❶ 產品市場壽命周期各階段的特徵及營銷策略。舉例說明
典型的產品生命周期一般可分為四個階段，即投入期、成長期、飽和期和衰退期：
1、投入期
產品表現：產品剛起步，還不完善，經常變，還沒有定型，此時市場上有少量競品出現。
迭代策略：此時產品功能單一，少上新功能，快速迭代核心功能，保證核心功能完善和穩定。
運營策略：探索期，用戶對產品還缺乏了解信任，運營應該開始逐步推廣產品。獲取種子用戶，跟蹤並做好意見反饋，做好數據分析，不斷改進和提升產品體驗，以獲得種子用戶的認可。
2、成長期
產品表現：產品關鍵功能固定，產品形態基本穩定，此時市場會出現大量競品，此時產品應該重點跟蹤用戶反饋，分析用戶需求，不斷改進完善產品提升用戶體驗。
迭代策略：輔助運營，短平快，對新增功能做MVP，關注產品留存指標。
運營策略：重點關注種子用戶口碑，此時運營可以通過，補貼、活動、邀請等策略不斷拉新留存。
3、飽和期
產品表現：產品基本定型，開始開拓新的延伸產品。市場競爭激烈，競爭環境惡化。
迭代策略：重點做商業產品，提升運營效率，實現商業價值。重點關注活躍度，ARPU等指標。
運營策略：此階段有大量用戶使用，在推出商業產品同時，可能導致一些核心用戶流失，拉新困難， 此時運營應該重點提升用戶活躍度。
4、衰退期
產品表現：產品很長時間沒有做大動作，用戶活躍度下降，隨著競爭激烈，競品開始主導市場。
迭代策略：關注競品，盡量減少客戶流失，幫助客戶更好的轉移到替代產品。
運營策略：進行市場調研（包括競品分析），尋求新的項目機會，或者更新產品線，想辦法滿足用戶日益增長的新需求的目的。
(1)產品哪個階段數據分析價值小擴展閱讀
產品生命周期理論的優點是：
產品生命周期（PLC）提供了一套適用的營銷規劃觀點。它將產品分成不同的策略時期，營銷人員可針對各個階段不同的特點而採取不同的營銷組合策略。此外，產品生命周期只考慮銷售和時間兩個變數，簡單易懂。
其缺點是：
1、產品生命周期各階段的起止點劃分標准不易確認。
2、並非所有的產品生命周期曲線都是標準的S型，還有很多特殊的產品生命周期曲線。
3、無法確定產品生命周期曲線到底適合單一產品項目層次還是一個產品集合層次。
4、該曲線只考慮銷售和時間的關系，未涉及成本及價格等其它影響銷售的變數。
5、易造成「營銷近視症」，認為產品已到衰退期而過早將仍有市場價值的好產品剔除出了產品線。
6、產品衰退並不表示無法再生。如通過合適的改進策略，公司可能再創產品新的生命周期。
❷ 哪個不是設計最小化可行產品(MVP)的要點
一、投資人為什麼會關注數據？
投資是驗證商業構想合理性的一種方式，而數據是投資人用於推斷商業構想是否成立的一種手段，因此考量數據的根本目的是預估企業未來盈利的空間，這直接影響了投資人是否要投資。
我們認為商業計劃書主要包含幾個內容：團隊——商業模式——產品和服務——市場和競爭——運營現狀和規劃。
對於項目早期而言，主要的工作是驗證產品和商業模式，你的產品是否被用戶所接受，用戶是否願意為產品買單，直接體現在數據中。
如果關鍵數據呈現出傾斜度極好的增長曲線，至少說明幾個問題：
1、 目前這個階段的產品是有一定的用戶需求的
2、 你目前的市場和用戶獲取策略是合理的
2011年11月1日，陌陌iOS版用戶突破30萬，2012年8月1日，陌陌上線一周年，用戶突破1000萬，日活躍用戶220多萬，周活躍用戶接近500萬，每天的消息總量接近7000萬。
映客成立於2015年8月，2016年10月產品各項數據表現都不錯，呈現「極速」的趨勢。
二、投資人關注什麼數據？
投資人關注的數據不能一概而論，它和項目所處的行業和階段都有關系。
1、行業
舉幾個栗子：
（1）電商類
流量指標：獨立訪客數UV、頁面訪問數PV；
訂單產生效率指標：總訂單數、訪問到下單轉化率；
銷售指標：成交金額GMV、銷售金額、客單價；
整體指標：營業收入、毛利率、凈利率、復購率、SKU。
（2）工具類
流量指標：獨立訪客數UV、頁面訪問數PV；
轉化指標：注冊用戶數、用戶留存率、活躍用戶比例、用戶增長率、付費率；
整體指標：收入、利潤、成本。
（3）游戲類
轉化指標：次日留存、7日留存；
盈利指標：每用戶平均收入ARPU、付費轉化率；
其他指標：獲客成本CAC、單次使用時長、用戶生命周期價值LTV。
如果是APP產品，還應包括下載量、停留時間、打開頻率等。
2、階段
不同階段的項目，投資人的關注點不同，對於種子、天使輪的項目，投資人關注的重點在於人和方向，對於天使以後的項目，投資人更關注數據和變現。
可能很多創業者會問，我是初創企業，哪裡有這么全的數據啊？
這時候該怎麼辦呢？Lemon給出幾種方法：
1、MVP測試
將最小化可行產品MVP投放到市場上。由於最小化可行產品的目的是驗證商業構想的真實性，排除「偽需求」和創業者「自high」的可能，也為產品搜集有效的反饋和建議，因此MVP測試的數據在一定程度上可以預測產品上線後的效果。
2、第三方統計
目前第三方數據平台比較多，相對靠譜，成本也低，缺點是第三方標准統一的功能不能滿足個性化的需求，有條件的公司可以自己開發後台。
3、合理的預測
結合市場和產品，在現有數據基礎上做出合理的預測，關鍵在於達成目標的途徑和方法。
三、如何構建企業的指標體系？
在了解了關鍵指標和數據獲取途徑後，還有一個是Lemon認為比較重要的——如何構建企業的指標體系？（這里Lemon參考了神策數據創始人桑文鋒的觀點）
這里我們推薦第一關鍵指標法。它是《精益數據分析》一書中提到的方法。
第一關鍵指標指的是在任意一個時間點，只有一個最關鍵的指標，但隨著業務的發展關注重點會有變化，由關鍵指標又可以衍生出許多其他的指標。
舉個栗子，如果一個成熟的電商產品，目前最關心的指標是銷售額，那麼可以衍生出訪問量、轉化率、客單價等指標，團隊可以通過優化這些衍生指標來實現關鍵指標的增長。
對於一個創業公司，不同的階段需要關注的重點是不同的。
我們把創業公司分成三個階段：
1、MVP 階段
MVP指的是在創業初期通過做一個最小可用的產品來驗證需求的真實性。它可以有效的排除「偽需求」的可能性，也可以幫助你優化產品。
在這一階段，數據分析的價值比較小，需要的只是定性分析，而非數據分析。例如通過用戶訪談確定產品的滿足情況。
2、增長階段
這一階段又分為有重疊的兩個階段：留存階段和引薦階段。
在推廣產品之前，需要確認產品是能夠給客戶帶來價值的，並且有比較好的體驗。除了直接聽取用戶反饋之外，還可以觀察用戶的活躍度。這就需要做留存分析。
當產品優化差不多時就進入到引薦階段，我們常說一個好的產品會說話，指的就是口碑力量，這時應該關注的是凈推薦值NPS。
假設有 100 個客戶，其中，有多少客戶是推薦給了別人且帶來新客戶的，有多少只是自己使用，又有多少進行了負面評論。推薦的減去否定的就是NPS。一個好的產品，NPS 應該在 50 以上。
3、營收階段
這個階段產品已經相對比較成熟，變現、盈利、規模化成為重點。我們關注的重點轉向客戶終生價值LTV、獲客成本CAC、渠道分成比例、渠道用戶盈利周期、成本等。
當然，這里只是列舉了不同階段的典型關鍵指標，結合你的項目本身，還是要具體分析。
❸ 產品數據分析要關注哪些維度或指標
(一)、銷售數據之維度
1、商品
商品是零售分析的最細維度之一，大部分的指標都依附商品來做明細的記錄，同時很多維度也是通過商品進行交叉分析。
2、客戶
客戶是銷售對象，包括會員。客戶所在地和區域有關聯。
3、區域
區域是地理位置。從全球視角看：洲---國家---區；從國家視角看：區——省/市——縣/ 區—鎮/鄉/村，一般按正式行政單位劃分。
4、時間
時間是進行數據分析非常重要的維度，分析的角度有公歷角度和農歷角度。其中， 公歷角度：年——季度——月——日——時段（每2小時為一個段）；星期、公歷節假日。農歷角度：年——節氣——日——時刻；農歷節假日。
(二)、銷售數據之指標
1、銷售數量
客戶消費的商品的數量。
2、含稅銷售額
客戶購買商品所支付的金額。
3、毛利
毛利=實際銷售額－成本。
4、凈利
凈利=去稅銷售額－去稅成本。
5、毛利率
銷售毛利率是毛利占銷售收入的百分比，也簡稱為毛利率，其中毛利是銷售收入與銷售成本的差。
毛利率=（毛利/實際銷售額）×100%。
6、周轉率
周轉率和統計的時間段有關。周轉率=（銷售吊牌額/庫存金額）×100%。
7、促銷次數
促銷次數有宏觀概念上的，也有微觀概念上的。宏觀上，是指一個銷售單位中一段 時間內發動促銷的次數，或某個供應商的商品在一段時間內參與促銷的次數；微觀層面上，是表示一個單品在一段時間內參與促銷的次數。
8、交易次數
客戶在POS 點上支付一筆交易記錄作為一次交易。
9、客單價
客戶在一次交易中支付的金額總和稱為客單價。
客單價=銷售額/交易次數。
10、周轉天數
周轉天數=庫存金額/銷售吊牌額。周轉天數越長，表示經營效率越低或存貨管理越差；周轉天數越短，表示經營效率越高或存貨管理。
11、退貨率
退貨率=退貨金額/進貨金額（一段時間）；用於描述經營效率或存貨管理情況的指標，與時間有關。
12、售罄率
售罄率=銷售數量/進貨數量。
13、庫銷比
庫銷比=期末庫存金額/（本期銷售牌價額/銷售天數*30）
（只有在單款SKU 計算中可用數量替代金額。）
14、連帶率
連帶率=銷售件數/交易次數。
15、平均單價
平均單價=銷售金額/銷售件數。
16、平均折扣
平均折扣=銷售金額/銷售吊牌額
17、SKU（深度與寬度）
英文全稱為 stock keeping unit, 簡稱SKU，定義為保存庫存控制的最小可用單位，例如紡織品中一個SKU 通常表示一個規格，顏色，款式），即貨號，例：AMF80570-1。
18、期貨
所謂期貨，一般指期貨合約，就是指由期貨交易所統一制定的、規定在將來 某一特定的時間和地點交割一定數量標的物的標准化合約 。服裝行業上具體指訂貨會上所訂購且分期交付的貨品。
19、坪效
就是指終端賣場1平米的效率，一般是作為評估賣場實力的一個重要標准。
坪效=銷售金額/門店營業面積（不包含倉庫面積）。
20、促銷商品
指促銷活動期間指定的商品，其價格低於市場同類的商品。包括DM 商品，開店促銷，普通促銷貨（特價），不包含正常降價。
(三)、銷售數據之分析方法
1、直接數據的分析。
2、間接數據的組合分析。
❹ 產品運營要用哪些數據分析方法
在產品運營優化方面，數據分析是其核心，一般常用如下數據分析方法：
1 細分分析
細分分析是分析的基礎，單一維度下的指標數據的信息價值很低。細分方法可以分為兩類，一類逐步分析，比如：來北京市的訪客可分為朝陽，海淀等區;另一類是維度交叉，如：來自付費SEM的新訪客。
2 對比分析
對比分析主要是指將兩個相互聯系的指標數據進行比較，從數量上展示和說明研究對象的規模大小，水平高低，速度快慢等相對數值，通過相同維度下的指標對比，可以發現，找出業務在不同階段的問題。
常見的對比方法包括：時間對比，空間對比，標准對比。
3 漏斗分析
轉化漏斗分析是業務分析的基本模型，最常見的是把最終的轉化設置為某種目的的實現，最典型的就是完成交易。但也可以是其他任何目的的實現，比如一次使用app的時間超過10分鍾。
漏斗幫助我們解決兩方面的問題：在一個過程中是否發生泄漏，如果有泄漏，我們能在漏斗中看到，並且能夠通過進一步的分析堵住這個泄漏點；在一個過程中是否出現了其他不應該出現的過程，造成轉化主進程收到損害。
4用戶分析
用戶分析是互聯網運營的核心，常用的分析方法包括：活躍分析，留存分析，用戶分群，用戶畫像，用戶細查等。用戶畫像基於自動標簽系統將用戶完整的畫像描繪清晰，更有力的支撐運營決策。
5 表單分析
填寫表單是每個平台與用戶交互的必備環節，優秀的表單設計，對轉化率的提升起到重要作用。
用戶從進入表單頁面之時起，就產生了微漏斗，從進入總人數到最終完成並成功提交表單人數，這個過程之中，有多少人開始填寫表單，填寫表單時，遇到了什麼困難導致無法完成表單，都影響最終的轉化效果。
以上是常見的數據分析方法，更多應用方法需要根據業務場景靈活應用。
❺ 大數據應用的三個階段是什麼
1、大數據應用的第一階段：輔助產品
最初的應用比較簡單，就是用以輔助產品人員和市場人員做判斷。過去的實體產品做一次調研很麻煩。比如飲料公司，調研人員要用各種方式觀看他們喝飲料的場景和步驟。
問卷是最常見的，但不準。所以會組織各種各樣專業的現場試驗，要搭建環境(一般是有單面玻璃或攝像頭的)、邀請志願者，然後引導他們按照日常的習慣去完成一些操作。
比如通過攝像頭監視觀察室。顯然這種辦法非常笨重。而現在的互聯網產品則根本無須這么麻煩。用戶所有的使用數據、行為，都是記錄在案的，想知道什麼，瞬間就能分析出來。
2、大數據應用的第二階段：創造價值
在數據的數量和質量達到一定程度後，事情開始變化了。元數據將不僅作為產品的輔助，而是變成了最有價值的產生本身。很簡單的，全中國最熟悉老百姓消費習慣的是工商局嗎?是哪個協會嗎?是哪個科研機構嗎?都不是，是淘寶。
擁有最全面的個人信用信息的，是人事局嗎?是銀行嗎?是咨詢公司嗎?都不是，是支付寶。道理也簡單得很，所有行為(消費、交易)發生在了這個平台上，而這個平台又有所有數據的記錄，那這些數據就能產生巨大的價值。
3. 大數據應用的第二階段：創造價值
在數據的數量和質量達到一定程度後，事情開始變化了。元數據將不僅作為產品的輔助，而是變成了最有價值的產生本身。
春節的時候，支付寶為什麼要和微信爭搶小額支付和社交場景的支付?不是為了那點手續費，就是為了它缺失的社交支付這一塊。這塊數據的價值，遠超想像。
未來我們每個人的衣食住行、生活起居，都將有大量的數據記錄。我們的行為會變成一串串數字成為可量化的數據，成為描述我們的信息。我們工作用雲筆記、吃飯用餓了么、打車用滴滴、搜東西用網路、社交用微信，每一步都事無巨細被記了下來。
關於大數據應用的三個階段是什麼，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。
以上是小編為大家分享的關於大數據應用的三個階段是什麼?的相關內容，更多信息可以關注環球青藤分享更多干貨
❻ 數據分析師的成長階段
數據分析師的成長階段分為四個階段，分別如下：
第一階段叫數據專員,是一般崗位。基本學會excel（VBA最好學會；會做透視表；熟練用篩選、排序、公式），做好PPT。這樣很多傳統公司的數據專員已經可以勝任了。
第二階段要會SQL，懂業務，加上第一階段的所掌握的技能。大多數傳統公司和互聯網小運營、產品團隊夠用了。
第三階段叫數據分析師。統計學熟練（回歸、假設檢驗、時間序列、簡單蒙特卡羅），可視化，PPT和excel一定要熟練運用。有了這些技能，能應付大多數傳統公司業務和互聯網業務。
第四階段是分裂。數據分析師（數據科學家）、BI等：這部分一般是精進統計學，熟悉業務，機器學習會使用（調參+選模型+優化），取數、ETL、可視化啥的都是基本姿態。
關於數據分析師成長面臨的階段可以到CDA數據分析認證中心了解一下，CDA是大數據和人工智慧時代面向國際范圍全行業的數據分析專業人才職業簡稱，具體指在互聯網、金融、咨詢、電信、零售、醫療、旅遊等行業專門從事數據的採集、清洗、處理、分析並能製作業務報告、提供決策的新型數據人才。
❼ 新產品開發的5個階段分別是什麼嗎
1、認知分析階段
在這個階段，尤其對新產品來說需要對環境（市場現狀、核心用戶痛點、競品等）、資源、產品定位等有清晰的認識。
2、交互原型階段
有了設計目的，接下來進行低保真原型設計。產品經理或者設計師會通過繪制簡單圖形來表達「產品關鍵流程」、「關鍵功能結構」等，以此與項目成員溝通並評估可行性。
3、界面視覺階段
每個產品都有各自獨特的性格。這個階段，需要視覺設計師在理解產品目標及交互框架的前提下，能夠提煉產品性格，為產品進行設計定位並賦予情感。
4、研發實施階段
這是解決方案的生產、測試環節，該階段同時需要產品、視覺設計師的同步跟進，以確保解決方案的質量。
5、驗證改良階段
觀察數據：收集上線後的產品數據、用戶行為數據。驗證目標：將收集的數據與初期設定的產品數據對比，看是否達到設計目標。通過用戶行為數據，了解用戶使用產品是否和自己預期是否相符，進一步了解原因。
發現問題，持續改進：根據上線後的數據、用戶反饋、新的功能進行持續迭代。
(7)產品哪個階段數據分析價值小擴展閱讀：
產品開發的關鍵節點
1、產品管理部根據研發計劃編制具體的產品設計方案
2、產品管理部針對產品設計方案，組織相關部門進行可行性論證，包括財務部、生產部、市場營銷部、采購部等，產品管理部根據論證意見，對產品設計方案進行修正
3、產品管理部根據市場測試反饋的信息，進行樣品修改，以完善產品設計
4、產品管理部根據總經理的審批意見，對樣品進行調整後，正式為產品定型，准備投產
❽ 產品生命周期四個階段
產品生命周期的四個階段：導入期、成長期、成熟期、衰退期。產品生命周期亦稱「商品生命周期」。是指產品從投入市場到更新換代和退出市場所經歷的全過程。
是產品或商品在市場運動中的經濟壽命，也即在市場流通過程中，由於消費者的需求變化以及影響市場的其他因素所造成的商品由盛轉衰的周期。
(8)產品哪個階段數據分析價值小擴展閱讀
產品從准備進入市場開始到被淘汰退出市場為止的全部運動過程，是由需求與技術的生產周期所決定。是產品或商品在市場運動中的經濟壽命，也即在市場流通過程中，由於消費者的需求變化以及影響市場的其他因素所造成的商品由盛轉衰的周期。
主要是由消費者的消費方式、消費水平、消費結構和消費心理的變化所決定的。一般分為導入（進入）期、成長期、成熟期（飽和期）、衰退（衰落）期四個階段。
❾ App數據分析，到底要分析什麼
按大眾化的分法，產品的生命周期(PLC, Proct Lifetime Cycle)分為初創期、成長期、成熟期、衰退期，在產品的每個階段，數據分析的工作權重和分析重點有所區別，下面按階段結合案例來聊聊。
一、初創期
初創期的重點在於驗證產品的核心價值，或者說驗證產品的假設：通過某種產品或服務可以為特定的人群解決某個問題。這個階段應當遵循MVP(Minimum Variable Proct) 的思想，以最小的成本來驗證創業的想法，並根據用戶的反饋快速迭代以調整解決方案，最終在數據上得到驗證。
案例：
拿之前做的某款國外移動端論壇社交應用為例，產品在idea時期(12,13年左右)發現了論壇用戶經常在吐槽從移動端Wap頁訪問論壇速度慢、廣告多、完全沒有移動端適配，於是我們提出假設：做一個App，連接論壇系統與用戶，讓論壇用戶在移動端也能享受流暢的論壇訪問體驗，並且用戶願意為了這種體驗付費。
於是在初期，整個產品完全圍繞看帖、發帖兩個核心場景進行挖掘，在論壇里進行宣傳，售價$18，發現有許多用戶為之付費，且這些用戶的留存率達到60%+(當然與用戶付費了有關)，有一半的用戶使用時長都超過了70分鍾。當時沒過多久陸續出來了一些競品 (Vbulletin團隊，當時最大的論壇系統，開發了一個移動端的App，意圖解決同樣的問題)，但是沒過多久都遠遠落在了我們後面，就是因為整個團隊遵循MVP的思想，按用戶反饋專心反復打磨看帖、發帖的流暢體驗，獲得了非常好的用戶口碑並領先市場，也獲得了某著名矽谷投資機構的投資。
關鍵數據——目標人群畫像
除此之外，初創期可以通過接入一些第三方的應用監測SDK來了解初期用戶群體的畫像，從側面驗證用戶群體與假設的目標用戶群體特徵是否一致，常見的是人口學屬性(性別、年齡、學歷、地域)。
案例：
今年4月初在和國內某健身類的APP的產品經理聊到， 該APP最初是一款健身、運動記步的工具App，在產品前期新用戶的次日留存處於業內平均水平，在其觀察到目標用戶群體的畫像時，發現女性用戶明顯比男性用戶要多，且女性用戶留存明顯比男性用戶要高。於是決定在產品策略上向女性用戶傾斜，主攻女性健身、減脂、美容方向的功能以及內容推薦，產品整體次日留存率相比之前增長近100%。
同樣，最近服務了一個鵝廠內部客戶，他們開發了一款新產品，意在面向年輕人群體，結果卻發現其用戶年齡分布以青少年和老年人居多：
這正好與他們的用戶渠道相關，原來他們有一款面向青少年和老年人的產品，為了給產品帶來第一批用戶，他們直接從老的產品將用戶引流過來，結果發現他們並非產品的目標用戶。
關鍵數據——留存率
在當前用戶符合目標受眾特徵時，核心關注這些用戶的留存率、使用時長/頻率、用戶的黏性等指標，這里就留存率展開來講。
留存率的維度分很多種(7日，雙周，30日等)，依據產品特徵來選擇，若產品本身滿足的是小眾低頻需求，留存率則宜選擇雙周甚至是30日;留存率高，代表用戶對產品價值認可並產生依賴，一般來說，假設便能得到驗證，通常低於20%的留存會是一個比較危險的信號。
介紹一個以數據為驅動的先行指標模型，可以通過找到先行性指標指導產品設計，從而提升留存率。先看下先行性指標的定義，先行性指標是指新用戶在使用產品早期的一種產品行為，這個指標與用戶的留存率指標之間存在著非常高的線性相關關系，可以預測用戶是否會在產品中留存下來。
用自己總結的公式來描述，大致如下：
積極預測可能性(%)：表示用戶執行了該行為，即可預測該用戶留存活躍的可能性
消極預測可能性(%) ：表示用戶如果不執行該行為，即可預測該用戶不留存活躍的可能性
最終，先行性指標的可信度=積極預測可能性 X 消極預測可能性 ，我們直接看案例。
案例
拿之前的論壇社交App為假設，假設「用戶在注冊前10天內添加好友超過7個」為先行性指標，那麼我們計算一組數據：
其中，用戶前10天內添加好友超過7個，則其30日留存下來可能性為99%;若添加好友小於7個，則其30日不留存下來(流失)可能性為95%，綜合指標可信度為0.9405。
同理，計算以下兩個先行性指標可信度：
最終，我們得到對比：
以上只是假設的數據，實際上，我們需要對比十幾個甚至是二十幾個行為指標才能找出先行性可信度最高的行為。
這個模型中第一條「新用戶在注冊後的10天內添加好友超過7個」，也就是Facebook一個經典的「aha moments」，所謂」aha moments」即當用戶意識到產品的核心價值的時刻，也就是我們的「先行指標」。
(Facebook，Instagram推薦好友截圖)
除此之外，先行性指標應當滿足以下條件：
二、快速成長期
經過了產品打磨的初始階段，產品有了較好的留存率了，這個時候產品開始進入自發增長期。自發增長期的產品階段，仍需要關注用戶留存、用戶時長、用戶畫像的變化等數據，但可以將側重點關注在用戶的整個生命周期的管理，其中以新用戶的增長、激活、觸發「aha moments」到產品穩定活躍用戶的整個漏斗分析為主。
新用戶的增長和激活
其中新用戶的增長和激活一般有兩種方式，第一種是構建產品的病毒性傳播系數, 讓產品自發增長，《精益運營數據分析》書中有提到的幾個用戶病毒式傳播分類很有趣：
原生病毒性，即通過App本身的邀請好友功能而傳播吸引的新用戶的方式;
口碑病毒性，即通過口碑傳播，用戶主動通過搜索引擎成為的新用戶;
人工病毒性，即通過人工干預，如有獎邀請等激勵措施來鼓勵用戶進行邀請行為。
這里關注的一個指標稱之為「病毒式傳播系數」，感興趣的同學可以自行深入了解。
新用戶下載->激活->『Aha Moments』->產品穩定活躍
產品開始進入自發增長期後，需要關注用戶從新用戶到活躍用戶(留存後)、到核心用戶的生命周期，並將每個過程的關鍵指標提煉並精細化。
案例
以之前的論壇社交APP為例，新用戶進入產品會看到一個歡迎頁(如左下圖)，經過注冊、登錄後會看到產品的首頁(如右下圖的Feed流頁面)，多數App都有類似的流程：
一個新用戶從進入App歡迎頁到最終成為核心用戶大概是以下流程：新用戶(探索發現產品價值中)-> 旁觀者(逐漸認知產品價值並有一定的參與感)-> 生產者(認同產品價值並積極參與)：
按大眾化的分法，產品的生命周期(PLC, Proct Lifetime Cycle)分為初創期、成長期、成熟期、衰退期，在產品的每個階段，數據分析的工作權重和分析重點有所區別，下面按階段結合案例來聊聊：
此時，對各個階段的用戶行為進行指標分解：
新用戶&探索發現者：
歡迎頁跳出率
新用戶注冊率
新用戶引導流程轉化率
初始看到Feed頁跳出率
搜索結果轉化率
推送許可權開通率
旁觀者(路過者)：
平均每個用戶關注板塊數
平均每個用戶關注其他用戶數
平均每個活躍用戶贊/分享數
Feed卡片展示數
Feed卡片點擊數
訂閱內容推送點擊率
內容生產者：
· 平均每個活躍用戶發帖數
· 平均每個活躍用戶發照片、視頻數
· 平均每個用戶在論壇內使用時長
· 活躍用戶在論壇內行為分布
精細化的拆分用戶生命周期前中期的行為指標，在產品快速增長期幫助了產品不斷打磨細節，將用戶從新進到成為核心用戶體驗不斷完善。與此同時，在各節點數據提升並穩定後，產品運營的同學則開始進行各種推廣、投放的宣傳以擴大盤子、佔領市場。
三、成熟期
隨著用戶快速增長，產品不斷完善，產品在進入成熟期前後，數據運營關注的重心開始從用戶生命周期的前半段(吸引、激活、留存)往後半段(流失、迴流)開始偏移。
這里分享一個在增長期和成熟期關注的數據模板 Daily Net Change (應用自John Egan@Pinterest)，區別於只關注DAU、MAU數據，只關注活躍用戶數的增減很多時候都是取悅自己，而這個模型能幫助直觀地觀察到用戶增長的因子是什麼，或者用戶盤子變化的情況，通過一張圖展示了產品的新增、迴流和留存情況。
其中Net Change = 新增用戶 + 迴流用戶 – 流失用戶。
新增用戶即當天有多少新用戶加入
迴流用戶即多少老用戶連續28天沒有使用，今天又開始使用
流失用戶即有多少已有用戶剛好最後一次使用應用是在28天前
流失與迴流
在關注流失迴流的過程中，數據會揭示當前用戶盤子的一個變化情況，具體分析流失原因則可以參考下方流程：
核心思路即，通過回訪定性+數據驗證為主要手段，確定流失原因，改變產品運營策略以預防用戶流失或拉回用戶，促進迴流。
除此之外，對於一些穩定的投放渠道，普通的改善方法可能提升轉化有限，此時可以進行更精細化的渠道分析來優化提升ROI：
案例：
提升ROI
四、衰退期
最終，產品進入衰退期，一般在進入衰退期前可以採取兩種方式：
1、規模化
常出現在零售業中，如開一家按摩養生店，在一定范圍內收獲好評，那產品成熟的時候則可以開啟連鎖加盟模式，通過迅速而廣泛的擴大市場形成品牌效應，以形成壁壘，此時衰退的風險則被抵禦。
2、生態化
在產品增長或接近完善時，單一的產品很容易存在需求過於垂直、用戶無法形成依賴的問題，可以開發具有協同能力的新產品以搭建完整的產品生態，使得在當前產品上無法被得到滿足或失去興趣的用戶被引流到新產品，作為新產品的新用戶;同時新產品的用戶也能在新產品上被引流回老產品，產品之間形成互相依賴的鏈條，最終用戶有效流轉，形成生態。
本文轉載自搜狐，作者：商助科技， 鏈接：http://www.sohu.com/a/217398072_501610
❿ 產品運營如何做好數據挖掘與分析
對於產品和運營避免不了要和數據打交道，在打交道的同時如何讓數據為產品和運營服務呢？從數據的變化中發現產品的問題，讓數據說話，准確的匯報產品和運營的各維度指標的。那就需要通過一些維度來定義產品、運營數據。對於產品和數據分析一般思路可以歸集為：了解產品現狀的數據、了解發展趨勢的數據呈現、發現問題的數據記錄、認清用戶對產品的使用情況的數據、營銷和推廣數據。數據分析的維度科劃分為：產品現狀、了解趨勢、發現問題、認清用戶、營銷與推廣。
對於著幾個大維度，又回需要不同小維度的劃分。產品現狀維度會記錄數據的來源、PV、UV、人數、次數、收入、用戶屬性、活躍度。通過這些數據來考量產品的現狀。了解趨勢的數據，環比、同比、流動模型、增長率、留存率、流失率。發現問題的收集：漏洞模型、問卷調查。認清用戶偏好的數據：功能模塊使用（數據埋點）、以及熱度分析。運營推廣的數據：精準化投放、用戶生命周期的管理、拉新、留存等。