产品组合管理的工具/产品分析

来自pm_wiki
跳转到导航 跳转到搜索

产品分析(Feature Usage Analytics)—— 互联网/云业务的功能使用情况分析

回答:一个互联网/云产品有很多功能,怎么知道哪些功能被用、被谁用、用得怎么样?


一句话定义

通过"埋点 + 事件追踪"收集用户在产品里的行为数据,再用漏斗、留存、路径、分群等方法分析功能的使用情况。

这是互联网/云业务(App、SaaS、网站)最核心的分析能力。


解决什么问题

问题 分析方法
哪些功能有人用、哪些没人用? 功能采用率 / 渗透率
用户在功能里卡在哪一步? 漏斗分析
用了某功能的用户是否更留存/更付费? 功能留存 / 功能价值
用户在不同功能间怎么流转? 路径分析(桑基图)
不同人群用法有何不同? 用户分群
某次改版让功能使用率提升了吗? A/B 测试

第一步:埋点(数据采集)

一切分析的前提是采集数据。

核心概念

概念 含义 例子
事件(Event) 用户的一个动作 点击"导出"、提交表单、播放视频
属性(Properties) 事件的上下文 页面、设备、功能名、耗时
用户标识 匿名 ID → 登录 ID 把同一人的行为串起来

埋点三原则

  1. 先想清楚要回答什么问题,再设计埋点(别为了埋而埋)
  2. 事件命名统一(如 feature_used、report_exported)
  3. 关键路径全覆盖(注册、核心功能、付费、分享、流失)

例:要分析"报表功能"的使用情况,埋点可能是:

  • report_viewed(查看报表)
  • report_filtered(筛选)
  • report_exported(导出)
  • report_shared(分享)

关键指标

指标 公式 回答
功能采用率 用过该功能的用户数 ÷ 总活跃用户数 多少人用了
功能渗透率 用该功能的会话数 ÷ 总会话数 多少会话用了
使用频次 某功能使用次数 ÷ 用户数 用得多勤
使用深度 完成核心步骤的比例 用得多深
功能留存 用了某功能的用户,之后还在的比例 用了是否更留存
功能价值 用 vs 不用该功能的留存/付费差异 功能是否创造价值

采用率低 = 功能藏得太深 / 入口不好找 / 用户不知道 采用率高但留存低 = 功能没真正解决问题("用了就卸载") 功能价值高 = 用了该功能的用户明显更留存/更付费 → 重点投入


核心分析方法(6 种)

1. 漏斗分析(Funnel)

看用户在功能里每一步的转化,找"漏在哪"。

进入报表页      100%
  ↓  60%
筛选报表        60%
  ↓  45%
预览结果        45%
  ↓  20%
导出成功        20%   ← 导出环节流失最大,重点优化

2. 留存 / 同期群分析(Cohort)

看"用了某功能的一批用户",之后还在不在。

功能 第 1 周留存 第 4 周留存 第 12 周留存
用了"报表导出" 85% 70% 55%
没用"报表导出" 60% 40% 25%

用了导出的用户留存明显更高 → 该功能有价值,值得加大投入。

3. 路径分析(Path / Sankey)

看用户在功能之间怎么流转。

首页 → 报表页 → 导出(主路径,60%)
首页 → 报表页 → 放弃(30%)
首页 → 直接离开(10%)

4. 用户分群(Segmentation)

按人群拆开看。

人群 报表功能采用率
新用户 15%
活跃用户 45%
付费用户 70%
流失用户 5%

5. 功能关联分析(Feature Correlation)

哪些功能总是一起用?

例:用了"数据看板"的用户,80% 也会用"报表导出" → 说明这两个功能是"黄金组合",可以打包推荐。

6. A/B 测试

验证改动是否真的提升了功能使用率。

例:把"导出"按钮从右上角移到表格下方 → A/B 测试导出率从 20% → 35% → 说明改动有效。


功能健康度模型(5 个维度)

维度 问什么 健康信号
广度 多少人用? 采用率 > 30%
深度 用得多深? 核心步骤完成率 > 60%
频次 用得多勤? 周均使用 > 3 次
留存 用了是否更留存? 功能留存 > 大盘
趋势 在涨还是跌? 月环比上升

5 个维度综合打分 → 判断功能是"健康 / 待优化 / 该砍"。


常用工具

工具 特点 适用
Amplitude 强大的行为分析 中大型产品
Mixpanel 事件分析 + A/B 互联网产品
GA4 免费、Google 生态 网站 / App
Heap 自动采集所有行为 不想手动埋点
Pendo 面向 SaaS,含引导 B2B SaaS
FullStory 会话回放 看用户实际怎么用
Hotjar 热力图 + 反馈 网页优化
神策数据 国内领先,全埋点 国内互联网
GrowingIO 国内,无埋点 国内互联网

与卡诺模型的结合(重点)

行为数据 + 主观评价 = 更准的功能分类。

① 埋点数据 → 看"功能采用率、留存、价值"(行为)
② 卡诺问卷 → 看"客户觉得属于哪类需求"(态度)
③ 两者交叉 → 更准的决策

交叉示例

功能 行为数据 卡诺分类 决策
报表导出 采用率 40%、功能留存高 期望 O 重点投入
皮肤换色 采用率 2%、无差异 无差异 I 砍掉
甘特图 采用率 15%、但用了的留存高 魅力 A 放大做差异化
强制广告 采用率 100%(被动)、投诉多 反向 R 立刻去掉

单看行为数据会误判(如"强制广告"采用率 100% 但很反感), 单看问卷也会误判(用户嘴上说的和实际用的不一样)→ 两者结合最准。


完整示例:分析一款 SaaS 的"报表功能"

第 1 步:埋点

  • report_viewed、report_filtered、report_exported、report_shared

第 2 步:看指标

指标 数值 判断
采用率 25% 偏低(入口太深)
使用深度 筛选→导出 仅 30% 导出环节流失大
功能留存 用了的高 20% 有价值
趋势 月环比 +5% 在涨

第 3 步:漏斗

查看报表 100% → 筛选 60% → 预览 45% → 导出 20%

→ 导出环节流失最大

第 4 步:结论

  • 采用率低 → 把入口前置
  • 导出流失大 → 优化导出流程
  • 功能留存高 → 值得投入
  • → 综合:重点优化 + 加大投入

优点 / 局限

优点 局限
客观、可量化 依赖埋点质量(埋错=分析全错)
能发现"嘴上说不用、实际在用"的功能 数据不会告诉你"为什么"(要配合访谈)
支持 A/B 验证改动效果 数据量大,需要专业工具和能力
能持续监控功能健康度 隐私合规要求(GDPR、个保法)

关键:数据告诉你"是什么",访谈/观察告诉你"为什么" → 两者结合。


一句话总结

互联网产品的功能分析 = 埋点采集行为数据 + 漏斗/留存/路径/分群/A-B 六类方法 + 功能健康度五维度。 再和卡诺模型交叉(行为 + 态度),就能准确判断哪些功能该投入、哪些该砍。


---