Part 1
从事数据分析岗位也有10年了，当你尝试了解行业时会越发感觉国内分析的落后，比如A/B测试是外国市场20年前创建的增长解决方案，而国内或至少我经历过的企业都只知其目的却鲜有实战经验和勇于去实战的勇气。10年前我坐在工位上用Excel重复又重复完成日报、月报、专题分析、兴趣探索，发现了数据背后蕴含着能窥探、揭发自然规律一般的神奇力量，于是我从一个毫无职业规划的人变成了拾到生存意义的人。可惜的是今天，10年后身边的一些圈子依然痴迷于简单的数据分析工作，可能是文化的缺陷、组织架构的死板、管理层的无知，但绝不是个人能力问题所致。一个崇尚个人能力全面的企业是了不起的，在所有人都能充分利用数据的前提下任一个英雄率领团队突破重围，但如果是甘愿团队落后一人独领风骚，则这家企业的数据文化是青涩的、苦涩的，谈数涩变的氛围如何能培养数据团队，数据变现就更是纸上谈兵，成了一句饭桌上的聊资而已。
我们缺思考，缺思考的勇气。我们习惯于别人也想不到，那我就不用思考了，甘于接受现况。好，那今儿我就来谈谈我的所思所想——场景数据分析。
用户启动APP的动机是什么？一定不是为了帮助企业完成月活指标，用户启动APP的本质是为了解决当前某一些需求而启动APP，通过相对固定的路径调用接口等方式快速、便捷地与数据库进行入参、出参的数据交易，然后让APP进入后台或关闭。APP中的场景就是帮助用户解决诉求的主角。我们只有研究透了这些个角儿（场景）后才能完整解释APP留存的问题。那么什么是场景？一般我们可以用一个产品功能定义为一个场景，比如在淘宝中我们可以将平台搜索、启动页、首页推荐、淘票票、天猫超市、饿了么、飞猪旅行、阿里拍卖等看做是独立的场景，所以场景可分为两大类：功能类和业务类，不管某一页面属于功能类还是业务类，他都会落在某一个具体的场景埋点需求文档之中。没有场景的APP就提供不了任何用户需要的服务。
产品->平台思维
所以管理好场景的数据分析就显得尤为重要，可能没有一家企业的APP的MAU能永远保持高速，因为地球人口客观上是存在上线的（除非扩大用户物种如猩猩），所有APP早晚都要面临将战略核心调整至留存率指标。此外，由于产品团队会优先完成核心业务上线，随着时间推移后续上线的场景普遍都是老场景优化、小众新场景或某一场景的分支等，也就是说全新的场景需求会越来越少，产品经理的关注力也会再次聚焦于存量场景的优化。当APP进入到这个阶段时，产品和运营高度结合的时机成熟了，该团坐在一起重新规划大团队的组织架构和重新审视平台级、场景级指标拆解和分析，运营应该从关注平台指标降维至场景级，产品也应该更多考虑场景为平台带来的利益。
Part 2
我们应该将场景于用户的意义与平台指标进行主动挂钩。这很好理解，因为用户是来APP这个平台寻找交集的，即不是为某一个场景（可能是多个）也不是一个纯粹的平台概念，而是一个用户认知的服务体系，即——
平台指标反映的是由用户认可且常用的场景集的集合。
场景做的不好则平台指标就无法改善。所以我们得知道哪些场景对平台、品牌有着举足轻重的意义，才能有针对性地去优化、改进场景。
产品运营思维
平台运营主要负责三块，获客和留存和北极星。有了获客和留存自然就有了好看的日活、月活，而不断优化北极星则代表了企业的营收不会差，这里我们暂且认定所有APP都是以营利为目的（小程序可以是以服务为主），所以一段时期内所有用户的LTV(life time value)用户贡献价值之和可以作为北极星指标，可以近似地理解为GMV或实际入账金额、实际提供利润等。重视客户服务或者国家政策的APP还会特别重视客诉，不同行业的关注度会有一些差异，但只有有了规模化忠诚用户体量和收益才能维持APP的运营。
所以我们应该对每一个场景无论流量大小、交易大小都需要建立自己的检测指标：
产品运营基础表
其中独角兽率是指用户本次会话中只访问了该业务场景，如果没有该场景则APP的日活、留存就非常危险。新户、老户、召回的口径可与平台保持一致。LTV中有2个成交金额，一个是用户直接在该场景内进行消费，另一个分发收益代表该场景的广告位、专属分发入口引流带来的成交。尤其是启动页、平台搜索、弹屏、推荐模块需要通过该指标展现其价值。
独角兽率还可以继续拓展至访问率，即当天日活中多少人来访问过该场景，如果需要更全面客观地了解场景对平台的日活、月活的意义，可以采用场景（访问、登录）动机指数以及将用户访问场景权重化的动机指数：
量化场景与平台关系
第三个公式是将每位用户访问APP的动机定义为1，如果看过2个场景则每个场景平分动机分。场景动机指数（独角兽）越高则代表用户就是只冲着这个场景来的，没了这个场景APP就要面临巨大的活性下跌风险，因为用户变更操作路径的习惯是非常困难的。
以上的指标、公式都是产品与运营融合的第一步，现在是时候展示真正的产品经理实力的时候了。
Part 3
产品经理是一个比较综合的岗位，上的了画板（axure）下的了报表（excel），上知天文（流量）下知地理（交易）。所以产品经理需要一个专业的数据分析团队甚至数据产品工具辅佐其打拼天下。产品睁眼闭眼就要知道场景的入口客群组、曝光、点击、阶段转化、最终转化金额的漏斗图，还需要知道用户在整个业务办理过程中的通畅程度，于是页面转化标准路径占比、接口加载时长、场景停留时长、报错原因及发生率都是缺一不可的观察数据。现在就需要为产品经理搭建专业的产品类指标看板，这些指标都将是解释场景/平台日活、场景/平台留存、场景/平台收益的方法。
流量价值报表
平台级入口代表平台方统一管理的资源，如PUSH、唤醒、ICON、搜索等，用户必须经过平台级入口才能进入场景；
子平台入口是用户先通过平台级入口进入XX专区（如活动专区、福利专区、售后专区）后再进入具体的场景，也可以是安拆在业务高度关联的场其他景内的入口，这种入口可以有效降低用户访问路径成本；
场景内入口是指场景自己的入口，比如进入天猫超市首页后，天猫超市自有的搜索、轮播、推荐等都是场景内入口。
入口的等级细分将有利于场景的业务方及产品经理制定指标和实现流量价值回报最大化。当然，如果用户重新回到了APP首页后，相关的入口数据都要重新计算。数据产品经理需要仔细研究APP的入口分类，梳理得当后才能输出一张可读的流量价值表。
入口分类样例
有一些业务属性场景（如话费、旅行）在争夺APP资源时会采用分客群或算法分组的方式进行流量抢夺，为了能和历史分客群效果进行对比，报表必须将客群规则、落地页特征、活动成本/优惠力度等信息收集合一，对于历史的ROI回报率的分析将有助于规划下一次流量资源抢夺时对预算及收益更准确。当然以上报表对于平台方而言那是分配资源的有力依据，相同广告位不同的点击率、收益率（曝光->收入）以及留存率将决定向后流量资源的倾斜方向，有利于场景侧关注数据提高点击率，形成市场机制运营闭环。
产品经理一般不会参与排期资源的申请，毕竟手里没有经费去做广告和设计活动，所以产品经理对流量数据的需求主要是观测，包括上文中的所有报表或流量路径图（sankey）都只是一个观测数据，不过可以帮助产品增强对平台广告资源的价值有一个数字化的感知。产品最想要的是激活自身多年积淀的产品直觉找到改进场景转化率、用户体验的数据。
流量路径图sankey 数据虚构
从事多年数据分析工作后我很清楚要了解用户心理除了田野调查或聆听用户投诉电话外，只有观察用户的行为清单，必要时可关联用户标签进行暴力分类后可能会有意想不到的收获。但对于产品经理来说时间是宝贵的，加之埋点id、URL、参数code需要庞杂地mapping翻译（有的场景埋点id可超过100个）后才初具可读性，所以得另想办法。
首先需要先将用户分类，比如在电商平台购买商品，可以分为购买成功（访问支付成功页）、初步有意向（访问产品详情页）、购买放弃（访问订单确认页）、无购买意向（如查快递进度）以及误点等。分类后再观察用户的行为特征，否则你可能永远看不到一个典型的正态分布，因为不同人群的特征可能会有较大的差异。明确了用户动机后制定对应的行为判定依据，然后观察各组的在页面停留时长、跳出率、事件内容点击、路径重复、报错等方面进行跟踪分析。
行为分析表
知道了不同用户规模占比及转化率，那么下一步就是要挑选核心动机用户进行页面优化。选好用户群后可以进行标签、行为差异对比。比如转化成功与转化放弃的用户在年龄、性别、购买、地域、注册日期、消费性格上存在什么差异，以及在APP内行为上的差异，可以是场景内也可以是场景外的行为。以上两组海量数据对比将有利于产品发现用户行为异样的潜在规律。要知道，此时用户也是期望产品经理能明白他的心理，帮助用户尽快找到不合理、可笑的错误提高用户体验。差异度的分析还可以拓展是报错原因、页面加载时长等，当然这些也可以在平台分析层面予以解决。AB人群分类差异越大，对比的效果可能越有价值（如成功和放弃）。
人群差异
在对用户的动机（结果）、人群标签、行为特征上有了一些概念后，接下来就是最主要的工作：观察该批用户的转化路径，路径分析搭配页面加载时长、行为参数、思考时间等基本就已经最高限度地接近用户的行为和背后的想法。
各种细化人群路径观察
此外，为了能尽可能帮助产品获取讯息，还需要数据产品提供更多跨尝试领域的洞察类数据，常规的解决方案有将用户的行为、标签数据碎片化、结构化处理，在类似于SPSS的多元线性回归模型中将各类指定用户群体进行回归，权重大的行为、标签或将暗指产品优化的关键。分析完场景内的优化空间后，还可以关注于提高场景间的契合度，通过用户重复或看似不合理的操作路径自动识别优化点，基于历史改版前后的数据对比建立优化知识库，以及基于用户的行为建立异常识别功能，如点击后页面不发生跳转或直接跳转至报错页面等，数据这块我们压根还没有上路，一起来思考来设计数据产品吧，少年们！
网友评论