拆解主要数据，分析社交类产品的数据运营方法
数据是对产品分析的重要组成部分和评价标准。通过数据分析，可以清楚、明确地看到产品的用户活动趋势与特征，用户活跃度变化等。所以，掌握数据运营对产品运营来说相当重要，做到这一点，就能不断优化运营策略。
无论是微信、还是博客，在发出时都会有相应的时间戳，它的目的就在于告诉用户——信息发出的时间坐标是什么，距离现在的长度是多少。
时间是社交信息中的本质，如果没有时间的标示，用户得到的信息就会失准。
以约会为例，在已知信息不明确的情况下，如果你没有第一时间打开收到的消息，那你就不会知道用户要在什么时间跟你约会（信息中，时间、地点、人物是三大要素）。
综上所知，时间与社交是正相关的。
如果以盈利而并非传播为目标，那么社交产品的大部分功能一定是优先保证GMV，这就要靠“时间”来搞定了。
大多数人认为社交变现的方式是电商，其实不然，和商业行为一样，社交活动的滞留时间越长，消费心智越强，社交本身可以通过时间进行变现——尤其是在封闭社交环境中，足量滞留时长就是消费的温床。
与此同时，社交类产品有着特定的发生场景和触发条件，于是就会产生很多数据；而这些数据就是产品分析的重要组成部分和评价标准了。
可以说，数据既是产品的方向，也是丈量产品深度的一把尺子；它能客观、详实地反映出产品生命周期和整体产品运营情况，所以数据运营是产品必备的运营方式。
这次数据分析中，友盟＋平台带有一些关键数据指标，本次X圈可以通过友盟+移动统计（U-App AI版）得到了更详细的数据，能够协助产品进行更完整的监测。
本次X圈的定位是——在陌生人社交外，还同时存在着圈层关系。我们要通过运营圈层关系来构建社区，它的本质是社交消费模式而并非社交电商。通过增加用户在社交产品中的停留时长，来达到消费条件；例如积分体系和会员体系等，而不仅是引入B端商家。
接下来，我会拆解一部分基本指标，来体现数据的作用（数据为脱敏数据，不具备真实性，请勿当作真实数据）。
一、通过基本指标获得用户活动地图
（示意图）
1. 新增用户（今日）
新增用户指标包含两种：一是新增用户数量，二是变化率。
不同于普通数据，变化率能够客观地反映出用户量变化程度。
以4月28日为例，新增用户17040，变化率为＋12.206%。相比4月27日的15186是有相应提升的。而24小时图表在每小时对照产生的图形，能直观反映出新增加用户习惯在13点、19点打开X圈。
通过这两天的数据，可以得到一个结论：13点、19点为活跃时间段，而这段时间是刚午餐过后和下班通勤时，由此可知新增用户主要是办公室职员。
这一点对下一步划定用户画像范围有很大帮助，也能让我们认识到：在同一社交圈层内，陌生人社交不是一种偶发性事件，而是一种在特定时间段发生的高频刚需。
2. 启动次数（今日）
启动次数指标包含两种：一是启动的用户数，二是重复启动用户数。
还是以4月28日为例，启动次数是231074，较4月27日的212060增加了8.96%；结合之前的新增用户数，我们发现重复启动数变高了，而重复启动数变高则说明用户粘性增加了。
结合刚上线的PO图片定制水印的功能，可以得出“定制水印受到用户喜爱”的结论。
从功能倒推需求的话，再添加之前三月两天的连续数据，可以知道某功能上线后对用户启动次数产生了明显影响。
3. 时段累计日活（今日）
时段累计日活是去重后的数据，而每小时去重后的数据能反映实际用户日活，基本能反映出用户量和每天的峰值—— 一般来说用户在20点达到峰值，在22点开始回落。
从里面能反映出：自我展示是用户的普通需求而并非是核心需求。
通过这三项指标，能准确绘制出用户心理地图，例如用户的使用时段、喜欢的功能、具体的用户画像等。
二、整体趋势直观反映用户变化
（示意图）
1. 新增用户（7日平均）
总结一周新增用户量（平均），可以得到最近一周平均每日的用户增加量。不同于之前的数据，该数据能得到周/每日稳定增加数量。
例如，4月20日-4月27日每日平均新增用户为4125人，同比增加4.36%。
（还能在下面增加不同时间，做版本对比）
2. 新用户次日留存率（7日平均）
通过该数据可以知道：4月20日-4月27日，新用户平均次日留存率达到30.32%，同比增长3.27%。
该周用户留存率较上周有所增加，说明现在的产品形态保持在一个上升期，虽然上升率不高，但至少没有留存的回落。
通过分析产品生命曲线，可以看到产品处于种子期，在建设型种子用户的培育上，配合次日留存数据有助于筛查出具体新增种子用户数量。
其他几个数据不多做赘述，讲下总崩溃率。
3. 总崩溃率
总崩溃率是一个非常好的指标，因为跟其他指标不同，总崩溃率可以直接对接开发。
作为一个产品的风险控制系统，崩溃率是经常被忽略或者说最容易被运营忽略的一个问题，而总崩溃率能反映产品的稳定程度。
我们总认为只有开发和这个事情有关，但其实它也和产品运营息息相关，尤其是在产品故障的时候，它也会极大地影响用户留存。
除了种子用户外，新进用户的忠诚度非常低，很容易受到总崩溃率的影响。
但是我们也看到了：0.1.2版本总崩溃率为0.1%，而0.2.2版本总崩溃率仅为0.08%——开发团队的控制能力是在提升的。
类似于运营数据可视化，下面TOP版本的扇形图能够反映出不同版本的各种用户指标占比。
例如，不同版本的新增用户占比都可以通过环状图来表示——0.1.2版本占比21%，0.2.2版本占比63%。
通过这一环节，我们知道产品经过版本迭代后更有竞争力了，也进一步明确了产品运营方向。
三、 排名提升权重
（示意图）
1. 行业数据图
在行业数据板块，友盟+移动统计（U-App AI版）还能够提供排名，而这个排名对X圈的意义非常大。
以往，我们只能通过对竞品下载数量进行一个行业排名预估；但现在有了排名，我们就能实时监测/对比我们在同品类产品中所处的位置，以及品类所处整个市场的位置。
（示意图）
2. 用户活跃度
根据用户活跃度数据可视化，可以得知我们的活跃用户数量级，以及活跃天数，这对我们精准分类活跃用户有极大的帮助。
（我们一般将用户按15天为周期进行分类，有5天活跃、10天活跃、最高等级是15天活跃。通过用户活跃等级划分出来的有ABC三种用户群，一般分专人维护，并在社群里做二次激活。）
四、 关于数据运营的一点思考
作为一个数据运营老兵，什么是最重要的？
其实就是：整合数据的能力。
友盟＋提供的数据可视化，极大地便利了数据统计和汇总，可视化让用户趋势变得非常明显；还能够实时监测上新版本的情况，及时跟踪反馈数据变化等。
这在之前是难以想象的，因为以前都是通过数据走查或者抽查的形式来确定病症，会错失大量宝贵的时间，而数据运营贵在一个“捷”字，这也是友盟＋提供的数据可视化带来的好处。
相关阅读
作者：王识钦，资深运营，人人都是产品经理专栏作家
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
题图来自Unsplash，基于CC0协议
作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: