获奖作品腾讯移动分析产品分析报告

　　本文作者将根据自身经验，并结合不同的行为分析系统，对MTA作整体分析评测，在此与你分享，enjoy
　　报告内容：
　　由于本人也从事该类数据产品的规划迭代，所以会从平日工作接触到的业务人员数据诉求出发，并结合不同的行为分析系统，对MTA作整体分析评测，会包括以下内容：（下述内容可能偏电商视角）
　　一。使用群体
　　二。核心诉求
　　三。工作思路
　　四。同类产品对比
　　五。MTA功能体验
　　六。MTA脑洞
　　一。使用群体
　　平日工作接触到的，主要使用数据分析工具的群体有：
　　推广人员：负责拉客，想知道我拉客效果怎么样；
　　运营人员：负责活跃客户，想知道我运营效果怎么样；
　　产品人员：负责提升产品体验，想知道哪里还需要改进优化；
　　内容输出人员：负责向客户输出内容，如电商就是产品开发，想知道开发的产品转化效果。
　　二。核心诉求
　　不同的使用群体，又会有不同的核心诉求，以所处电商为例：
　　1。推广人员
　　拿广告来说，分为效果广告和品牌广告，而效果广告是APP推广过程中最常用用到的一种，计费方式也是以效果为计费标准。基于这种计费方式，推广人员会更关注业绩，工作内容重在执行，需短期见效益。
　　2。运营人员
　　负责维护推广带来的用户，尽可能地延长用户生命周期，包括但不限于活动运营、用户运营，旨在通过XX方式引导XX用户达成XX目标，会更关注用户本身，对于效果验证，如延长用户生命周期，可接受长期效益。
　　3。产品人员
　　负责提升产品体验，会更关注用户的行为，如监控核心漏斗转化，保证产品正常使用，发掘未知的用户高频路径，查找用户的使用痛点等等。
　　4。内容输出人员
　　负责输出内容的发掘、管理、优化，以电商为例，他们会更关注于商品本身，工作内容在于发掘商品、管理商品、优化商品，保证商品能持续收益；同理，换作短视频App，会偏向优质短视频的发掘推荐、问题短视频的有效管理监控、短视频大V的维护等。
　　三。工作思路
　　了解使用群体的诉求之后，那么需要怎么来支撑到他们通过数据驱动自身业务呢？那么就得了解他们的工作思路是怎样？可以从哪些点切入辅助他们进行数据驱动？
　　1。推广人员
　　（1）这个App要推给谁？
　　用户画像：基于现有APP用户的画像，去市场寻找该类目标用户，如文艺青年。
　　（2）可以通过哪些渠道触及到这批潜在用户？
　　渠道画像：提供各个渠道用户画像，便于推广人员寻找目标用户的聚集地，如豆瓣文艺青年占比大，可能易转化。
　　（3）触及后，用户实际感不感兴趣？会不会安装？
　　广告效果：不同渠道，多少人看到？看了多少人点？点了多少人完成安装？一次安装我要付出多少钱？
　　（4）安装后，这批用户质量怎样？
　　渠道分析：带来的安装活跃情况怎样？用得久不久？多少人会进行注册？注册后会不会交易？交易后为我产生多少收益？和我的投入相比，会不会亏本？
　　2。运营人员
　　（1）要挑什么用户做运营？
　　用户概况：了解App获客情况，新注册、注册率、流失注册、净增注册、获客成本等情况；
　　用户生命周期：不同阶段用户数分布是怎样的？例如：注册用户、活跃用户（首单）、成熟用户（二单以上）、衰退用户、流失用户；
　　留存分析：发生交易后，用户会不会进行二次交易？占比多少？注册后，又有多少人会回访？有多少人会流失？
　　（2）运营的目标是什么？
　　例如，目前用户获取速度跟不上流失速度，需要对流失用户进行重新激活，目标是拉高重新激活人数。
　　（3）通过什么方式来运营？
　　例如，通过短信发放优惠券触达流失用户，引导用户回访交易。
　　（4）运营效果怎样？
　　活跃分析：多少人打开？重新激活多少人？多少人会登录？购买意愿怎样？会不会进行交易？会不会获取用户速度跟不上流失速度？
　　事件分析：监控自定义事件，如优惠券领取事件、优惠券使用事件。
　　3。产品人员
　　（1）可以通过哪些指标监控产品运行状况？
　　产品概况：通过核心指标来监控产品运营状况，如登录率、转化率、跳出率、注册率等；
　　页面分析：App各个页面访问情况查看，如抵达支付失败页面访问量；
　　事件分析：查看功能点使用情况；
　　漏斗分析：监控注册流程，注册页面发起注册完成注册。
　　（2）监控后，怎么来发现产品异常？
　　产品概况：如注册率较上周同期降低了20；
　　页面分析：注册页面访问量较上周同期略微升高了3；
　　事件分析：验证码刷新按钮人均使用次数提高了100；
　　漏斗分析：注册漏斗，注册页面发起注册这一环转化率较上周同期降低了30。
　　（3）发现异常后，怎么分析异常的原因？
　　通过手机型号X版本维度，发现所有都是注册率下跌；
　　去到漏斗分析，发现注册页面发起注册环节流失严重；
　　监控注册页面事件触发情况，发现验证码的人均刷新次数暴涨；
　　和产品运营确认了解，为防止恶意注册，昨日更新了验证码的图形验证，新图形验证码肉眼较难识别导致用户需频繁刷新验证码。
　　（4）解决后，如何验证优化效果？
　　产品概况：注册率回升到上周同期水平。
　　4。内容输出人员：（视频为例）
　　（1）现在视频观看情况怎样？
　　视频效果：
　　多少人看到？
　　多少人点击？
　　多少人播放？
　　播放时长多长？
　　看完的人占多少？
　　发起评论有多少人？
　　点赞占比多少？
　　差评占比多少？
　　转发占比多少？
　　（2）有没哪些视频没有达到预期？
　　付费视频：别人给钱推的视频，是不是播放量没达到要求？或者是其他考核指标？
　　潜力视频：加大推荐后，会不会点击效果较差？需不需要调整推荐策略？
　　热门视频：播放量是不是环比增速快？是否有加大推荐的必要？
　　（3）存不存在哪些视频需要优化？
　　付费视频：播放量不达标，可能要加大推荐；
　　举报视频：举报占比高，可能要评估视频内容，必要进行封杀。
　　（4）优化后效果怎样？
　　付费视频：播放量达标，撤掉推荐；
　　举报视频：视频状态处于下线状态，播放量为0。
　　从四个使用群体的工作思路来看，我们可以知道他们分别关注的点是：
　　推广人员：用户是怎样的？用户是怎么来的？用户做了什么？
　　运营人员：用户是怎样的？用户做了什么？
　　产品人员：用户做了什么？
　　内容输出人员：用户对我输出的内容，态度是怎样的？
　　因此，我们可以将他们的数据诉求归为四个模块：（功能按代号标识，下同）
　　用户获取：用户是怎么来的？1（3）、1（4）
　　用户分析：用户是怎样的？1（1）、2（1）
　　行为分析：用户做了什么？2（4）、3（1）
　　内容分析：用户对我输出的内容，态度怎样？4（1）、4（2）、4（3）、4（4）
　　四。同类产品对比
　　在了解使用群体的数据诉求后，我们来看下MTA对数据诉求及应用场景的满足情况，同时我们也会挑选市面上的几款产品进行对比分析。
　　由于不同的行为分析产品，其功能框架都是不同的，所以为能直观对比出不同产品的场景满足差异，下面我们上面第三部分内容中划分的四个模块进行纵向对比。
　　1。用户获取
　　（右击，在新标签页中打开即可查看大图）
　　用户获取，可以看到，五款产品对于广告效果、渠道分析的场景分析都是能支撑到的。
　　其中GoogleAnalytics（后简称GA）相较其他产品，还提供了关键词点击转化情况，更有利于推广判断目标用户搜索偏好，便于进行关键词优化。同时，GA还提供更加丰富的维度供用户进行细分分析，如根据年龄、国家、偏好等，简单数了下，超过100个维度。
　　但站在国内APP推广角度，考虑到国内外行业环境差异以及国内的渠道资源，MTA在国内广告效果监控这块，较其他产品在打通曝光点击到付费转化的过程上，更具优势。
　　2。用户分析
　　（右击，在新标签页中打开即可查看大图）
　　用户分析，可以看到，五款产品对于用户画像、用户生命周期、留存分析、活跃分析等场景分析都是能支撑到的。
　　个人理解，这块更多是用于了解产品用户活跃状况及典型的用户画像，从而有利于业务去甄选用户进行运营推广，同时对于运营的结果能得到较为及时的反馈。
　　五款产品相较下来，可以看到GA对于典型用户画像是还原更充分的（但对于国内用户画像可能数据来源单一，还原精度未知），而且也缺少重要的用户抽取用于运营，同时运营活动结果难以直接有效反馈。而其他产品虽然在画像还原上稍欠缺，但胜在能便于业务进行落地，同时也提供了自己一些特色功能，如神策的行为预测等。
　　3。行为分析
　　（右击，在新标签页中打开即可查看大图）
　　行为分析，可以结合上面第三部分中产品人员工作思路，需要支撑到日常监控、发现异常、原因分析、效果验证，五款产品对于该数据分析框架的大多场景分析都是能支撑到的，情况如下：
　　日常监控：5个产品都提供了自定义事件部署及自定义看板；
　　发现异常：除诸葛IO对比分析较为欠缺，较难及时发现问题外，其他4个都能提供对比分析；
　　原因分析：GA能提供更丰富的维度进行细分分析，而MTA则维度较为单一；
　　效果验证：通过自定义事件的对比分析，基本都能完成验证，但GA提供实验功能，满足了AB测试的效果验证场景。
　　4。内容分析
　　根据不同类型App，结合自定义事件进行内容定制：
　　（右击，在新标签页中打开即可查看大图）
　　内容分析，结合上图产品对比，可以发现，除GA外，其余均不支持内容分析；其中MTA对借贷行业做了进一步定制，但还不属于借贷内容的分析，而即使GA支持内容分析，也仅面向电商行业。
　　个人理解，对于App产品而言，核心在于其输出内容的质量好坏，而现有分析工具都欠缺对App核心产生内容的分析监控。如果市场上有一款较高自定义的内容分析模块，就可以构建产品的护城河，伴随越来越多的同类App产品的接入，同时也可提供行业平均水平作为参考依据，在大多APP产品行业竞品数据来源单一的情况下，这会是产品的一大卖点。
　　五款产品均未能满足的使用场景：
　　现在内容使用情况怎样？
　　有没哪些内容没有达到预期？
　　存不存在哪些内容需要优化？
　　优化后内容效果怎样？
　　对数据诉求及应用场景角度来说，除内容分析的数据支撑外，五款产品都能满足不同使用群体的基本数据诉求，只是在数据支撑的深度及灵活度，体现出不同产品的差别。
　　讲完数据诉求及应用场景，相同指标在不同基本统计单位下，也是会有明显差异。
　　下面我们也来简单分析下5款产品的数据模型、指标差异。
　　（1）MTA：开发文档没有翻到相应的介绍，只能从功能角度揣测
　　数据模型：用户会话页面事件
　　模型描述：A用户在C会话里，先访问了B页面，并在B页面触发了D事件
　　指标差异：比如跳出率，定义是访问该页面随即关闭应用的用户占访问该页面用户数的比例；讲下个人的理解，对于App产品，都是有它的转化目标，比如交易、下载、点击等等，那么意味着用户每一次的会话开启，都有可能达成转化目标，那么从产品运营的角度出发，目标是不是用户每一次的会话开启都要促成目标转化呢？那么，在这里是否是以会话为统计单位更合理呢？
　　（2）GA：开发文档也没有翻到相应的介绍，从数据采集内容角度推断
　　数据模型：用户会话页面事件；
　　模型描述：A用户在C会话里，先访问了B页面，并在B页面触发了D事件；
　　指标差异：和MTA相比，GA采用的是会话为统计单位。
　　（3）友盟：开发文档也没有翻到相应的介绍，从功能角度推断
　　数据模型：用户会话页面事件；
　　模型描述：A用户在C会话里，先访问了B页面，并在B页面触发了D事件；
　　指标差异：和MTA一样，采用的是用户为统计单位。
　　（4）诸葛IO：看到有介绍了！
　　数据模型：用户触点会话事件；
　　模型描述：A用户在C会话里，以B行为接触到了D事件（目测触点就是把页面的浏览属性和事件触发的行为类型归类到了触点这个概念）；
　　指标差异：和MTA一样，采用的是用户为统计单位；不过统计上可能有优化空间，比如诸葛提供的行为路径分析是基于事件的，那么每新添一个事件，都可能造成路径的变更，起不到稳定监控的作用，参考价值会不会降低呢？
　　（5）神策：也有介绍
　　数据模型：用户事件；
　　模型描述：A用户触发D事件（将行为类型合并到事件表，会话属性也合并到事件表，接受冗余）；
　　指标差异：和GA一样，采用的是会话为统计单位。
　　五。MTA功能体验
　　讲完MTA对数据诉求及应用场景的满足情况，下面会从各使用群体角度从MTA中挑选常用模块进行阐述，将包含以下几个功能模块：
　　推广效果：直接反映推广效果；
　　用户分群：用于运营挑选目标用户进行目标转化；
　　漏斗模型：用于产品流程监控。
　　1。推广效果
　　（1）功能组成
　　维度：推广单元、推广计划、投放渠道
　　指标：提供了基础指标、活跃情况、消费收入等20个指标
　　视图：折线图
　　（2）场景体验
　　今天我的推广效果是否异常？
　　体验：
　　首先进到界面，看到推广单元情况（十几页），不能直接感知到推广效果是否异常；
　　（右击，在新标签页中打开即可查看大图）
　　可能优化点：
　　新增推广效果汇总，如曝光量、激活转化率、注册率、激活设备数；
　　新增周同期比较，一般情况下数据都有周期性变化的共性，便于发现本日异常指标；如较上周同期，注册率下降了30；
　　默认显示推广渠道情况，直观了解各大渠道推广效果及周同比涨幅情况。
　　为什么今天广点通渠道的激活转化率下降20？
　　体验：
　　只能从推广单元维度查看细分渠道，需先切换到推广单元视图，再筛选广点通渠道；操作较为繁琐，而且不能做到逐级细分排查，理应是先看推广计划哪个异常？再看异常推广计划具体哪个推广单元异常？
　　可能优化点：
　　交互上，可实现点击下钻渠道进到渠道下所有推广计划点击下钻推广计划进到推广计划下所有推广单元；
　　维度层级关系上，建议：推广渠道（顶级）推广计划推广单元，目前在推广计划维度下，不能选择推广渠道。
　　效果看着挺好，实际效果好不好？会不会不划算？或者预算消耗太多？
　　体验：
　　不能直观反映费用消耗情况以及获客成本，不能快速为推广计划做数据支撑；转化率好，但单个设备获取成本高出其他渠道几倍，也是不划算，可能要停掉。
　　可能优化点：
　　新增广告费用指标、获客成本指标，便于推广人员的推广决策。
　　用户获取到后，质量行不行？
　　体验：
　　每个App产品都有个核心转化目标，按目前提供的指标能从付费、留存上评估用户质量。
　　2。用户分群
　　（1）筛选范围
　　用户范围：活跃、新增、不活跃
　　用户属性：基于App自身采集的维度信息
　　设备属性：版本、品牌、CPU、内存
　　自定义事件：达成过某一行为
　　漏斗模型：完成过目标路径转化
　　（2）场景体验
　　电商行业，在MTA用户画像中，发现喜欢阅读的用户占比达到20，近期有一批书，想要搞活动促销出去，需要筛选出喜欢阅读的用户进行定向营销，该怎么筛选？
　　体验：
　　MTA提供了应用偏好给用户查看，但是实际创建用户群却不提供自身构建的用户画像用于营销（可能是出于隐私保护）。
　　可能优化点：
　　依托于腾讯数据的广度和深度，用户画像的精度是要高于App自身数据得出的画像。对于App运营来说，能够根据腾讯提供的画像，并通过腾讯的广告平台去投放广告精准命中用户，会是MTA一个极大的卖点，同时也能加大广告主对平台的依赖度。
　　触发过核心操作的用户，是怎样一批人群？是否可以筛选过滤查看人群特征，便于推广策略制定或定向运营？
　　体验：
　　MTA可以满足到触发核心操作或流程的用户出来，并从基础属性、设备属性、应用偏好等角度查看人群特征。
　　3。漏斗模型
　　（1）功能点
　　支持最多5级路径创建
　　支持事件参数高度自定义
　　支持漏斗分布查看
　　（2）场景体验
　　我要监控注册流程，行为路径为：抵达注册页输入手机号点击验证码输入验证码点击注册成功注册
　　体验：
　　尽管各个环节都能实现，但从一个较为简单且常用的注册流程细分监控，便卡在了最多5环这里，可以删掉某一环节，但是环节少了，意味着可能的流失环节就忽略了。
　　可能优化点：
　　增加漏斗环数
　　完成很多核心漏斗构建后，要监控每一核心流程健康状况，得怎么看？
　　体验：
　　首先进到漏斗列表，看到很多漏斗，30日平均转化率？比如注册漏斗到底有没异常？50？是高还是低？不知道，得和谁比，才知道高低？
　　平时知道是52左右，现在是50是不是正常？会不会被30天平均掉？不知道，还是得进到漏斗里具体看；
　　点进漏斗后，看到是时间段内的情况，到底昨天有没出问题？不知道，选下昨天看看；
　　点了下昨天，突然没有数据，可能是埋点出问题了，得找人补下埋点。
　　整个过程下来，昨天没有数据，需要经过多个环节跳转判断才知道漏斗数据异常，需要耗费较长时间用于分析判断。
　　可能优化点：
　　漏斗列表，直接显示昨天转化率情况，并提供周环比辅助判断异常；
　　漏斗分布查看，默认显示昨天转化情况，上下环节转化率，也提供周环比辅助判断环节异常；
　　细分维度排查时，如直接版本维度体现在二维表，实现多版本同时对比；避免逐个版本点击查看判断，还缺少同维度同比判断。
　　六。MTA脑洞
　　下面内容，并未结合产品所处的背景，也未仔细斟酌，纯属个人脑洞：
　　1。渠道画像
　　写这次分析报告，按分析思路拆解，冒出了一个渠道画像的数据诉求，基于腾讯现有的生态圈，是否可以构建生态圈的渠道画像，向市场兜售呢？（可能偏广告端提供）
　　会有一个场景，比如我是卖豪宅的，想找个地摊宣传，听说某个地摊人流量很大，可能转化几率高，结果找了个地铁口，人流量是大，但是能买得起豪宅的人数多少呢？导致广告费用ROI下降。
　　而现在我就告诉你，手头有这些渠道，这个渠道有钱人多，这个渠道00后多等等，可以加大广告主对平台方的依赖，同时也有利于拉高整体广告主的ROI。
　　2。内容分析
　　从用户数据诉求到多产品支撑对比，可以发现，除GA外，其他行为分析系统对App核心内容的数据支撑是不足的。名义都是用户行为分析系统，但是用户接触的主体是什么？是App核心输出的内容。
　　对于电商来说，是商品；
　　对金融来说，是金融产品；
　　对视频网站来说，是视频。
　　而核心内容分析缺失，可能导致面向的群体是有限的，得出的结果可能是片面或错误的，比如商品质量就是差，用户买了后认为上当受骗不回头，做再多的运营活动但却不解决核心内容输出的质量，可能也是徒劳的。
　　在现有行为分析产品对内容支撑不足的情况下，推出该类模块，在丰富产品使用人群的同时，也采集了大量的行业核心内容数据，例如对商品名称文本的分析、视频标题的文本分析等等，都能免费获取到大量行业情报数据。
　　声明：
　　（1）对于行为预测与ABTEST的功能，腾讯移动分析MTA即将在7月上线。
　　（2）文章为作者独立观点，不代表腾讯移动分析MTA立场。
　　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