借助数据分析的三把武器，帮你有效提升产品留存和营收

本文结合正在优化的一款产品，简述如何确认一款产品的北极星指标—— 目标指标；并围绕北极星指标，建立产品的群星指标体系 —— 为了达成北极星指标的各项指标体系，并设定目标理想值；之后分析群星指标中的问题，借助友盟U-App AI版的“三把武器”，提出指标提升方案并验证其有效性，进而接近并达成北极星指标目标，实现用户与收入的双增长。

题图来自Unsplash，基于CC0协议

一、前言

我主要做海外市场产品，负责几款工具类产品开发和变现，单款产品DAU维持在20万+。曾经做国内产品的时候，友盟是我最得心应手的工具，而且现在越来越好，转战到海外后，使用的统计工具由友盟变成了了Google Firebase，Flurry等。总体⽽而⾔言，友盟U App AI版相比，其他海外数据统计平台，也许起步稍晚，但功能更加强大，设计逻辑完整遵循了AARRR用户周期模型，完善的模块化功能设计使⽤用起来也非常方便。

对海外产品背景稍做补充。相比于国内市场，海海外市场整体上还有很大的发展空间，特别是印度、东南亚、南美、非洲等地区；完全可以利用在国内近10年的互联⽹网发展经历在全球欠发达地区复制一遍，等同于高维吊打低维，所以很多国外产品大多都有国内开发者的身影，甚至霸榜Google Play和Apple Store。同时，海外用户对应用内广告展示的容忍度更高，且更低廉的买量成本，极大拓展了产品的变现能力。这也是很多大佬很早就入局海外市场的原因。

结合本次大赛，我会结合正在优化的一款产品，简述如何确认一款产品的北极星指标—— 目标指标；并围绕北极星指标，建立产品的群星指标体系 —— 为了达成北极星指标的各项指标体系，并设定目标理想值；之后分析群星指标中的问题，借助友盟U-App AI版的“三把武器”，提出指标提升方案并验证其有效性，进而接近并达成北极星指标目标，实现用户与收入的双增长。在分析过程中，我会尽可能讲解友盟 U-App“三把武器器”使用步骤，帮助大家更深刻的理解工具的使用。最后，作为一名友盟老用户，提出几点改进建议。

二、产品概述

要分析的产品是一款只面向海外市场的VPN产品（考虑这类产品在国内的敏感性，各类信息就逆了，之后就使用“Speed”表示）来阐述。之所以选择Speed，是因为功能比较简单，无需介绍过多的产品背景和功能模块，并且利利⽤用数据分析结果来优化产品很具备“套路性”。

国内用户对Speed类产品的需求是“为了看看外面世界”，部分地区的海外用户也存在这个需求点，但更多的，他们更看重隐私的保护。对于用户需求，它所要达到的效果优先级：

1）网络环境稳定；

2）网速快，延迟低；

3）网络IP匿匿名；

4）界面友好，使⽤用简便；

对于开发者，在满足用户最基本的需求（可以看看外⾯面世界）外，“网络稳定”、“网速快”、“安全”等维度可以制定差异户的服务器器策略略，“付费服务”的方式可以实现产品的变现⽬目标。

Speed类产品的竞品分析，用户画像，付费定价策略、用户购买能力等研究，由于篇幅有限，也不不是讨论的重点，不再过多展开，仅交代下结论：目标用户是给：阿拉伯地区用户提供方便、快捷的差异化VPN服务。

简单介绍下Speed这款产品：主要核心功能有三个：

1）连接VPN主按钮 —— 点击即可完成VPN连接；

2）网络界面列表 —— 并与用户切换其他节点网络；

3）付费购买入口 —— 吸引⽤用户点击购买，成为付费⽤用户。

普通用户只能使用默认的几个节点，并在合理的位置展示广告。

付费用户不展示广告，专属提供VIP超级节点，并增加“一键快连”，“专属UI”等差异化服务。（还是考虑敏感性，相关UI设计也逆了）

三、北极星指标和群星指标搭建

北极星指标——North Star Metric，相信大家人都不陌生，最经典的案例当属Facebook，他以月活跃用户作为自己的北极星指标，作为以提升月活跃⽤用户各项执行决策的准基。概括的讲，北极星指标就是众多方向性指标的合力，是纲要类指标。

Speed这款产品最关注的两个方向，其实和大多数产品一致，是留存与营收。但按照衡量北极星指标的6⼤大标准：

1）很好体现核心价值；

2）可以反映用户活跃度；

3）衡量产品晴雨表； 

4）好理解，好沟通；

5）先导指标； 

6）可操作。

显然留存和营收均属于滞后指标，不能作为北极星指标。

以下是我总结有效的找到北极星指标的方法，首先罗列出有助于提升留留存和营收的若干指标，并对指标逻辑做分析。

高留存：

（1）使用简单、UI美观；

（2）用户重复使用高；

（3）网络连接成功率高；

（4）网络稳定，能一直稳定的使用。

高营收：

（1）ARRPU值高；

（2）付费用户占比高；

（3）高留存：能⻓期稳定的留住用户。（显然营收与留留存数据也息息相关）

北极星指标就是众多方向性指标的晴雨表，但只有北极星指标是远远不不够的，需要将其分解为若干可执行的具体指标（看到一篇文章称这个概念叫群星指标，也很形象）。 结合刚刚提出的高留存、高营收的指标分解，重复使用次数可以直观反映产品的满意度，也是留存、营收数据的晴雨表，我认为是最合适的北北极星指标！相应的围绕北极星指标，建立与群星指标的关联关系：

高留存 = 高重复使⽤用次数用户多 = S(UI美观、使用便捷、网络服务器稳定（链接成功率高、连接速度快、延迟率低、网速快）)

高营收 = 高重复使用用户付费转化高 = S(ARRPU、付费用户占比、⾼高留存)

备注：S()表示相关元素的集合。

衡量量Speed这个产品好坏的所有指标均已跃然于两个公式之中，可供分析和量化的Speed产品指标体系及理理论⽬目标值，如下表所示：

四、借助友盟U-App，复盘数据，提升留存、营收指标

数据统计离不开自定义事件的设定，也就是埋点！相信所有⼈人都清楚其重要性。在《人人都是产品经理理》上看过几篇关于埋点的讲解，总结起来，⼤大体分为三个层级：

初级的数据埋点：在产品流程关键部位植相关统计代码，用来追踪每次用户的行为，统计关键流程的使用程度。

中级的数据埋点：在产品中植入多段代码追踪用户连续行为，建立用户模型来具体化用户在使用产品中的操作行为。

高级的数据埋点：与研发及数据分析师团队合作，通过数据埋点还原出用户画像及用户行为，建⽴立数据分析后台，通过数据分析、优化产品。

依托于友盟U-App AI版SDK，可以很方便的绕过初级埋点，直接跳跃到中级，即使没有自己的数据分析后台，也可以还原完整用户画像，完成特定行为分析，大大提升了了分析效率。

（一）围绕指标体系的自定义事件设计

自定义事件设计要紧扣核心功能使用流程和指标效果。针对一些特殊的自定义事件，比如社区类产品查看了了某一个帖子，电商类产品用户浏览、购买了某一件商品等存在个性化逻辑的事件，自定义事件配置参数就显得尤为重要。友盟U-App AI版的事件管理理功能是完全支持的。

Speed自定义事件如下表所示，都是围绕连接请求和内购相关的事件。相应的，会围绕留存和营收提升做数据分析，提出解决方案。

（二）观察大盘数据，找到问题

围绕Speed 1.0版本，通过大盘数据了解它的基本情况。结合数据指标体系，1.0版本指标数据概况如下表所示：

从概况可以看出，1.0版本出现了了“很⼤大问题”，各项指标距离⽬目标值均有较大的差距，有很大的提升空间。接下来，会重点分析留存和营收群星指标数据，提出优化解决方案。

顺便便一提，推荐大家使用友盟U-App AI版自制看板功能，它可以根据你的需求自定义大盘数据，相比于基础看板，可以每天更方便的，模块化的检索大盘数据。任何出现的异常情况，可以更高效的了解，增加解决问题的时效性。

（三）About留存提升策略

通过大盘数据表现，发现产品留存严重低于预期。如下图所示为1.0版本测试留存情况：次留只有15%，7日留存只有7%，显然出现了很大的问题。（这部分数据在U-App基础看板——留存数据就可以直观看到，不多解释）

根据Speed指标体系，留留存过低可能存在的问题如下：

（1）网络连接问题；

（2）异常bug较多；

（3）使⽤用体验不佳。

经验判断，留存过低比较大的可行性出现在网络连接问题，为了进一步验证，有请友盟U-App AI版第一把武器：自定义留存，查看产生关键行为事件的用户群体的留存数据。具体位置在用户洞察 ——自定义留存模块。

选择完成过网络连接成功事件的⽤用户，查看其留留存数据。如下图所示为网络连接成功的分群用户的留存率，相较于全量用户的留存有⼤大幅度的提升，说明只要用户可以成功连接网络，多半会继续使用。基本上找到了问题所在 —— 在连接服务器过程的某一环节出现了问题。

为了复盘连接服务器全流程中每一步骤的转化情况，很自然的要用到友盟U-App AI版第二把武器：漏斗模型分析。如下图所示，U-App AI版本关键流程漏漏斗分析的展示。

结合⾃、自定义事件，请求服务器整个流程漏斗模型和转化率数据，如下图所示。

从图中可发现，请求服务器到连接服务器器成功率只有45%。接下来就是要找到链接失败率较高的原因。基于请求服务器失败原因分析（加入了失败原因反馈的自定义参数），和服务端同事沟通后，问题原因是服务器访问过程DNS逻辑问题导致的（不过多展开讨论）。经过调整优化，我们更新了2.0版本，请求VPN服务器器成功率由45%提升到85%，留存也由前期的15%提升到36%（如下图所示）。

相应的，优化后的各类指标数据提升情况如下表所示，效果立竿见影！次留存和7日留存留存较优化前分别提升17个百分点和12个百分点；⽇日重复使用次数较优化前提升了3次。总体提升明显。

总结下，基于大盘数据发现，产品前期的核心问题是留存过低，借助了了友盟U-App AI版的两把武器：自定义留留存和漏斗分析，定位到问题核心是服务器网络导致。经过调整优化，最终得到解决，产品重复使用次数也相应的得到了提升，也验证了群星指标和北极星指标的作用。

补充几点使用漏斗模型的注意事项：

（ 1 ） 漏斗模型是一种线性流程模型的方法论，设定漏斗的每一个环节要注意其先后逻辑性；

（ 2 ） 结合业务逻辑， 设定埋点的颗粒度，准确性。

（ 3 ） 关于漏斗模型工具的介绍，可以参考：《产品经理》如下几篇⽂文章: 《 用行为漏斗模型，设计用户行为路径 》、 《 产品运营神器 | 漏斗模型 》等

（四）About营收提升策略

1、策略分析

Speed的变现模式，前⽂文已有讲到，采⽤用“广告 + 内购”的变现模式，对于普通用户，使用产品会触发广告展示；付费用户通过支付费用，可以体验专属网络节点，无广告，个性化UI等差异化内容服务，付费方式主要以订阅为主。

通常用ROI（投⼊入产出⽐比）来量化产品的盈利能力。

ROI模型 = 生命周期价值/获客成本；公式推演如下： 

用户生命周期价值：𝑳𝑻𝑽=𝑳𝑻 × 𝑨𝑹𝑷𝑼。 

用户生命周期：

（计算ROI的生命周期一般采用7日次留，7日后如果𝑅𝑂𝐼>100%，表示该产品有较强的盈利利能力。 

用户平均收⼊入：𝐴𝑅𝑃𝑈=平均广告营收+平均内购收入，即 

 其中：

普通用户系数：一个用户是普通用户的概率；

付费用户系数：一个用户是付费用户的概率；

ecpm: 广告千次展示费用；；

 ARPPU：平均每个用户的支付成本 ；

 tax：每个用户支付费率。  

可以看出，在⼴广告展示次数（ecpm 通常波动不大），获客成本稳定的情况下，留存、付费用户概率（占比）、ARPPU是提升营收的关键。关于留存的提升前文已得到大幅度的提升，不再赘述。所以围绕营收提升就变成了付费⽤用户概率、ARPPU值的提升策略。

因此付费⽤用户概率和ARPPU的提升思路路，就是找到最好的付费订阅⽅方案，使ROI>100%。A/B Test，就是最好⽤用的武器器。

需要利⽤用友盟U-App AI版的第三把“组合武器” —— 用户分群和事件分析，完成A/B Test的需求。分版本上线不同的付费订阅方案，对触发了付费的关键事件用户做分群（分版本）操作，对比分析不同方案的转化数据，即可找出最优的方案。

2、利用A/B Test找到最佳付费订阅方案

（1）基础订阅方案简述

Speed这款产品接入的是Google Play的内购订阅逻辑，结合市面上已有的产品，制定了如下基础订阅方案：

基本的UI样式如下图所示，点击后跳转Google Play购买页面，付费成功即完成购买。

基于该内购订阅的基本数据如下：（Speed产品指标数据概况（1.0版本）已展示）

1、订购⻚⾯面各个周期订阅方式综合点击率：15.6%

2、付费用户概率为：2%（每日新增用户中，付费用户占比）

3、ARPPU为：$5.06 (基于当时时间段Google Play反馈的数据)

最终计算的ROI为：84%（一些关键数据匿了，相应数据做了脱敏）

显然，当前的方案离目标值相差很远，需要找到最佳优化方案来提升订阅购买点击率，付费用户概率以及ARPPU。

（2）优化订阅方案

考虑新用户心理，还未建立足够产品信任度，且付费内容在没有体验的情况下直接付费购买，会有⽐比较强烈的顾虑和抵触。为了打消这个顾虑，我们在基础方案基础上，增加了“7天免费试⽤用”这个维度, 让用户付费前可以有一段时间的试用体验。同时制定了了两种订阅付费优化方案：

相应的，每个⽅方案的UI样式调整如下图所示：

需要注意的是，计算ARPU值的公式相⽐比于初始方案增加了7天免费试用功能。用户购买了7天试用试用后，用户属性由“普通用户”转变为“准付费用户”，准付费用户并未带来真实收益，7天后产生真正续费的“准付费用户”才是“付费用户”。

因此，付费⽤用户系数需要细化下：

付费用户系数 = 准付费用户系数 * 付费转化率。因此ARPU计算公式调整为： 

𝑨𝑹𝑷𝑼 = 普通⽤用户系数 × ⼴广告展示次 数 ×𝒆𝒄𝒑𝒎 +（ 准付费用户系数 × 付费转化率 × 𝑨𝑹𝑷𝑷𝑼∗ + 付费⽤用户系数 × 𝑨𝑹𝑷𝑷𝑼) × 𝒕𝒂𝒙 。

（3）两种方案A/B Test验证

借助U-App AI版⽤用户分群、事件分析两个模块，增加用户分群限制条件：筛选出两种订阅优化方案的不同App版本，分别选择产生订阅点击事件的用户群，对⽐用户分群事件表现情况，计算付费转化率、ARPPU等数据，即可完成总体的A/B Test验证。下图为友盟U-App AI版 AI版本事例截图（非真实数据）

经过A/B test测试分析，基于两种优化方案的数据表现如下：

如上表所示，方案一和方案二相比原始方案均有较明显的提升，且方案二比方案一的总体效果更更好。

结合数据和产品场景简单总结下：

1、方案一和方案二均增加了7天免费试用功能，相比初始方案用户会报着“试一试”的心态，购买意愿更高，顾虑更低。所以试用点击率和准付费用户系数相比原始方案有很大的提升。

2、方案一，方案二ARPPU相比初始方案都有较大的提升，特别是方案二，年度/半年订阅的免费试用占比较高，产生付费后直接拉动了ARPPU的大幅上升，并最终将ROI提升到104.8%！借助A/B test分析，验证了方案二是最佳的订阅付费优化方案。

五、总结

1、找到北极星指标：我们都知道留存和营收是一个产品成功与否的关键性指标，但这两个指标属于延迟指标；接着围绕产品特性和用户需求，分析出Speed这款产品的北北极星指标是重复试用率，并构件了提升北极星指标的具体指标体系。 

2、观察大盘数据：围绕基于北极星指标建立的具体指标体系，初步制定基础目标，并有侧重的观察大盘数据。初步找到一些“表象问题”：重复使用次数过少，留存较低，付费用户占比较低。

3、基于数据分析的指标提升方案：围绕“表象问题”，借助友盟U-App AI版的三把武器：自定义留存；漏斗分析；用户分群。各项指标均有较大幅度的提升！优化后完整指标数据如下表所示：

作者：刘昕明

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”中获奖作品，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：denis@woshipm.com