引言
纳尼？！听说暴走王尼玛一次改版就能把App启动次数提升1.5倍，单次访问时长提升1.3倍，次日留存提高1.3倍……你坑我吧？！
暴走漫画作为广大年轻受众喜闻乐见的知名动漫品牌，其影响力有目共睹，要在此基础上要优化进一步提升用户粘度并不是一件容易的事。但是他们居然用一次改版就做到了！那么这喜大普奔的数据增长背后，暴漫的产品团队究竟付出了哪些努力呢？让我们借本文来逐一剖析……
First of all: 好产品，不要为了改版而改版
和大多数怀揣了“改变世界”梦想的产品经理一样，暴漫的产品团队也曾一度被一个问题所困扰：从App正式上线那天开始，自己的工作就陷入了「需求——设计——排期——发版」这个无休止的死循环里。每当被问及「为什么要改版？」这种问题的时候，PM们的内心都是万马奔腾的：不是你们这帮Boss、运营、市场、BD提了一堆需求非要我改吗？！也有喜欢“用数据说话”的产品人会说：80%的App年发版数在20--26版之间，所以我们每两周发一次版……
然而这种“为了改版而改版”的答案，似乎既不能说服产品人自己，也不能说服结果导向的老板们，更难给公司的业务线带来质和量的提升。好像在人们通常的认知里，产品是一定会在迭代中不断演化，用户会伴随迭代不断增长，然后产品就会牛逼起来走向成功。有趣的是，微软曾经分享过自己的改版数据：
在微软产品迭代的过程里，只有1/3真的带来了业务增长。有1/3的改版是没有任何效果的，还有1/3的迭代甚至直接导致了业务数据的下滑。
可以说，大部分产品最后以失败告终，排除战略、市场、运营等原因不说，还有一个极易被人们忽略的问题：产品设计、研发、迭代的循环中缺少了「衡量」环节。很多时候，我们以为产品正在迭代中螺旋上升，实际上，却耗费着大量的人力和时间成本在原地转圈。
因此，一个卓越的产品人，必须学会在迭代循环中，以真实数据反馈进行有效「衡量」，让版本迭代尽可能地为业务增长服务。
明确监测指标，是有效衡量的第一步
暴漫App这次改版的业务目标很明确：提升用户活跃度。
然后问题就来了：怎么定义用户活跃度。DAU=活跃度、周留存=活跃度、访问时长=活跃度？这些指标看起来都与活跃度相关，但又都不能直接跟活跃度划等号。在诸葛io数据顾问团队的建议下，暴漫团队选定了如下5项指标，来监测和衡量本次产品迭代的效果。
1. 新功能有多少人用（是否受欢迎）？
一般情况下，一项新功能上线，用的人越多，表示改版更可能是成功的。
衡量指标：功能活跃比=使用了新功能的用户数/同期活跃用户数
分析方法：直接查看该项功能所对应用户行为的活跃比的变化 。
2. 用户是否会重复使用该项新功能？
如果新功能非常糟糕（比如存在严重Bug或体验极差），用户往往在用过一次之后便不会再用第二次。而优秀的功能则可能会受到用户的喜爱，并反复使用之。
衡量指标：
功能的重复使用用户比例=用户在首次使用新功能后的第X天，回访用户中使用该功能的比例
分析方法：对比「使用新功能用户的后续留存率」与 「用了新功能的用户在之后的重复使用该功能的情况」，通过两个「自定义留存」的分析结果对比得到「重复使用用户比例」。重复使用用户比例越高，说明有越多的用户反复使用该功能。
3. 新功能对所处的使用流程是否起到了优化作用？
如果新上线（或优化）的功能处于某个用户使用流程中，那么您可能需要评估该功能对流程是否起到了优化的作用。比如：分享到第三方平台的过程、或拍摄并发布照片的过程。
衡量指标：用户流程的转化率和完成率（对比改版前后的转化率和完成率）
分析方法：通过对比改版前后，该流程的转化率和完成率「漏斗」完成该评估。转化率和完成率提升的越多，说明效果越明显。
4. 产品改版对用户留存产生了怎样的影响？
一般来说，一次成功的改版、一项优秀的新功能，会增加用户对产品的喜爱，而让用户更频繁地使用产品。
衡量指标：N天留存率
用户在初始时间后第N天的回访比例，即为N天留存率，同类的常用指标有「次日留存率」「周/7天留存率」「21天留存率」「月/30天留存率等」
分析方法：通过对比改版前后，「新增用户留存」的变化幅度衡量产品改版对用户留存的影响。
5. 了解用户在怎样使用新改版的功能？
新功能上线了，用户是怎样用的？他们的使用方法是否与您的预期一致？用户在使用这个功能前后分别做了什么？用户使用场景的还原，是此时PM最应该关注的问题。
分析方法：
a. 场景还原：通过洞察单个用户的行为记录，详细了解用户的具体用法及场景（如下图）
b. 通过「事件」属性的「分组对比」了解用户对新功能的大致使用方法
用户行为数据，为我们提供了一种低成本、便捷的观察用户行为的手段。虽然它不能完全替代产品经理对用户在真实场景中的观察和研究（数据传达的信息没有现场研究多），但如果配合使用，可以极大的提升整体的效率和准确率。
对比历史数据，找到业务增长的瓶颈
看完上面的部分，肯定有人要说：你说的都对，我每次改版都希望用户数能涨啊，可用户不是你说涨说涨就能涨啊。确实，知道了需要提升的业务指标之后，从何下手去调整产品设计，是让很多产品人焦头烂额的大难题。
让我们来看看暴漫App是如何“以史为鉴”，快速定位了这次改版的关键节点的。
首先，诸葛io的数据顾问向暴漫提了一个问题：如何区别“高活跃用户”和“普通用户”？很快，暴漫在近期的新增用户中挑出了这样两拨人：
高活跃用户：最近7天的访问次数大于10
普通用户：最近7天的访问少于2次
接着，我们祭出了「对比」大法。将于同一时期新增的这两拨人设为两个独立用户群，通过尽可能多得维度，对比其差异性。
然而此时发生了用一个有趣的现象：我们先对比了地区差异，结果没有差异…对比手机品牌，没有差异…对比系统分布，没有差异…对比渠道，依然木有明显差异……
所有通用维度都不见效果的时候，我们开始对比两个用户群的行为差异。这个时候，事情终于变得有趣了起来，我们发现：
在新增的两天内，触发过浏览分类漫画、加过好友（订阅）、看过我的暴走（订阅的内容流）事件的用户中，有近80%成为了高活跃度用户。
于是，暴漫团队做出了一个大胆的猜测：第一时间把符合用户兴趣的内容流呈现出来，是刺激用户活跃的关键！就这样，一个重要的决定诞生了：将栏目式首页面改成瀑布流。
在此后新版本果断、高效地研发上线后，暴漫交出了App启动次数提升1.5倍，单次访问时长提升1.3倍，次日留存提高1.3倍的成绩单。
复盘：「对比」「衡量」的基础数据从哪儿来？
让我们拿着暴走漫画的成绩单，再来回顾一下这次异常重要的改版过程，它包含了如下几个环节：
1. 明确本次迭代的业务目标
2. 将业务目标拆解为可跟踪监测的核心数据指标
3. 定义一个满足业务目标的用户群组，及其对照组
4. 多维度对比用户群组间属性与行为的差异，探索目标用户群组与核心数据指标的关联
5. 依据数据对比结果，拟定新版迭代方案
抽象来看，整个分析流程涉及了3方面的数据：
1. 新增用户数、活跃用户数、留存率、使用时长、访问次数等全局指标
2. 渠道、版本、地区分布、设备等环境数据
3. 用户属性 & 用户行为数据（是否注册、会员等级、使用偏好）
这其中，全局性的指标，重在判断结果的好与坏。例如，暴漫的次周留存在本次迭代后提升至了46%的较高水平，就是一次非常成功的范例。同时，环境数据的监测是必要的，但对于产品的用户群分析来说作用不大。在暴漫这场“找不同”的游戏里，真正起决定性作用的，是「用户行为」的精准监测和基于「用户分群」的智能对比。
对于兴趣社区类的产品而言，每一次的版本迭代，都应该先按业务目标进行用户分群；从不同维度对比群组用户行为，发现值得优化的瓶颈点；基于这些发现提出改版思路；并最终通过数据衡量改版效果，确保工作成效。
系统地、有策略地将用户行为进行数据化、结构化处理，是一款产品能够实现数据驱动的基础环节；智能化地实现”人与行为“的交叉分析，则是探索数据背后的原因、全面提升产品价值的必经之路。
隐藏福利
文章看完啦！不知道本文是否对您的工作与学习有所帮助呢？
为了帮助我们提升内容质量，现在您可以通过以下问卷提交您对本文的建议哟~
优质问卷会有红包奖励有木有！快动动小手，猛戳链接吧！
本文作者：诸葛io 产品总监 于晓松，转载请注明出处。
