本文作者通过案例拆解，来给大家讲讲数据分析如何有效驱动产品迭代？enjoy~

从产品论的角度而言，一款产品从0到1的建立，需要经历五层设计（战略层、范围层、结构层、框架层、表现层）。而从数据分析的角度而言，数据分析由浅至深也分为5层（角色扮演、业务指标、现成模型、公司战略、行业发展）。无论从产品论的角度又或者是数据分析的角度，最终的本质是服务于商业模式。当然对于政府等公共性质的app而言，是无需商业模式的。

1. 产品基本信息

1.1 产品名称

xx市数据信访便民投诉平台app，后面简称为“信访app”。

1.2 产品定位

此次信访app的产品定位为工具性产品，主要是方便信访人民，在app上进行信访业务办理，包括信访投诉、进度查询、预约等一系列的信访服务。

1.3 产品受众

我们建设的是一个数据信访平台，此平台可以支持网上信访和线下信访，所有的数据都会进入到我们的平台，因此我们可以对信访受众进行全量分析。

产品受众是所有潜在或者现实对信访有需求的受众，从前期的上访情况来看，普遍的上访群众的年龄在30~60岁左右。

2.4 产品功能

已上线运行的信访app的功能包括：信访投诉；政策、福利等咨询；领导包案预约；业务办理督办、催办；社会民意征集；业务办理进度查询；业务办理结果、工作人员评价。

二、面临的问题

国家局在2018年6月份下达通知，要求各个省市的每月综合网上信访率需要达到60%以上，并且会纳入到信访工作考核指标中，而在2018年的6月份，我们后台统计，xx市的网上信访率为18.94%（总信访量264件，网上信访量50件）。

因此，我们需要配合xx市信访局完成这一指标。（网上信访率=手机app信访登记量/信访信访登记总量，当前的网上信访的主要渠道是app投诉）

三、分析思路

从两个角度进行分析，针对产品的角度而言，产品的定位（战略层）是正确的（针对信访群众进行上访），产品的需求功能（范围层）也是正确的（可以满足信访群众进行信访登记），那么就只需从产品的结构层、框架层、表现层来进行分析。

而从数据分析的角度而言，主要是从业务指标的角度进行分析（即当前的网上信访率达不到要求，需要分析出业务指标无法达到要求的原因，并给出解决方案）。

3.1 排除数据噪音

想必大家在初中都学习过控制变量法，通过控制变量来观察因变量的影响因素。同理，我们在进行数据分析的时候也需要采用类似的方法，首先就要排出数据噪音的干扰。对于当前的分析角度而言，我们是要通过数据分析来驱动产品迭代，那么产品的运营数据对于产品的使用数据而言就是噪音数据。

产品的运营数据就是产品的安装量、注册人数、app使用情况、app活跃度等数据。结合信访app的运营数据以及6月份的信访投诉的数据进行分析，来排出数据噪音。

如下图所示为6月份的xx市信访投诉数据展示：

通过业务后台数据分析可以知道6月份信访人数为264人，其中通过手机app信访的有50人，线下信访的有214人（其中有132人是已注册了信访app）。因此我们得出的数据结论是，理论上网上信访率可以达到68.94%（计算方式=（网上信访人数+已注册人数）/信访总人数）。

因此可以说明，我们的数据在客观条件下是能够满足业务指标要求的，这样就排除了因为产品运营情况的不到位，而导致的客观硬性条件下不能达到业务指标要求。

接下来就可以从产品的使用数据，来进行分析网上信访率不达标的影响因素。

3.2 业务指标角度

即从业务指标的达成路径进行分析，我们可以知道业务指标的达成路径，如下图。

我们会分两条路径统计6月份这个期间的app的启动次数、app的注册次数、app登录次数、使用投诉办理功能的次数、提交信访诉求的次数。

通过事件转化率分析，这7个步骤的转化率，分别表示的是：

• 路径1表示app的启动之后，直接登录app的概率；
• 路径2表示在直接登录app之后，使用投诉办理功能的概率；
• 路径3表示在直接登录app的前提下，进入投诉办理功能之后，完成信访诉求提交的概率；
• 路径4表示在app的启动之后，注册app的概率；
• 路径5表示在注册之后，直接登录app的概率；
• 路径6表示在注册之后直接登录的前提下，使用投诉办理功能的概率；
• 路径7表示在注册之后直接登录的前提下，进入投诉办理功能之后，完成信访诉求提交的概率。

（1）建立数据指标

为了验证数据，我们首先通过自定义事件，定义8类事件，分别为“app启动量、app注册量、app登录量（无注册）、app登录量（有注册）、app使用信访投诉功能量（无注册）、app使用信访投诉功能量（有注册）、网上信访总量（无注册）、网上信访总量（有注册）”。

然后通过事件转化率，我们定义了两类类转化率，分别是“有注册的业务路径、无注册的业务路径”。

（2）数据结果

统计出来的6月份两条路径的事件，转化率如下：

（3）数据分析结论

6月份，路径上从app启动—>app使用信访投诉功能的转化率较低，仅有30%左右。这可能跟信访投诉具有一次性的特性，而查询、督办等功能具有多次操作的特性相关。

6月份，路径上从app使用信访投诉功能—>网上信访的综合转化率则是非常低，仅有47%。但其中有注册的业务路径转化率会高一些，这可能跟信访群众在信访局有工作人员协助的因素导致。但也足以说明，app上的信访投诉功能存在一定的问题，需要进行优化。

（4）数据结论的再次分析确定

对6月份的数据，特意挑选出线下投诉但已注册过app的132人，即这132人的网上信访人数为0。根据业务指标达成路径上的转化情况进行用户分组，选择时间为2018年6月份，我们将人群分为：线下信访_已注册_登录app、线下信访_已注册_app使用信访投诉功能，两类人群。

最终我们会看到分析出来的数据，如下图展示：

综上可以确认两点问题：

1. 数据分析的结论是正确的，信访投诉功能存在问题；
2. 如果117人都是愿意使用app进行投诉的，如果解决投诉功能的问题，那么有可以使得网上信访率达到63%左右，满足指标要求。

3.3 产品角度

从业务指标的角度我们发现了app的信访投诉功能存在一定的问题，且信访投诉操作具有操作的一次性特征，因此需要优化，但具体如何优化，优化的方向还无具体的数据支撑。因此，我们需要从产品的角度，结合数据埋点进行分析。

投诉功能的结构层分析：

投诉功能的信息结构，如下图：

上述的路径是完成信访投诉必经的路径，一共涉及4个页面，因此对每一个页面进行数据埋点：进入此页面的计数。

投诉功能的每个页面的框架层分析：

结构层的信息页面路径是否能够走完，需要对每个页面的框架进行分析，用于分析此页面的识别度和可操作性以及下一个入口的便捷性。因此可以说结构层和框架层是息息相关的，那么根据框架层的特性，我们从时间维度上，对每个页面进行数据埋点：在此页面上停留的时长。

（1）建立数据指标

首先通过自定义事件，将各个页面的操作次数都统计出来。通过漏斗分析，查看每个页面的转化率情况。

（2）数据结果

统计出来的6月份中的页面转化率情况如下：

（3）数据分析结论

• 6月份，可以看到填写信访诉求的完成情况很低，仅有38%，说明填写信访诉求页面需要亟需优化。
• 6月份，每一个页面都存在一定的转化损耗，所以需要从产品和业务的角度考虑缩短路径。

（4）改进方案

产品是针对受众，因此支撑改进方案的一定是要落地到用户画像上，由于信访的特殊性。因此，此次仅需要对年龄进行刻画即可。

1）改进方案的用户画像

通过用户分群功能，根据信访人群的年龄进行划分，对截止到6月份为止已注册的人员进行分群。用户分群的数据如下图所示：

可以知道30～50岁的人群，占据了注册人数的76.88%，是绝大多数的人，由此可见产品的优化方案，主要是针对这个年龄段的人群。

2）改进方案的建议

根据数据分析结论、产品的分析结论以及用户画像我们针对产品，提出了如下的优化建议：

• 填写上访人信息页面取消，默认统一获取当前登录的用户信息（姓名、身份证号、居住地址、联系方式），并将身份证号、居住地址等个人信息，融入到注册环节进行填写。（在信访的业务上，也是支持多人上访，但仅有一人作代表的情况）
• 选择信访单位此页面取消，采用后台默认统一将信访件分配到xx市信访局，再由信访局发送到属地单位进行办理。
• 填写信访诉求的页面，采用多种方式，代替仅限文字输入的方式，比如：语音输入、附件文本上传、图片上传、视频上传这四类方式。在业务上，信访办理也是需要将app投诉内容转录到办案系统，所以这四类的方式都可行。

四、效果观察

4.1 效果数据

通过自定义报表，将网上信访率进行持续跟踪，如下图是7月份和8月份的数据。而选取2个月的时间作为观察的长度，是因为信访的数量本来就属于弱需求，平均每个月的信访量也就800件左右，而同时国家局要求的指标只要在12月底之前完成即可。

（此处要提一个数据，就是截止到6月份，已注册app的信访群众达到了1276人，7月份新增注册人数70人，8月份新增注册人数100人）

由此可见，我们的改进效果是有成效的，说明通过这一套数据分析下来，的确是在一定程度上解决了产品的问题，但却还没有达到业务指标（60%）的要求。

4.2 效果反思

产品已经优化了，且在宏观的结果有一定的成效，但是还是需要数据支撑，去看产品优化带来的具体成效。

重复采用漏斗分析的方法，去分析页面的转化率，如下图是7月和8月的页面转化率情况：

总体转化率直接从12.74%提升到60.83%，总体转化率有了质的提升，而且完成信访投诉的转化率从25.38%直接提升到了85%左右，也完全证明了我们的数据分析给出的解决方案也是正确的。

整理思路，依然还没有达到指标。我们发现其实先通过业务指标进行分析找到路径上的薄弱点，掩盖了产品的两个点，分别是注册（产品功能）和用户留存（产品使用）。而这个点只能从产品的角度才能发现。

4.3 迭代数据分析优化产品

（1）注册（产品功能）

通过漏斗分析产品的注册页面路径转化分析，我们统计出7也和8月的注册页面的路径转化情况，如下图所示：

基于如上的数据，结合产品的方法论，我们给出注册/登录这套操作进如下方式的优化：

1. 注册和登录都采用手机号码+验证码的方式，进行注册和登录，替代账户基本信息填写（内容包括：用户名、电话、密码、验证码）；
2. 个人基本信息填写，采用手动输入和拍摄证件照两种方式进行填写，但优先推荐证件照上传的方式。

（2）用户留存（产品使用）

通过自定义留存的功能，我们可以定义，在每个月中，已注册app的信访群众的留存情况。（留存率=当月使用app信访功能的人数/当月信访的总人数中已注册app的人数）

通过计算，可以知道每个月的回访情况如何，如下图所示：

基于如上数据，加入一个消息引导提醒“app信访数据概况”，这条信息中包含“网上信访操作事件、网上信访办理效率、网上信访比例、网上信访操作改善功能点”这四个维度的提醒，用于提高留存率。

4.4 迭代优化持续跟踪效果

我们首先跟踪9月份注册的页面转化率优化情况，如下图：

通过自定义留存，我们知道9月份信访的留存率情况，如下图：

我们再次跟踪9月份网上信访率情况，如下图：

五、总结

最后，还是需要强调一次，通过这一套的数据分析和优化，我们耗时3个月达成了国家局要求的网上信访的指标（60%），另外数据分析当然肯定不是一个月才进行一次分析，而是至少每周，甚至每天进行分析，跟踪变化情况。

数据分析不能从一个角度进行分析，要结合多个维度，尤其要从产品的角度思考数据分析方法的完整性。同时需要能够基于已分析出的数据，进行深入挖掘，才能找到问题的根本原因，并能够明确地给出解决方案。

写在最后

对于产品的表现层的分析，可以结合两方面进行分析：

• 一方面是页面的停留时间，每个表单的操作时长进行分析；
• 另外一个方面是结合用户画像。

#专栏作家#

萧羽，人人都是产品经理专栏作家。

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议