一、前言

最初接觸數據分析工具是cnzz網站分析，后來使用GA（google analytics）做網站分析，當時分析的不是很細致，而且都是web端產品，設置非常簡單，創建一段JS代碼，添加到每一個頁面即可，上手容易，配置成本極低。隨后接觸APP產品的數據分析需求，發現SDK埋點效率極低，從運營/市場出數據需求，產品出埋點文檔，開發從代碼層面設置埋點，后續還涉及到不同版本和不同渠道的迭代補充甚至重復埋點，可謂效率極低，至今也嘗試使用了諸葛，神策，友盟，騰訊移動分析，其實都沒有從本質上解決現有問題，雖然報表維度和看板視圖越來越完善，但是，現在主流的數據分析平臺提供的服務同質化嚴重，幾乎都提供了事件分析，漏斗分析，用戶路徑分析，用戶分群，點擊分析，用戶畫像，可視化埋點，全埋點等功能。

測評活動中提到的騰訊移動分析（MTA）三大優勢：

免費：為所有的開發者和APP運營者提供免費的服務；

精準：實時監控新增、活躍等關鍵指標，并且可以精準的統計各種用戶需要的運管指標數據；

全面：包含多個符合實際使用場景的功能，例如用戶行為數據統計、廣告監測等。

免費？2B類的服務前期免費，早晚是要收費的，畢竟收費簽合同了，B端的企業才會更加放心。

精準？提供的功能與cnzz，GA，神策等數據平臺類似，差異度不大。

全面？數據分析工具核心是提升企業的效率，而單純的全面并不一定是企業所必須的，而2B類服務一般特點是個性化需求較多，全面未必能吸引企業采購或更改數據服務平臺。

正文將分成2個部分，第一步痛點分析，第二部分腦洞解決方案。筆者嘗試從痛點分析入手，分析數據服務產品在實際應用中，主要參與方的核心痛點。第二部分嘗試個人腦洞一下，針對痛點，可以有哪些方式作為備選解決方案。

二、痛點分析

首先我們來看一下數據分析系統什么人在用？在什么場景下使用？使用的目標是什么？已有數據分析平臺使用過程中遇到了哪些問題？一般來說，大型互聯網產品會選擇自建數據分析平臺，中小型互聯網公司選擇使用第三方數據平臺，那么哪些因素可以影響這些中小型公司選擇數據分析平臺呢？

1、市場分析

基于數據的量化產品設計和運營策略優化已經成為行業的共識，今日頭條的一系列產品均采用數據驅動，而曾鳴教授在智能商業20講中提到了智能引擎對于未來商業組織的的重要性。一般來說，大公司普遍自建團隊，構建自己的數據分析系統，中小公司會選擇第三方數據服務平臺。從大公司的自建的分析平臺中，我們可以看到數據分析的發展方向，數據分析平臺需要承擔著運營效果監控，產品優化效果評估，內容智能分發，A/B測試實驗平臺等職能，利用大數據和人工智能，構建企業的商業智能，而這也是那些使用數據服務平臺的中小企業（中小互聯網公司和大型傳統公司）期待獲得的服務。而作為數據服務平臺，如何讓自己的服務內嵌到一個成長中的公司當中，為其承擔數據采集，數據清洗，數據存儲，數據分析或數據挖掘等一系列工作則是設計的關鍵。

2、用戶分析

企業中需要與數據平臺打交道的角色有四個：老板，市場，產品和開發，我們分別來看現有場景中各個角色都有哪些訴求。

老板：看各種銷量數據，同比，環比數據，我公司整體情況，具體業務的增長情況等。

市場/運營：通過漏斗分析了解各種影響活動的轉化率，關注營銷活動ROI，病毒傳播等情況。

產品經理：通過漏斗分析了解產品優化效果，發現功能性問題；配合市場同學編輯埋點文檔給開發。

開發：配合產品和市場同事，進行SDK埋點操作。

3、目標分析

老板：需要看數的時候，第一時間可以拿到需要的數據，可以獲得基于數據分析和數據挖掘的智能決策輔助；

市場/運營：配置簡單，配置速度快，各種轉化率自動生成可視化圖表，用于匯報PPT制作；

產品經理：通過數據分析系統直觀觀察某個功能優化效果，不同版本之間留存對比分析，設置簡單，最好可以無需聯系開發同學創建新增埋點需求；

開發：最好可以在功能開發時一次配置埋點，不用后續多次調整。

4、痛點分析

（1）每次新增頁面，功能優化，新增功能，按鈕改名等情況發生，都需要運營或產品發起，開發配合，重復埋點 ，開發增加工作量，多部門多人員協調效率低，經常還出現一個按鈕多次埋點，極大浪費資源。

（2）APP版本更新，功能優化，頁面布局或層級調整時，需要重新埋點，新增埋點和前期埋點無法形成有效的關聯，人工維護比對成本較高；

（3）APP版本更新，功能優化，頁面布局或層級調整時，漏斗可能失效，而且可能導致無法有效對比不同版本之間的轉化效果，人工記錄不同版本之間的漏斗工作量，效率較低；

（4）分析工具提供的分群功能可以觀察分群用戶的行為數據，如果希望做A/B測試，在同一人群中做不同版本的測試操作繁瑣，無法保證測試效果的統計學有效性和實際有效性。

（5）現在所有平臺的用戶畫像都是單維度數據的可視化展示，以往產品經理都會嘗試根據用戶數據和焦點小組，頭腦風暴出一個定性的用戶畫像，包括人物的靜態屬性和喜好偏向，而這種定性分析缺乏定量的數據支撐，現有數據分析平臺提供的用戶畫像并不能有效幫助產品和運營做出有效優化。

5、推廣策略

前文中已經分析過，數據分析平臺面向的用戶是中小互聯網公司，沒有能力自建智能數據分析平臺，但是又存在著數據驅動的需求，而在這些中小型互聯網公司中，如何使用數據工具，如何提供真正有效的分析方法，如何為其有效賦能就成為了關鍵，因為基于AI的數據分析門檻較高，這也正是第三方數據平臺的機會，通過智能化數據分析平臺的構建，內嵌到這些中小互聯網公司內部，當產品可以解決上文中描述的痛點，可以考慮利用各種產品經理大會，運營大會進行知識分享，分享的主體是如何利用數據驅動產品優化，驅動運營優化，過程中簡單介紹我們的平臺可以提供給用戶哪些功能，通過用戶教育擴展影響。

三、腦洞解決方案

1、智能精細畫像

基于用戶靜態數據和行為數據聚類創建精細用戶畫像，為產品和運營設計活動和功能提供用戶形象參考，騰訊是否可以利用起海量數據為平臺封裝成屬性數據，幫助企業完善用戶自有數據維度缺失，補全用戶形象，做出類似于下方的真正有效的用戶畫像。

2、智能可視埋點

前文中提到，APP版本更新，功能優化，頁面布局或層級調整時，需要運營協調產品出埋點文檔，產品協調開發配置埋點，配置時效性差，多人協調效率低，重復埋點浪費資源。建議提供真正的可視化埋點，筆者僅從產品設計角度提供一種可能的解決的方案：全頁面埋點+可視化勾選生效。

全頁面埋點將導致程序運行變慢，服務器壓力增大，但是可以考慮對全頁面埋點，并關閉所有埋點。數據分析平臺通過apk文件識別，將APP的頁面虛擬出來，并將可以啟動埋點，站上可以參考原型設計工具，對于數據平臺來說做一個頁面跳轉畫布（產品詳情頁不做全亮虛擬，制作結構虛擬），大概邏輯如下圖所示：

通過APP版本模擬，將全量功能頁面截圖頁面邏輯制作成產品服務地圖，開發配置是做全頁面埋點，產品和運營根據自身需求找到埋點頁面。

全頁面埋點默認關閉，可登錄后臺進行操作啟用埋點。實現產品和運營自主完成埋點工作。

3、智能漏斗創建?

前文中提到，不同版本之間的漏斗可能失效，結合頁面內容的自然語言識別，是否可以嘗試為產品和運營人員自動生成觀察漏斗，其實漏斗關注的核心情況無非是注冊轉化，購買轉化，其實業務邏輯類似，當業務人員完成可視化埋點節點啟用，可以嘗試為產品和運營人員自動生成事件漏斗。前文中反應可能因為各種原因導致老漏斗失效，這種情況建議平臺提供預警，保證漏斗可以持續有效獲取數據，同時提供不同版本之間的漏斗數據對比。

4、多維度A/B測試功能

曾經寫過一篇文章，關于今日頭條的實驗驅動產品和運營優化策略，其中介紹了今日頭條那一套實驗系統-《以今日頭條為例，詳述數據思維驅動產品設計的方法論》。筆者認為，數據分析平臺有理由成為互聯網公司A/B測試的平臺，整合類似于吆喝科技提供的A/B測試服務，讓用戶分群功能更加有效落地，產品和運營可以基于不同用戶群，進行產品功能A/B測，觀察用戶轉化的統計有效性和實際轉化有效性，真正做到產品的優化有數據支撐。

5、用戶教育

數據分析平臺如果想要獲得更多的合作伙伴，平臺需要積極參與到數據驅動的產品設計的教育當中，平臺要借助各種線上線下活動，如何做基于數據的產品功能優化，運營策略完善，類似于今日頭條在混沌大學上的分享，組織可中對外的公開分享，將數據分析工具在實際工作中可以實現的效果，如何做到有效利用數據分析和數據挖掘，支持產品選擇，優化產品功能，提升運營效率。平臺可以考慮利用現有的各種知識服務，打造數據驅動產品設計課程，在這個過程中介紹產品如何使用。

本人5年B2B電商高級產品經理，以上腦洞都是為了效率提升，筆者認為2B類服務核心是內簽到服務方內部，真實解決協作效率，同時利用AI的圖像識別和自然語言識別技術，數據分析效率和數據挖掘效率的極大提升，希望有機會加入騰訊。