如何设计一个初步的数据分析框架？

对于产品的 MVP，无论我们是通过高保真原型进行可用性测试，还是发布一个灰度版本，甚至只是一个微信公众号或小程序，我们都需要一个数据分析框架来实时评估产品 MVP 在市场上的表现，以便于后续的迭代方向和策略调整。

这两年，在很多人一直谈论和实践的“增长黑客”中，其中最重要的组成部分便是 AARRR 海盗模型。在前面一节的运营人部分里我们专门讲解了北极星指标（即第一关键指标），这里需要强调的是：海盗模型是一套建立企业数据分析的整体指标框架，覆盖了产品从拉新到激活到留存到转化到传播的全过程，而北极星指标则是指在企业运营或者产品运营的具体某个阶段，整个企业应该关注的最核心的一个指标。在海盗模型的每个阶段，我们可能会定义不同的业务指标，但最终这些业务指标都应该指向北极星指标。

在 AARRR 海盗模型的五个阶段中，我们可以选择不同的指标来衡量每个阶段的市场表现，将产品 MVP 的不同阶段的市场反馈通过量化的方式来呈现。

1.Acquisition 获客阶段：

广告曝光量、DAU、CPC、搜索结果展示量、CAC、广告点击量、点开率等；

2.Activation   激活阶段：

注册用户数、Onboarding 完成率、订阅量、至少完成一次产品流程的用户数等；

3.Retention   留存阶段：

日/周/月留存率、距最近一次登录时长、活跃用户量、流失率等；

4.Revenue  营收阶段：

LTV、付费转化率、客单价、单均价、平均购物车金额等；

5.Refer  传播阶段：

点赞数、邀请发送量、传播转化用户量、传播转化周期等。

在这个初步的数据分析框架中，对于一个新产品或一项新业务，我认为最重要的环节便是留存，无法有效地留住用户，即使获客做得再好，也不过是“匆匆过客”，无法提高用户的 LTV（客户终生价值）。对于留存分析，我们不能只单纯地看日/周/月留存率等指标，还需要根据自身产品特点和业务状态，来确定用户使用产品的平均周期和产品的关键事件。

在留存分析的基本应用中，分析产品的关键事件和用户的天然使用周期是至关重要的部分。产品的关键事件可以从侧面反映产品的价值是否得到用户认可，用户的使用周期则决定了需要观察的留存周期。所以，在基本的留存分析中，一般将产品的关键事件定义为留存的起始和回访行为，用户的使用周期定义为留存周期。此时，我们通过留存分析得到的结论就是，用户在一定周期内对产品价值的反馈是否达到一个平稳甚至上升的状态。

如何计算产品的关键事件？

产品的关键事件对于用户的活跃必然是正反馈的过程，如果产品对用户有价值，用户不断地重复关键事件，那么用户就会不断地在 App 内活跃。因此，我们可以观察用户在重复某些事件后，对活跃的影响，从而找到产品的关键事件是什么。例如：

（点击图片，放大阅读） 

过去60天，用户在第20天的时候，做过事件 A 达到了2次（按天去重，每天最多计入1次，相当于2次天），然后用户在余下的40天中，有30天都访问过 App，那么结果就是30/40=75%。计算出比例最高的 Top10的事件，那么产品的关键事件大概率会包含在其中（计算时，需要去除登录、填写手机号等事件，只统计和产品价值相关的事件）。

如何计算用户的使用周期？

一般的计算方法是观察用户60天或90天的数据，将重复2次关键事件的用户分布情况按照不同的使用周期计算出来。当用户分布达到80%以上时所对应的周期，我们可以认为是产品在用户侧实际的使用间隔，进而将这个周期作为留存分析的周期。例如：

（点击图片，放大阅读） 

过去90天，用户重复2次关键事件的时间间隔，是否落在划分的区域（84，56，30天等等），落入计1，然后算出所有做过2次事件 A 的用户的间隔分布，比如：100个用户都做过2次事件 A，其中有81个是在30天内完成2次的，那么30对应的就是81%，30天可以作为留存分析的周期，进而我们可以观察产品的月留存情况来确定是否达到 PMF（产品与市场相匹配）。

---------

想要洞察用户画像，实现数据分析、用户分群以及闭环运营，你需要一款用户行为分析和精细化运营产品。易观推出的易观方舟Argo，可私有化部署，开放且免费，帮助产品刚刚起步、数据量较小但自己有动手能力的技术和产品创新团队或个人，通过数据智能驱动企业成长。

---

点击下方“阅读原文”  即刻进入易观方舟