此平臺可以支持網上信訪和線下信訪，所有的數據都會進入到我們的平臺，因此我們可以對信訪受眾進行全量分析。
產品受眾是所有潛在或者現實對信訪有需求的受眾，從前期的上訪情況來看，普遍的上訪群眾的年齡在30~60歲左右。
產品功能
已上線運行的信訪App的功能包括：信訪投訴；政策、福利等諮詢；領導包案預約；業務辦理督辦、催辦；社會民意徵集；業務辦理進度查詢；業務辦理結果、工作人員評價。
3 面臨的問題
國家局在2018年6月份下達通知，要求各個省市的每月綜合網上信訪率需要達到60%以上，並且會納入到信訪工作考核指標中，而在2018年的6月份，我們後臺統計，xx市的網上信訪率為18.94%(總信訪量264件，網上信訪量50件)。
因此，我們需要配合xx市信訪局完成這一指標。[網上信訪率=手機App信訪登記量/信訪信訪登記總量，當前的網上信訪的主要渠道是App投訴]
4 分析思路
從兩個角度進行分析，針對產品的角度而言，產品的定位（戰略層）是正確的（針對信訪群眾進行上訪），產品的需求功能（範圍層）也是正確的（可以滿足信訪群眾進行信訪登記），那麼就只需從產品的結構層、框架層、表現層來進行分析。
而從數據分析的角度而言，主要是從業務指標的角度進行分析（即當前的網上信訪率達不到要求，需要分析出業務指標無法達到要求的原因，並給出解決方案）。
排除數據噪音
想必大家在初中都學習過控制變量法，通過控制變量來觀察因變量的影響因素。同理，我們在進行數據分析的時候也需要採用類似的方法，首先就要排除數據噪音的干擾。對於當前的分析角度而言，我們是要通過數據分析來驅動產品迭代，那麼產品的運營數據對於產品的使用數據而言就是噪音數據。
產品的運營數據就是產品的安裝量、註冊人數、App使用情況、App活躍度等數據。結合信訪App的運營數據以及6月份的信訪投訴的數據進行分析，來排除數據噪音。
通過業務後臺數據分析可以知道6月份信訪人數為264人，其中通過手機App信訪的有50人，線下信訪的有214人（其中有132人是已註冊了信訪App），因此我們得出的數據結論是，理論上網上信訪率可以達到68.94%[網上信訪率 =（網上信訪人數+已註冊人數）/信訪總人數]。
因此可以說明，我們的數據在客觀條件下是能夠滿足業務指標要求的，這樣就排除了因為產品運營情況的不到位，而導致的客觀硬性條件下不能達到業務指標要求。接下來就可以從產品的使用數據來進行分析網上信訪率不達標的影響因素。
友盟+移動統計(U-App AI)版用戶分群統計
業務指標角度
我們會分兩條路徑統計6月份這個期間的App的啟動次數、App的註冊次數、App登錄次數、使用投訴辦理功能的次數、提交信訪訴求的次數。
業務指標的達成路徑
通過事件轉化率分析，這7個步驟的轉化率，分別表示的是：
路徑1表示App的啟動之後，直接登錄App的概率
路徑2表示在直接登錄App之後，使用投訴辦理功能的概率
路徑3表示在直接登錄App的前提下，進入投訴辦理功能之後，完成信訪訴求提交的概率
路徑4表示在App的啟動之後，註冊App的概率
路徑5表示在註冊之後，直接登錄App的概率
路徑6表示在註冊之後直接登錄的前提下，使用投訴辦理功能的概率
路徑7表示在註冊之後直接登錄的前提下，進入投訴辦理功能之後，完成信訪訴求提交的概率。
建立數據指標
為了驗證數據，我們首先通過自定義事件，定義8類事件，分別為“App啟動量、App註冊量、App登錄量（無註冊）、App登錄量（有註冊）、App使用信訪投訴功能量（無註冊）、App使用信訪投訴功能量（有註冊）、網上信訪總量（無註冊）、網上信訪總量（有註冊）“。
自定義事件管理
然後通過事件轉化率，我們定義了兩類類轉化率，分別是“有註冊的業務路徑、無註冊的業務路徑”。
自定義轉化率報表
最後就是通過基礎看板中的功能使用“事件轉化率”，既可以看到這兩條路徑的轉化率情況，如下圖
路徑轉化率
數據結果
統計出來的6月份兩條路徑的事件轉化率如下
數據分析結論
6月份，路徑上從App啟動—>App使用信訪投訴功能的轉化率較低，僅有30%左右，這可能跟信訪投訴具有一次性的特性，而查詢、督辦等功能具有多次操作的特性相關。
同時，路徑上從App使用信訪投訴功能—>網上信訪的綜合轉化率則是非常低，僅有12.47%。但其中有註冊的業務路徑轉化率會高一些，這可能跟信訪群眾在信訪局有工作人員協助的因素導致。但也足以說明，App上的信訪投訴功能存在一定的問題，需要進行優化。
數據結論的再次分析確定
對6月份的數據，特意挑選出線下投訴但已註冊過App的132人，即這132人的網上信訪人數為0。根據業務指標達成路徑上的轉化情況進行用戶分組。
用戶分群
根據上訴的方式，選擇時間為2018年6月份，我們將人群分為：線下信訪_已註冊_登錄App、線下信訪_已註冊_App使用信訪投訴功能，兩類人群。
綜上可以確認兩點問題
a) 數據分析的結論是正確的，信訪投訴功能存在問題
b) 如果117人都是願意使用App進行投訴的，如果解決投訴功能的問題，那麼有可以使得網上信訪率達到63%左右，滿足指標要求。
產品角度
從業務指標的角度我們發現了App的信訪投訴功能存在一定的問題，且信
訪投訴操作具有操作的一次性特徵，因此需要優化，但具體如何優化，優化的方向還無具體的數據支撐。因此，我們需要從產品的角度，結合數據埋點進行分析。
投訴功能的結構層分析
上述的路徑是完成信訪投訴必經的路徑，一共涉及4個頁面，因此對每一個頁面進行數據埋點：進入此頁面的計數。
結構層的信息頁面路徑是否能夠走完，需要對每個頁面的框架進行分析，用於分析此頁面的識別度和可操作性以及下一個入口的便捷性。因此可以說結構層和框架層是息息相關的，那麼根據框架層的特性，我們從時間維度上，對每個頁面進行數據埋點：在此頁面上停留的時長。
建立數據指標
首先通過自定義事件，將各個頁面的操作次數都統計出來，如下圖所示
自定義事件
通過漏斗分析，查看每個頁面的轉化率情況，如下圖所示
漏斗分析
數據結果
數據分析結論
（1） 6月份，可以看到填寫信訪訴求的完成情況很低，僅有25.38%，說明填寫信訪訴求頁面需要亟需優化。
（2） 6月份，每一個頁面都存在一定的轉化損耗，所以需要從產品和業務的角度考慮縮短路徑。
改進方案的用戶畫像
產品是針對受眾，因此支撐改進方案的一定是要落地到用戶畫像上，由於信訪的特殊性，因此，此次僅需要對年齡進行刻畫即可。
通過用戶分群功能，根據信訪人群的年齡進行劃分。
年齡分群用戶
可以知道30～50歲的人群，佔據了註冊人數的76.88%，是絕大多數的人，由此可見產品的優化方案，主要是針對這個年齡段的人群。
改進方案的建議
根據數據分析結論、產品的分析結論以及用戶畫像我們針對產品提出瞭如下的優化建議
1） 填寫上訪人信息頁面取消，默認統一獲取當前登錄的用戶信息（姓名、身份證號、居住地址、聯繫方式），並將身份證號、居住地址等個人信息，融入到註冊環節進行填寫。（在信訪的業務上，也是支持多人上訪，但僅有一人作代表的情況。
2） 選擇信訪單位此頁面取消，採用後臺默認統一將信訪件分配到xx市信訪局，再由信訪局發送到屬地單位進行辦理。
3） 填寫信訪訴求的頁面，採用多種方式，代替僅限文字輸入的方式。比如語音輸入、附件文本上傳、圖片上傳、視頻上傳這四類方式。在業務上，信訪辦理也是需要將App投訴內容轉錄到辦案系統，所以這四類的方式都可行。
5 效果觀察
效果數據
通過自定義報表，將網上信訪率進行持續跟蹤，如下圖是7月份和8月份的數據，而選取2個月的時間作為觀察的長度是因為信訪的數量本來就屬於弱需求，平均每個月的信訪量也就800件左右，而同時國家局要求的指標只要在12月底之前完成即可。（此處要提一個數據，就是截止到6月份，已註冊App的信訪群眾達到了1276人，7月份新增註冊人數70人，8月份新增註冊人數100人）
由此可見，我們的改進效果是有成效的，說明通過這一套數據分析下來，的確是在一定程度上解決了產品的問題，但卻還沒有達到業務指標（60%）的要求。
效果反思
產品已經優化了，且在宏觀的結果有一定的成效，但是還是需要數據支撐，去看產品優化帶來的具體成效。
（1） 重複採用漏斗分析的方法，去分析頁面的轉化率，如下圖是7月和8月的頁面轉化率情況
總體轉化率直接從12.74%提升到60.83%，總體轉化率有了質的提升，而且完成信訪投訴的轉化率從25.38%直接提升到了85%左右，也完全證明了我們的數據分析給出的解決方案也是正確的。
（2） 整理思路，依然還沒有達到指標。我們發現其實先通過業務指標進行分析找到路徑上的薄弱點，掩蓋了產品的兩個點，分別是註冊（產品功能）和用戶留存（產品使用）。而這個點只能從產品的角度才能發現。
6 迭代數據分析優化產品
註冊（產品功能）
通過漏斗分析產品的註冊頁面路徑轉化分析，我們統計出7月和8月的註冊頁面的路徑轉化情況，如下圖所示
基於如上的數據，結合產品的方法論，我們給出註冊/登錄這套操作進如下方式的優化
a) 註冊和登錄都採用手機號碼+驗證碼的方式，進行註冊和登錄，替代賬戶基本信息填寫（內容包括：用戶名、電話、密碼、驗證碼）。
b) 個人基本信息填寫，採用手動輸入和拍攝證件照兩種方式進行填寫，但優先推薦證件照上傳的方式。
用戶留存（產品使用）
通過自定義留存的功能，我們可以定義，在每個月中，已註冊App的信訪群眾的留存情況（留存率=當月使用App信訪功能的人數/當月信訪的總人數中已註冊App的人數）。
已註冊App的信訪群眾的留存情況
基於如上數據，加入一個消息引導提醒“App信訪數據概況”，這條信息中包含“網上信訪操作事件、網上信訪辦理效率、網上信訪比例、網上信訪操作改善功能點”這四個維度的提醒，用於提高留存率。
迭代優化持續跟蹤效果
通過自定義報表，我們可以知道9月份註冊的頁面轉化率優化情況，信訪留存率情況和網上信訪率情況。
6 總結
最後，還是需要強調一次，通過這一套的數據分析和優化，我們耗時3個月達成了國家局要求的網上信訪的指標（60%），另外數據分析當然肯定不是一個月才進行一次分析，而是至少每週，甚至每天進行分析，跟蹤變化情況。
數據分析不能從一個角度進行分析，要結合多個維度，尤其要從產品的角度思考數據分析方法的完整性；同時需要能夠基於已分析出的數據，進行深入挖掘。才能找到問題的根本原因，並能夠明確地給出解決方案。
閱讀更多 友盟全域數據 的文章
