俗话说：“知己知彼，方能百战不殆”。我们来直观的认识和引导使用（U-APP AI版）产品功能及其应用场景，该产品对于不同类型用户又有不同作用。
一 知识启示录
为什么做数据分析？简单地讲，现实事物的数据化分析就是解释事物在现实场景的客观事实。
1.经验主义
当“相关数据不充足，数据维度不明确，数据划分不充分”等出现时，经验主义者也会随之而来。经验主义者需要经历大量的切身实践才能总结出自己数据体系，随后经验主义根据输入（input）内容经数据体系加工过后给出结果。对于产生结果的过程并没有确切的历程，故此客户从经验主义人员处获取到输入和输出的相关信息，这样客户就不能正确应对因单一或者多元因素影响下的产品问题。对结果而言，仅给客户一个预期的目标，并不能帮助客户对产品关键路径做出改善和修正。
2.数据平台
若存在一个数据平台，负责收集产品在使用场景产生的所有数据，随后根据实时数据库进行数据分析和数据处理，最后将便于标识的数据图表输出到数据平台上。当产品的开发者选择该数据平台时，就可以根据自己产品需求设定相应的事件场景，随后数据平台根据开发者设定的事件数据并为其输出最直接的数据图表，协助产品开发者在关键路径上做出正确的选择。
3. 场景预演
（1）分析路径
首先介绍，我日常参与数据处理时必要通过以下三个过程得出我所需要的结果。
数据收集：首先确定收集内容标签优先级，再根据优先级去自身产品数据统计平台&第三方数据统计平台&相关产业/数据分析报告上下载相关数据；
数据维度：承接数据收集产出的相关数据，为其确定属性和张贴数据标签，制作出我想要的数据报表；
数据分析：承接数据维度产出的数据报表，根据所需的数据集进行选择和图标展示，最后输出直观易懂的数据图表。
（2）实例演示
依据分析路径的关键步骤，我对U-APP界面的客户方栏的内容做了相关数据的收集和数据分析。首先来看原数据网站内容。如下图：
结合数据收集步骤，明确我为什么选择分析该内容？期待分析得出结果协助平台引入最合适的客户？当我明确数据分析标签为：依托平台，随后对数据收集的内容进行整理。
承接收集的内容，首先明确必须配备的数据内容（如客户名称、类型以及一句话介绍），随后紧接数据标签：依托平台的置入，最后将客户依托平台的类型加到xlsx表格中即可。具体如下图：
承接经数据维度处理过后的xlsx表格，就根据需要处理的依托平台栏内的信息，分析该数据栏为一维数据类型且需要追加每个类型的占总量的多少？经过需求累加过后，我选择饼图对数据进行展现。例如U-App AI版客户栏中移动端的客户占总比的42.11%，且可直观的观察到PC端的客户占比量要大于移动端的占比。如图：
二 产品启示录
俗话说：“知己知彼，方能百战不殆”。我们来直观的认识和引导使用（U-APP AI版）产品功能及其应用场景，该产品对于不同类型用户又有不同作用。
如：对于老客户来说，利用自定义看板更深入的玩转自家的产品；对于新用户来说，可借助基础看板实现基本数据观察；该产品提供了高扩展性满足了不同客户的不同诉求。
1. 数据资产与数据平台关系
所谓数据资产与数据平台关系？我们需要从数据产生的源头开始研究。如：”产品开发者---应用分发平台---用户“为主线，内容流向从开发者至用户；事件数据则从用户至应用分发平台和产品开发者。在事件数据传输过程中，我称事件数据是产品开发者的”数据资产“。下面我们来看看数字资产生成和应用场景的具体流程（如图）
2. 数字资产
互联网时代下，产品所提供的服务和功能都通过回溯数据传输至产品开发者或依托数据管理的三方数据中心，而产品回溯的数据都会成为产品开发商的核心资产。此处数据资产主分为以下两类：使用对象&使用价值，从适用对象来说，我主要从产品管理者、产品开发者以及产品运营者对数据呈现形式进行细分；从数据价值来说，我主要从服务数据的开发方&服务数据检测方对数据呈现方式的细分选择。数据平台协助数字资产向产业化方向发展~
3. U-APP AI版[体验Demo]
友盟+移动统计（U-App AI版）体验Demo主要从以下四个板块来进行模块化体验。四个板块如下图：
数据平台采取“横向扩展+纵向深入”模式，将业务监测和业务增长细分到单个功能模块上。
A. 基础看板
基础看板包括”概括（时效数据）、用户分析、留存分析、渠道分析、用户参与度、功能使用、错误分析、消息推送、移动广告监控“十大子功能模块。阐述新产品开发者的产品通过[友盟 移动分析]平台的基础看板的十大子功能模块来完成自己基本业务数据分析需求，功能体验介绍和分析图如下：
概括：”实时统计&整体趋势“两个角度对移动终端传输过来的数据进行处理，此处除基本指标外，支持自定义指标满足客户个性化需求；
用户分析：”新增用户、活跃用户、启动次数、版本发布、行业数据“五个角度对用户、产品、市场进行细分统计满足了开发者基本也许要求。如：数据通过行业数据维度，对用户和产品进行数据图表直观地凸显出对接应用程序的基本状况；
留存分析：”留存用户、用户新鲜度、用户活跃度“三个角度分析用户对产品的忠诚度以及内容的偏好分析等，帮助产品开发者根据自身情况适当增加功能与内容帮助产品提高留存
渠道分析：”时段详情、渠道列表“两个角度分析引发产品用户增加的渠道有哪些？协助开发者着力对产品分发渠道进行选择性偏重，增大引流的几率；
用户参与度：”使用时长、使用频率、访问页面、使用间隔“四个角度告知开发者（用户因什么内容，触发产品运转了多长时间以及间隔多长时间再次打开产品等）信息，帮助开发者提高用户参与度和商业化内容植入；
功能使用：”页面访问路劲、自定义事件、事件转化率“三个角度梳理用户触发事件的基本动作路线，也能帮助开发者梳理用户的核心事件进行产品主线二次定义；
错误分析：”错误趋势、错误列表“两个角度分析奔溃&影响用户的关系告知开发者用户因什么造成了流失，其次通过错误列表锁定引发错误的代码位置，快速解决问题根源；
社会化分享：”概况、行为、设置”三个角度集成信息的制作、分享以及数据实时统计，协助开发者选定最合适的分享平台进行精准化分享；
消息推送（未提供）：理解此处因该为：产品开发方绑定相关的社交群组，协助产品方一键发放信息；
移动广告监测：需要下载U-APP SDK进行无缝对接后，才能收集广告推送的具体情况，协助开发者提高广告推广业务，提升广告变现能力。
注（错误）：当客户在触发社会化分享和移动广告监测两个功能后，消息推送功能没有。
B. 自制看板
自制看板主要包括”基础指标看板、业务汇报看板、核心用户画像、周报看板“四个模块。我首先分析每个功能板块适用用户类型，其次根据该模块用户进行功能介绍。
基础指标看板（开发者）：主要继承基础看板的所有指标性内容，也支持自定义指标的设定（具备高扩展性）。如：添加指标的过程（注：在实际过程中，开发者需要验证这个事件是否存在）
业务汇报看板（管理方）：针对各种数据展开AI分析和AI预测，协助产品管理者“客观+公正+未来可期”的心态去整理所需要的数据；
核心用户画像（开发者&运营方）：客户根据自己拟定的核心用户画像特性编辑指标，用AI分析和预测完成对核心用户画像描绘和制作；
周报看板（管理方&运营方）：协助客户了解产品在本周内（短期内）的运作状况，检查计划与现实之间的差距；
C. 用户洞察新
用户洞察主要包括”行为洞察、人群洞察”两大模块。我通过提炼关键字进行分析和举例，阐述平台动过用户洞察刻画出用户画像的原因？帮助产品开发者对症下药。
行为洞察：“事件分析、漏洞分析、自定义留存”三个角度完成产品对用户行为洞察，如：某个用户某个事件顺利通过漏斗模型，并在自定义留存的协助下转化为忠实用户的过程。
人群洞察：“用户分群、用户画像”两个角度为场景用户赋予标签属性，进而得到细分的用户分群和大而全的用户画像，帮助开发者更了解使用产品的用户，实现产品相对较高的黏贴属性。
D. 用户增长新
用户增长主要包括“用户生命周期、用户触达、用户拉新”三个模块。通过对子功能内容的介绍，并通过内容介绍告诉开发者需要做什么？这么做了能达到什么样的结果？
用户生命周期：“用户概况、新手阶段、成长阶段、沉默阶段、流失阶段”五个角度实现了用户生命周期的总分数据呈现，帮助开发者进一步了解用户留存周期实现用户转化；
用户触达：“分群触达”一个角度为满足场景的用户群组推送产品信息（此处可利用群组的标签的属性选择匹配的用户群组，进一步为开发者降低成本损耗，提升数据效益）；
用户拉新：“现有SDK应用、小程序/非集成应用”两个角度展开智能拉新模式，注：客户需要完善基本信息。如下图：
4. 产品策略[体验感悟]
关于此次体验，我着重关注用户经AARRR模型留存状况和用户生命周期，期待友盟+移动统计（U-App AI版）帮助产品运营方精准获取需求客户以及提升用户留存转化率，并将产品商业化完美的融合起来。其实这样才能凸显（U-App AI版）的优势，进而吸引数据分析需求方入住平台。对于产品策略下的产品迭代、个性化定制、运营策略进行重点分析，具体如下：
A. 产品迭代
产品开发者将友盟+移动统计（U-App AI版）SDK置入产品SDK中将部分数据共享给U-App AI版，倘若开发者可通过U-App AI版数据分析结果对产品事件、产品bug、产品设备型号、用户洞察、行为洞察等信息，将这些信息环环相扣进行堆叠分析出核心事件、核心功能、核心用户画像，协助产品管理者&产品开发者完成产品的快速迭代，相对理想化的实现用户高转化的过程。
B. 个性化定制
产品开发者根据产品管理者&产品运营者不同需求搭建按需设定的数据统计平台。从脱离基础看板至自定义看板的过程，是客户个性化诉求被满足的过程，也是（U-AppAI版）突出优势和强项。
三 产品功能推动市场扩张
1. 产品功能
友盟+移动统计（U-App AI版）拥有集“基础看板+自定义看板+用户洞察+用户增长”的数据分析体系，它即拥有了基础功能，又具备了客户可添加的功能机制；它既能提前探知用户的行为属性，又具备顺着用户提高留存的特性。通过以上分析，该产品的功能为入驻产品提供了从产品的功能分析，再到产品的用户转化，最后帮助产品开发者实现用户留存等问题。
2. 市场扩张
基于现阶段的目标定位来看，友盟+移动统计（U-App AI版）就需要从移动产品内容分发平台进行客户获取，即推广&宣传。推广&宣传也应该有偏重性，如图：
初创型：平台利用自身数据分析先进性孵化产品至爆款；
成长型：平台利用自身留存模型协助厂家产品留存转化等；
成熟型：平台利用自身用户洞察画像协助厂家实现业务升级；
综上来看，市场拓展方向就应该从初创型厂商开始，依托平台数据分析能力扶持新产品为爆款IP；其次再通过爆款IP数据做二次初创产品市场拓张和爆款IP的流量留存；随后借助留存功能优势去拓展成长型厂商的市场，最后利用业务优势再去跟成熟型厂商争夺业务市场。
四 总结
从案例场景需求再到产品功能的分析来看，（U-App AI版）功能覆盖市场产品数据分析的所有场景，并新增用户洞察和用户增长两大功能模块，协助产品开发者实现用户高留存和高转化和产品商业变现。
即（U-APP AI版）覆盖产品开发者诉求，也提供了可扩展的业务能力，也就为用户留存上了双保险。建议引流时从应用分发平台去寻找，引入客户资源去培养爆款，通过爆款IP塑造平台形象和市场扩张。
作者：胡颖洺
本文为「人人都是产品经理」社区和友盟＋联合举办的“2019「友盟杯」数据分析大赛”中参赛作品，未经作者及平台许可，禁止转载
本文部分数据有脱敏处理，非全部真实数据
有关产品测评大赛合作事宜，请联系邮箱：[email protected]