編輯導(dǎo)語：產(chǎn)品在設(shè)計或迭代過程中，應(yīng)該新增、保留、或刪減什么功能，才能使產(chǎn)品迭代達(dá)成效果，滿足用戶的最終需求，提升用戶的產(chǎn)品使用體驗？本篇文章里，作者以微信為例，對產(chǎn)品功能留存一事做了詳細(xì)解讀，一起來看一下吧。

近幾年餐飲賽道被資本熱捧，接連有不少連鎖餐飲上市。但凡效益好的餐飲企業(yè)肯定有主打的暢銷菜品，我們可以通過美團(tuán)、餓了么、大眾點評等平臺很容易查看每家餐館的明星菜品。

如果我們把互聯(lián)網(wǎng)產(chǎn)品功能或者服務(wù)看做是菜單上的每道菜，如何清楚知道哪一道最受客戶歡迎，下單率最高、復(fù)購率最高？哪些又不受歡迎？

一、產(chǎn)品功能留存矩陣

在演進(jìn)產(chǎn)品（核心）功能的過程中，可以使用功能留存矩陣來判斷產(chǎn)品功能的表現(xiàn)。綜合使用功能的“功能留存率”和“使用用戶占比”評估。

還是以微信為例，對“發(fā)現(xiàn)”菜單中的5個功能（朋友圈、直播、掃一掃、搜一搜和小程序）進(jìn)行分析。

二、繪制留存矩陣

在繪制留存矩陣之前需要界定用戶群體，我們將當(dāng)前2月使用微信的用戶作為研究對象。

• 功能使用用戶占比 = [2月份使用某功能的用戶量]/[2月份使用微信的所有用戶量]
• 功能留存率 = [1月份使用某功能的用戶在2月份繼續(xù)使用的用戶量]/[1月份使用某功能的用戶量]

留存矩陣使用BI繪制，數(shù)據(jù)均為模擬值。2條警戒線分別為各功能在用戶占比和功能留存率的平均值，且將矩陣劃分為四個象限（區(qū)域），可以清晰地展示各功能的相對受歡迎情況。

三、分析留存矩陣

在留存矩陣中，橫坐標(biāo)代表功能留存率，縱坐標(biāo)代表功能的用戶使用占比。

1. 在第一象限中的“朋友圈”和“掃一掃”功能，留存率最高、使用占比最大，是最棒的功能。滿足產(chǎn)品和市場匹配狀態(tài)（PMF, Product Market Fit）；
2. 在第二象限中的“搜一搜”，使用的人多，但是留存率較低。說明該功能對用戶有意義但是使用的頻率低，可以考慮通過場景化提供使用頻率，是重點優(yōu)化的方向；
3. 在第三象限中的“小程序”，使用的人少且留存率較低，在資源有限的情況下可以考慮刪除；
4. 在第四象限中的“直播”，留存率高但是使用用戶少。需要讓更多的用戶使用該功能，可以考慮增加入口或者適當(dāng)?shù)耐扑吞崾镜?，在資源有限時可以考慮減少該部分功能的投入。

四、產(chǎn)品數(shù)據(jù)分析方法

Capital One副總裁 Christian Robrer繪制了對用戶進(jìn)行定性和定量分析的矩陣，橫軸是測量方法，縱軸是信息類型。

信息類型就是對用戶和產(chǎn)品進(jìn)行分析時獲得的信息，分為行為和態(tài)度兩種。

1. 行為是用戶通過實際行動體現(xiàn)的，是更為真實的信息。
2. 態(tài)度信息是用戶表達(dá)出來的喜好和觀點，在訪談時要避免引導(dǎo)，用戶調(diào)研也要設(shè)計科學(xué)的問卷。

用戶用“腳”投票表達(dá)的是真實的態(tài)度。通過功能留存分析，能夠聚焦產(chǎn)品的核心演進(jìn)方向，避免自嗨。

在產(chǎn)品初期，尤其是產(chǎn)品尚未發(fā)布時，我們會嚴(yán)重依賴用戶訪談等定性測試方法。產(chǎn)品發(fā)布之后，隨著用戶規(guī)模的增長，則更多地使用定量分析來度量產(chǎn)品表現(xiàn)。

上圖為某一新功能發(fā)布后后續(xù)4周的留存表現(xiàn)，1周后的留存只有30%。

說明該功能沒有很好地解決用戶問題，或者用戶尚未發(fā)現(xiàn)該功能的價值（沒讓用戶啊哈）。

這需要我們對功能本身或者向?qū)нM(jìn)行重新思考。

五、找到產(chǎn)品對用戶的“爽”點

所有快速增長的產(chǎn)品都有一個共同點，就是廣受喜愛。在用戶眼中，自己喜愛的產(chǎn)品是“不可或缺”的。

對于產(chǎn)品人而言，被用戶喜歡是結(jié)果，創(chuàng)造被用戶喜歡的功能才是原因。

1. 采用最小可行性測試（MVT）

上圖是大家熟知的提供最小可行性產(chǎn)品（MVP, minimum viable product）的思路，通過這樣的測試，你可以找到客戶群和功能的完美組合，打造不可或缺的產(chǎn)品。

但實際上提供可實際使用產(chǎn)品的實驗可能需要耗費不少的金錢和時間，特別是需要工程師開發(fā)或者需要對產(chǎn)品進(jìn)行大幅設(shè)計的時候。所以比MVP成本更低的實驗是采用最小可行性測試（MVT，minimum viable test）。如果測試結(jié)果理想，團(tuán)隊就可以執(zhí)行更全面的后續(xù)測試。

以亞馬遜為例跟大家分享開展最小可行性測試的“三步式”框架。

針對早期的亞馬遜網(wǎng)站開展MVT：

• 明確價值主張：提供在線購書平臺，讓用戶可以在線購買任何圖書。
• 列出風(fēng)險假設(shè)：人們是否真的需要在網(wǎng)上購書？
• 測試原子單元：網(wǎng)購圖書。

解決方案：打造一個購書網(wǎng)頁來展開測試并驗證設(shè)想。

1. 客戶是否喜歡一長串的圖書清單，如果客戶覺得信息雜亂的，那你就會明白，這可能并不是正確的解決方案。
2. 相反，如果你通過搜索功能允許用戶自行搜索希望購買的圖書，但消費者不知道搜索什么書時，你就會發(fā)現(xiàn)，人們的需求并不是“搜索”，而是“發(fā)現(xiàn)”。
3. 通過這些測試，你可以獲得許多洞見，這有助于讓你打造出真正滿足用戶需求的產(chǎn)品。

如果用戶只是關(guān)心是否能夠買到想要的圖書而不在意購買方式，提供電話咨詢和購買也可以是一個原子測試。

2. 跟蹤分析活躍用戶的行為

如果我們已經(jīng)有了可以使用的產(chǎn)品，通過功能留存矩陣可以找到認(rèn)可你的產(chǎn)品的用戶，可以根據(jù)不同用戶的屬性對用戶進(jìn)行分類。

用戶天然存在著人口屬性（性別、年齡等）、社會屬性（職業(yè)、收入等）、使用特征（活躍、沉默等）等差異，用戶特征的差異隱藏著用戶訴求的差異，我們需要區(qū)分不同特征的用戶，有針對性的運營，提供最優(yōu)的服務(wù)。

通過跟蹤用戶的行為路徑，找到高留存用戶和功能事件之間的關(guān)聯(lián)關(guān)系，并重新設(shè)計產(chǎn)品路徑，讓用戶用著“爽”、“哇塞”起來。

3. 盡早讓用戶體驗到產(chǎn)品的“啊哈時刻”

“啊哈時刻”是用戶在使用產(chǎn)品時有滿足感的時候，有“原來這樣”、“很不錯”的感慨。

• 使用美顏相機(jī)時：啊，拍出來的自己這么漂亮！
• 刷微信朋友圈時：我去，那家伙又去三亞度假了！

有時候，一個產(chǎn)品并沒有提供真正意義上的“啊哈體驗”，仍需要進(jìn)一步探索開發(fā)。但也有時候，產(chǎn)品已經(jīng)具備了提供“啊哈體驗”的元素，就需要進(jìn)行更有效的引導(dǎo)，讓更多用戶體驗。

一個產(chǎn)品的“啊哈時刻”有時候可能難以確定，也可能和產(chǎn)品人的設(shè)想不同。

所以在確定產(chǎn)品是否具有令人驚嘆的潛力時，關(guān)鍵是通過挖掘用戶數(shù)據(jù)和反饋，從那些真正熱愛你產(chǎn)品的用戶中發(fā)現(xiàn)相似之處。而且在產(chǎn)品的演進(jìn)過程中，“啊哈時刻”也是會變化。Twitter最早的定位是發(fā)布個人動態(tài)，而現(xiàn)在已經(jīng)成為最大的資訊獲取平臺。

一旦明確了“啊哈時刻”，也就實現(xiàn)了產(chǎn)品和市場的匹配，就可以增加資源、擼起袖子，大干一場了！

六、用“增長黑客”方法打造產(chǎn)品

“增長黑客”的本質(zhì)就是數(shù)據(jù)驅(qū)動增長，而有價值的數(shù)據(jù)必須能夠增加收益或者減少損失（降低成本）。

• 第一步，明確目標(biāo)，《增長黑客》中將衡量目標(biāo)的唯一重要的指標(biāo)稱之為“北極星指標(biāo)”；
• 第二步，通過全鏈路分析或者組成因子分析等拆解“北極星指標(biāo)”；
• 第三步，對拆解后的指標(biāo)設(shè)定增長試驗策略并執(zhí)行試驗；
• 第四步，對第三步進(jìn)行數(shù)據(jù)分析，找到新的增長線索并開啟新一輪試驗。

“增長黑客”概念是肖恩·埃利斯在2010年首次提出，在硅谷已得到了廣泛的應(yīng)用。

我們也經(jīng)常聽到某公司通過“增長黑客”獲得了井噴式的增長，但我們也應(yīng)該清楚所有的增長都是積累的結(jié)果。

“增長黑客”是方法論，切記形式主義，數(shù)據(jù)驅(qū)動才是本質(zhì)。

下篇將介紹通過“增長黑客”方法將產(chǎn)品價值最大化，打造增長引擎。

參看文獻(xiàn)

1. 張溪夢著《首席增長官》
2. 肖恩著《增長黑客》
3. 楊楠楠等著《數(shù)據(jù)產(chǎn)品經(jīng)理》

本文由 @巨蟹小鷗 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于CC0協(xié)議。