本文作者将结合自身腾讯移动分析的测评，对针对基础服务模块的优化和增加扩展服务的功能模块，对MTA进行平台能力建设和业务发展策略的分析讨论。

本文目录如下：

一.  对数据分析和数据平台的一些理解 

1.  对APP数据分析的拆分理解

2.  一个数据平台的使命

3.  对B端数据产品的一些理解

二. 腾讯移动分析MTA平台体验分析 

1.  平台功能框架

2.  平台功能内容概述

三. 数据平台功能拓展    

1.  平台功能扩展思路框架

2.  基础型功能

3.  扩展型功能

四. 数据分析案例  

1.  案例背景

2.  数据分析模型

五. 写在最后    

一. 对数据分析和数据平台的一些理解

1.   对APP数据分析的拆分理解

从一个业务线来看，尽管基础的核心指标，比如DAU、留存等大方向上所有人都会关注，但是不同角色对数据分析存在着不同的诉求侧重点，而每一个部门对数据分析的可以做一个简单的拆分为基础数据分析诉求和深度数据分析诉求，总括来讲可以用下面的一个图去简单的表述（仅从业务部门考虑，不包含技术部门）。

2. 一个数据平台的使命

（1）从平台使用者的角度

一个数据平台兼顾着数据监控、数据分析、方向指导、数据功能（广告、push等），这些基础功能能够最基本的支持一个业务的日常需求和起步发展；在这个基础上，能够获得一些额外的数据服务，进一步精细化的设计和运营产品、制定策略等。

（2）从一个平台创造者的角度

创造一个服务化的数据平台，可以从量方面去切入：

• 输出技术资源和数据资源服务，获取服务费用和外部数据积累。
• 输出技术资源服务，获取数据，构建完整的数据体系，再将数据服务化输出获得商业收入，比如第三方DMP。

3. 对B端数据产品的一些理解

从一个B端产品的角度来讲，根据客户类型拆分，进行整体平台功能和业务方向的拆解，可以把数据平台的服务对象拆分为：

（1）初创产品的团队or中小公司团队

这类团队本身没有能力进行数据处理和统计，因此需要接入外部的数据分析平台进行数据统计和分析；对于中小团队而言，在产品能够发展的情况下，数据量会稳步或者爆发性式的上涨，因此基础核心指标的统计和问题监控是最核心的功能诉求。

进一步的，对于依赖第三方数据平台的团队来说，个性化的指标制定、便捷的报表构建等功能（这些功能往往需要一个团队去维护相对大的数据体系和数据开发），是留住客户持续使用数据平台的有竞争力的功能。

可以把这一部分描述的相关功能归纳为数据平台的基础服务模块，进行基础功能的服务接入。我们可以称这类客户为基础型客户。

（2）成熟产品的团队or公司规模较大的团队

对于这一类团队，本身团队技术能力足以支撑他们进行应用内数据的处理，基础的数据分析和监控，不足以吸引客户接入平台功能。但是，围绕数据平台外延提供的服务，却是客户愿意以自身数据作为代价，接入数据平台的驱动力。

因此，拓展外延服务是平台得以吸引无论是拥有成熟数据团队的客户还是缺乏成熟数据团队的客户的核心服务能力。

可以把这一部分描述的相关功能归纳为数据平台的扩展服务模块，进行服务化的商业接口。我们可以称这类客户为成熟型客户。

后文的分析会主要针对目前MTA的功能模块分析，通过基础模块和扩展模块的分析，针对不同的业务部门，尝试对目前的MTA进行部分功能添加完善和整体平台的扩展服务模块方向和策略进行探索，丰富MTA的服务模块，提升平台在B端的服务能力。

在文章的最后，会给出一个数据分析案例模型，结合目前MTA已有的功能和本文中扩展的功能，简要的分析一个在营销推广中的数据分析模型。

二. 腾讯移动分析MTA平台体验分析

1. 平台功能框架

2. 平台功能内容概述

（1）基础功能模块

• 从基础功能模块的报表和功能结构来看，目前基础报表已经能够涵盖大部分的基础指标，涵盖了数据监控、数据分析、数据挖掘（用户画像等）、反作弊、相关的后台接口等，还有基于以上基础服务的一些订阅功能等；
• MTA的基础服务能力目前是相对完善的，大部分初创型APP接入后可以满足其大部分的数据监控和基础分析需求。
• 从灵活性来讲，MTA的接入存在一定的门槛，需要一定的技术能力投入去对接（在初创团队，人力的紧张程度是比较严重的）。

（2）扩展服务模块

• 能够被定义为扩展服务模块的，主要是广告监测模块，能够帮助广告主连接广告前端和APP内数据，形成相对完整的漏斗分析模型。
• 从目前MTA的扩展服务模块来看，可以发挥的空间比较多，比如：

依托腾讯数据平台的算法能力和数据能力，进行数据服务；

背靠广告营销平台和媒体数据能力，帮助CP优化广告；

利用腾讯的运营功能能力，提供运营能力和运营数据分析服务。

下面会针对基础服务模块的优化和增加扩展服务的功能模块，对MTA进行平台能力建设和业务发展策略的分析讨论。

三. 数据平台功能拓展

1. 平台功能扩展思路框架

如上文提到的，对于一个数据服务平台来说，将服务类型拆分为基础服务和扩展服务，基础服务更多的是偏向初始能力较弱的团队提供基本的数据后台服务，要留着成长起来的用户以及吸引市场上成熟型客户，平台需要进一步提供更多的能力，扩展服务则提供了这些能力，整体模型框架可见下图：

基于这样的一个逻辑起点，下文会针对MTA进行功能完善和平台策略的制定，由于罗列出的功能点相对多，仅会对基础型功能和扩展型功能的部分功能点进行较细致的方案描述，其他点仅作功能点内容和需求分析。

2. 基础型功能

（1）新增功能&模块列表

目前MTA的基础功能相对完善，仅提出“报表配置”一个大功能模块和“行业应用分析模板”、“分APK数据”两个功能点，限于篇幅，简要分析能够提升平台灵活性的功能模块-【报表配置-自定义报表配置】。

• 报表配置-自定义报表配置
• 需求分析

1. 从帮助文档来看，目前MTA的报表指标内容是模板化的，统一规范，对个性化需求需要技术对接，门槛较高；
2. 数据后台对于不同团队来说，有通用的需求指标点，但是也有个性化的数据需求点。比如：demo中的贷款数据分析，运营会希望知道提前还贷用户的提前天数分布变化，从而制定贷款策略制定等。
3. 对于临时性需求，也可以通过使用人员配置临时性的数据报表满足，实际上，在一个APP的发展过程中，存在大量的阶段性报表，比如某版本增加了测试功能点、阶段性的运营活动，这些报表配置往往具备通用性，可以由业务人员自主配置。

（2）需求描述

初步原型及说明：

说明：

1. 仅以此简单原型说明功能的可实现性，并没有涵盖所有功能点，比如：引用报表、实时统计/离线统计等功能没有逐一罗列在原型中；
2. 实际上，基础的逻辑点可以参考一般数据分析师编写SQL语言进行数据统计的思路，在同一个维度下，去构造每一个统计指标或者开发的hive表。
3. 这个功能，对运营人员具备一定的数据技术逻辑要求，包括对事件和参数的理解，对埋点逻辑的理解等。
4. 自定义配置报表的功能价值
5. 从实操上来讲，这个功能并不是完全创新的一个功能，目前不少互联网公司已经启用了这种模式，对于运营人员来说，能够提升数据分析者对数据的统计理解、数据分析的理解和报表创建的灵活性；
6. 从数据平台来说，报表的配置功能，一方面丰富了平台的功能和能力，另一方面，灵活的配置报表，随着报表的增加，CP自建报表的成本就会越大，进一步提升CP对平台的依赖程度。
7. 同时，自主配置报表的功能，能够为下文的“深度需求”提供了更多的可能性，因为深度需求更偏向功能和数据分析结合，存在不少需要灵活配置报表的场景。

3. 扩展型功能

（1）新增功能&模块列表

截稿为止，MTA满足产品、运营和市场的深度内容相对较少，包括目前的广告监测，更倾向于基础的数据监测，对于本身具备一定数据技术能力的CP来说或者随着CP技术团队的发展，对MTA的依赖程度不高甚至完全不需要MTA。

背靠腾讯的海量数据、数据技术能力以及强势的广告媒体流量，MTA完全可以进一步挖掘，让CP即便拥有自身数据团队的情况下，仍然愿意接入MTA，提供精准的运营、营销和产品分析能力。

从对各业务线的理解角度来看，对一个APP发展有较大帮助的功能模块我认为主要在“push功能模块”、“广告监测”和“品牌监测”，下文将会针对这三个模块的部分功能点进行分析，其他功能点简要分析可见上面表格。

• Push模块-个性化push
• Push模块概况

从整个模块点来说，push实际上是目前基本所有APP都具备的功能，市面上也存在不少的推送服务。就腾讯而言，内部也具有信鸽-移动推送服务。

而定向、场景化及个性化推荐算法，腾讯都是具备相关的团队能力的，所以实际上MTA需要自身实现的功能主要的数据分析报表，另外两项都能够通过内部合作达成，至此MTA就具备了集push、算法、定向和数据分析于一身的综合推送服务。

下面会选择“个性化push”功能进行简要的分析，以此丰富平台能力。

（2）个性化push需求分析

在运营push中，大部分类别的push都存在自身的主题：

1. 目前运营端的推送，更多是通过主观定性分析进行主题确认和人群圈定，这样存在用户群限定的局限性；
2. 实际上，运营如果只需要将精力投入在主题确认上，而通过关键词、主题标签等特征输入进行用户用户相关性确定，然后再决定推送人群，整个效率会有质的提升；
3. 随着业务发展，团队人员难免出现轮换，此前积累的运营经验和数据往往趋于零散，因此对于已经推送的数据，进行归类和沉淀，可作为主题挖掘模型和后续推送参考。

（3）需求描述

初步原型及说明：

说明：

1. 个性化push初步功能核心是利用个性化推荐算法，进行内容推送，为了算法的精准性，因此需要对push内容进行人工特征标注；
2. 有别于一般的集中推送机制，个性化推送和目前流行的信息流推送原理一致，利用人工预设特征进行内容冷启动推送，然后逐步收集数据训练模型，从已有数据来观察，个性化推荐的预估CTR和真实CTR可以达到95%-105%的准确度；
3. 运用个性化推荐的原理，还可以同时编辑多条推送内容，进行最优推送；也可设置推送阈值，不给预估转化率低于阈值的用户推送，提升用户体验。

• 广告监测-腾讯渠道数据挖掘
• 广告监测概况

广告数据监测对于市场推广人员来说，是非常核心的功能点，这里面涵盖了从对推广产品的理解，到对推广渠道和推广物料的探索，最后通过转化人群重新对自身产品用户的定位反推到推广产品的过程，可以用下面的图表示。

目前，对于大部分广告主，利用分包的方式，通过应用内部的用户画像，进行内部用户的小循环，但是这种数据挖掘实际上是脱离了流量媒体本身的，流量盘子难以持续扩大。

MTA当前提供了联通广告推广前后端数据的功能，这解决了部分广告主对广告数据统计的需求，如果能够利用平台本身的资源优势，进一步串联媒体画像帮助CP进行推广，则能进一步提升平台能力，下面会从需求列表中挑选“腾讯渠道数据挖掘”进行需求说明。

（4）腾讯渠道数据挖掘功能分析

初步原型及说明：

1. 人群洞察、人群扩展和生成人群包，都可以根据CP本身对用户行为的理解去进行，比如针对点击的用户进行人群洞察、针对注册的用户进行人群洞察（界面没有给出来）；
2. 人群扩展后，能够推送至广告平台上，直接在广告平台操作（这个需要和广告平台合作），之所以使用直接推送，是因为这样可以避免导出具体的用户标识数据，防止数据泄露；
3. 生成人群包是将CP认可的转化用户导出。

四. 数据分析案例

最后，本文的分析会以一个金融类尝试过的推广-运营数据分析模型作为案例，说明从市场推广-运营-产品策略的过程中，深度数据分析的作用。

1. 案例背景

某金融类应用P由于品牌认知度低，APP内生态和市场投放效果较弱，需要提升自身的品牌认知度，一方面提升老用户对APP的品牌认可度，提升运营效率和产品认知度，另一方面，通过品效合一的手段提升ROI。

2. 数据分析模型

（1）用户定位分析-产品&运营&广告平台

在这个过程中分别涉及的数据服务有：

• 应用内核心数据指标和分析；
• 用户聚类分析（渠道用户挖掘功能）；
• 用户洞察和特征分析（渠道用户挖掘功能）；
• 用户拓展算法和数据定向功能（渠道用户挖掘功能）；
• 营销推广分析模型-推广&广告平台。

在这个过程中，涉及的数据服务包括：

• 用户洞察分析（渠道用户挖掘功能）；
• 广告效果监测和媒体流量数据分析；
• 品牌广告和效果广告效果分析，可对应扩展内容中的品牌指数、腾讯渠道数据挖掘等功能；
• 运营数据分析、个性化push等功能。

案例中的实际沟通中，CP的用户洞察分析、渠道挖掘等，由于双方对彼此的数据均不完整，更多是依赖内部的数据进行分析得到的，因此依赖人工定性判断的点会增加，此时更突显一个综合性的数据服务平台的重要性。

五、   写在最后

上面给出了一个案例，描述了一个能够涵盖运营和市场推广数据分析的综合性服务数据平台的运用场景，如果再从产品-运营侧切入，也会存在类似的场景，本质上产品-运营-市场不分家，数据分析互相渗透也是常态。

一个综合服务型的数据分析平台，基础的数据统计功能满足基础型客户用户，深度数据挖掘功能和连接业务部门之间的数据能力可以满足成熟型用户。如果能构建这样一套完善的内循环型数据服务平台，建立起平台的数据生态，将大大的提升APP的产品-运营-推广策略效率。而随着移动原生APP时代的稳定，web端的发展（参考PC的发展和目前的看趋势来看是极有可能的），循环生态的数据分析工具会更有发展空间。

相关阅读

腾讯移动分析产品测评大赛报名开启，丰厚大奖等你来！

腾讯移动分析测评大赛结果公布｜这一次，且听我娓娓道来

作者：苏境财，商业产品经理，擅长数据分析，具备数学建模经历，喜欢研究互联网商业模式和平台型产品，熟悉互联网广告平台、应用商店和游戏平台相关产品。

本文为「人人都是产品经理」社区和腾讯移动分析联合主办的“腾讯移动分析测评大赛”中的三等奖作品，未经许可，禁止转载。

题图来自 Pexels，基于 CC0 协议