产品组合管理的工具/产品分析
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
- 先想清楚要回答什么问题,再设计埋点(别为了埋而埋)
- 事件命名统一(如
feature_used、report_exported) - 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。
---