本文作者 @于晓松（诸葛io） 来自诸葛io团队。
所有伟大的产品，都离不开用户的追随与期待。 ——诸葛io
我相信，不少应用开发者对AARRR模型都有所了解，并且经常会观察产品数据指标的变化和趋势。但是，如何有效的利用这些指标指导产品及运营的改进，多少有些让人感觉无措。很多情况下：
我们得到了非常清晰的产品数据指标；
然而，我们的产品和运营改进依然是盲目的。
换句话说，数据指标并不足够直接指导产品的改进。这是由于：产品的数字指标过于宏观，而用户增长的构成是非常微观的——我们的用户是一个一个（one by one）被获取、激活和留存下来的。
因此，在观察数据到用户增长之间，我们还有一些非常重要、非常具体的事要做：
第一步：弄清目标和当前的主要问题
在开始之前，确立产品的目标、弄清当前最亟待解决的问题，是至为重要的事。
比如，一个电商类产品已经确立其目标是提升销售额。接来下，就要分析当前最主要的问题是什么？是新用户的增长不够多，还是老用户的重复购买率太低？
这些问题，可以利用各类应用分析工具很方便的得到。
第二步：找出问题相关的数据指标
弄清目标和主要问题后，下一步是要找出和问题最直接相关的数据指标。
比如，如果当前的问题是用户的重复购买率低，那么还进一步分析：用户在第一次购买多久之后的购买率会有显著的降低？哪些人群的重复购买率明显的低于或高于全部人群的平均值？
总结起来就是：要尽可能精准的定位问题的点（时间、人群、渠道……）。
第三步：对问题指标的相关人群进行画像分析，探究问题背后的可能原因
找到较为精确的问题点及相关指标后，可以围绕这些指标做背后人群的画像分析，看能不能找到潜在的原因。
比如，分析重复购买率明显高于均值的用户的群体画像，将其人群属性、行为特点与其他用户做对比，找到不同点，分析这些不同点与重复购买率之间的关系（需要的话，可以直接或间接联系少量的用户以做验证）。
通过探索，您可能会发现一些可能的原因。
比如，您可能会发现，某项功能的使用不便、或者某个地区用户习惯的不同是造成问题的可能的原因。
第四步：改进产品或运营
在上一步，您已经分析出了一项或几项可能影响用户增长的原因。接下来，您需要做的是从可能性以及改进成本等方面评估，并对产品或运营做出改进。
比如，改进易用性差的功能，或针对有问题地区的用户增加引导。
第五步：观察指标和画像，分析改进效果
改进后，对问题指标及问题相关人群进行持续的观测，验证是否达到了预期的效果。如果达到了预期的效果，则继续按照上面的步骤分析新的问题并加以解决。如果未达到预期的效果，也可以继续按照上面的步骤继续分析问题的原因，或者放弃转向其他问题。
总结
正所谓“集腋成裘、聚沙成塔”，用户增长是一件积少成多的事儿。
在数据指标和用户增长之间有很多坑，让产品和运营的改进变得步履维艰、让用户的增长变得缓慢。
基于产品目标、针对关键问题的用户群体画像分析是一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！
本文作者于晓松，是诸葛io的PM。
本文由@于晓松 授权发布
转载请联系作者本人
本文作者 @于晓松（诸葛io） 来自诸葛io团队。
所有伟大的产品，都离不开用户的追随与期待。 ——诸葛io
我相信，不少应用开发者对AARRR模型都有所了解，并且经常会观察产品数据指标的变化和趋势。但是，如何有效的利用这些指标指导产品及运营的改进，多少有些让人感觉无措。很多情况下：
我们得到了非常清晰的产品数据指标；
然而，我们的产品和运营改进依然是盲目的。
换句话说，数据指标并不足够直接指导产品的改进。这是由于：产品的数字指标过于宏观，而用户增长的构成是非常微观的——我们的用户是一个一个（one by one）被获取、激活和留存下来的。
因此，在观察数据到用户增长之间，我们还有一些非常重要、非常具体的事要做：
第一步：弄清目标和当前的主要问题
在开始之前，确立产品的目标、弄清当前最亟待解决的问题，是至为重要的事。
比如，一个电商类产品已经确立其目标是提升销售额。接来下，就要分析当前最主要的问题是什么？是新用户的增长不够多，还是老用户的重复购买率太低？
这些问题，可以利用各类应用分析工具很方便的得到。
第二步：找出问题相关的数据指标
弄清目标和主要问题后，下一步是要找出和问题最直接相关的数据指标。
比如，如果当前的问题是用户的重复购买率低，那么还进一步分析：用户在第一次购买多久之后的购买率会有显著的降低？哪些人群的重复购买率明显的低于或高于全部人群的平均值？
总结起来就是：要尽可能精准的定位问题的点（时间、人群、渠道……）。
第三步：对问题指标的相关人群进行画像分析，探究问题背后的可能原因
找到较为精确的问题点及相关指标后，可以围绕这些指标做背后人群的画像分析，看能不能找到潜在的原因。
比如，分析重复购买率明显高于均值的用户的群体画像，将其人群属性、行为特点与其他用户做对比，找到不同点，分析这些不同点与重复购买率之间的关系（需要的话，可以直接或间接联系少量的用户以做验证）。
通过探索，您可能会发现一些可能的原因。
比如，您可能会发现，某项功能的使用不便、或者某个地区用户习惯的不同是造成问题的可能的原因。
第四步：改进产品或运营
在上一步，您已经分析出了一项或几项可能影响用户增长的原因。接下来，您需要做的是从可能性以及改进成本等方面评估，并对产品或运营做出改进。
比如，改进易用性差的功能，或针对有问题地区的用户增加引导。
第五步：观察指标和画像，分析改进效果
改进后，对问题指标及问题相关人群进行持续的观测，验证是否达到了预期的效果。如果达到了预期的效果，则继续按照上面的步骤分析新的问题并加以解决。如果未达到预期的效果，也可以继续按照上面的步骤继续分析问题的原因，或者放弃转向其他问题。
总结
正所谓“集腋成裘、聚沙成塔”，用户增长是一件积少成多的事儿。
在数据指标和用户增长之间有很多坑，让产品和运营的改进变得步履维艰、让用户的增长变得缓慢。
基于产品目标、针对关键问题的用户群体画像分析是一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！
本文作者于晓松，是诸葛io的PM。
本文由@于晓松 授权发布
转载请联系作者本人