MVP方法：如何借助数据驱动产品商业化？

小提示：您能找到这篇{MVP方法：如何借助数据驱动产品商业化？}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的MVP方法：如何借助数据驱动产品商业化？内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

编辑导语：清晰的数据指标可以更直观地展示用户需求与反馈情况，并能帮助产品经理检验项目业务效果。那么，产品经理具体可以从哪些指标进行效果衡量，进而推动科学决策？本篇文章里，作者对验证产品商业化的数据指标作了介绍，一起来看一下。

企业几乎每时每刻都在产生和累积大量业务数据，通过采集数据，将数据进行组织形成信息流，在做决策或者产品、运营等优化时，根据不同需求对信息流进行提炼总结，从而在数据的支撑下或者指导下进行科学的行动叫做数据驱动。

所谓“数据驱动”，就是企业内部运转的一个接一个的 “数据循环”，通过数据分析和价值发现改善用户、产品、财务、盈利方式等核心环节，形成独特的竞争优势，最终实现整个企业乃至供应链的快速运转。

我一再声明真正的产品经理要为产品的商业化结果负责，那么什么是商业化结果呢？

最直观的体现就是用户、产品、财务等数据。产品经理想要为产品的商业化结果负责，就必须通过数据去检验自己的想法、检验产品设计。

在精益创业里，MVP已深入人心，但数据驱动才是精益创业的关键环节。只有通过数据才能证明你的设想是否正确，用数据来证明商业模式是否可行。

以前，对于一个领导者来讲，决策就是靠直觉，需要一直等到最后市场来证明对错，这就消耗了大量的时间和财力。现在要用数据来证明自己的决策，要小步快跑、快速迭代，但是不是瞎跑，每一步都要用数据来说话，证明自己的方向是正确的。

一、常用用户指标

现在产品和服务都是围绕用户来进行展开的，用户的需求、反馈、满意度、体验度等越来越受到关注。所以我们需要对用户进行精细的研究，以便推出更好更有针对性的产品和服务，那么如何对用户进行分析呢？在分析前该如何对用户进行分类呢？如何根据常用的用户指标和值得关注的用户指标去发现运营和产品中的诸多问题？

所以不建议将用户这样混乱无章地分成N个类别，用户指标关键在于以合理的体系将用户结构体现出来，并且每个类别都能发挥其在用户分析上的功效，不存在累赘和混淆。

通常，我们用具有结构性的五个用户指标来衡量，分别是新增用户、活跃用户、流失用户、留存用户、购买用户，结构如图7-8所示。然后衍生一些基础指标用来分析得出可供决策层参考的经营指标。

图7-8 常用用户指标模型

1. 新增用户

不同产品对“新增用户”的“关键行为”定义不同，例如电商类产品的“关键行为”是用户下单购买，游戏类产品的“关键行为”是用户充值，社交类产品的“关键行为”是用户留言互动。

当然，核心关键行为也可以将某次活动的参与度作为活动推广转化用户的“关键行为”，例如领取优惠券、参加主题互动等，以此来判断新增用户的标准。

精细化运营对“新增用户”的定义实际上是通过用户新增的后续行为进行一个简单的用户分层，在定义好“新增用户”的指标后，拉新行为也就并不是只看重下载和打开，而是围绕核心指标进行优化，例如以注册为指标，需要通过观察用户的注册行为路径优化注册流程体验。

2. 活跃用户

挖掘新用户之后我们还需要提高用户的质量，所以我们需要关注活跃用户数。活跃用户可以为产品带来活力并创造持久的价值，而一旦用户活跃度下降，用户很可能就渐渐流失。

通过分析活跃用户可以洞悉产品当前真实的运营现状，由于活跃用户需要人为的根据实际情况设定一些条件，即用户完成设定的条件即为活跃用户。比如社交类网站设定的完成注册指标即为活跃用户，论坛社区设定查看帖子的页面达到两页才是活跃用户等。

3. 留存用户

留存有一个非常重要的意义，客户使用公司的产品，时间越长越好，越长带来的现金流或者利润越高，这就是留存的一个非常核心的意义。如果留存做得好，客户就会一直使用我们的产品，一直给我们带来财富。

就留存而言，我们希望用户留在我们产品的时间越长越好，留存率越高越好，这样利润的面积也就会越来越大。我们不断地拉新，让用户不断地增长，留存用户慢慢在后来平稳地堆积下来，这些都是我们最重要的用户，是可以变现的。

而那些不平稳的用户，我们还要做各种各样的产品的修改、运营或者是市场方面的操作，让他们逐渐地变成留存用户，然后开始变现，实现企业活跃用户的真正增长。

4. 流失用户

流失用户，是指那些曾经使用过产品或服务，由于对产品失去兴趣等种种原因，不再使用产品或服务的用户。

对于流失用户的界定依照产品服务的不同而标准不同，比如医院，用户长期不生病，但一生病就会去某家医院，并且愿意接受该医院提供诸如体检等其他服务，并不认为他是一个流失用户；对于手机应用来说，卸载软件并且没有再次安装、一定时期（一周、一个月）内不再登录使用、选择其他竞品的用户等等，我们都可以定义为“流失用户”。

对于一款互联网产品来说，往往不可避免的会面临用户流失的问题。一定范围内的用户流失率是可以被接受的，因为通过各种渠道接触到产品的用户并不一定都是我们的目标用户。

但当流失率高于我们的预期值或者流失率突然变高时，我们就需要思考用户为什么会离开？还会有更多的用户继续流失吗？已经流失的用户还有没有可能被挽回呢？这时候就急需要进行流失用户研究来回答这些问题。

5. 转化用户

转化是用户按照你所规定的生命周期进行到下一个阶段，如注册用户成为活跃用户，活跃用户成为付费用户，但是对于不同行业又不同。

对于电商产品来说，转化意味着用户最终成为付费用户；对于社区产品来说，转化意味着用户成为内容贡献者；对于互金产品来说，转化意味着持续的投资者；对于内容产品来说，转化意味着用户成为内容付费者。如果只是拉新，那么你的用户只是你的注册用户，成为不了价值用户，如果进行好的转化，会成为价值用户，为你制造价值。

这些指标其实已经足够我们去分析用户的行为了，这种建立在合理的体系上的分类能够在不重叠的前提下，让每个类别都能发挥其功效，不存在累赘和混淆。这些指标可以衡量用户基数的发展趋势以及基数的稳定性，可以说是产品发展最开始的星星之火或者说根基，同时也是衡量产品生存状态的一个重要健康参数。

二、精益业务指标

许多时候，创新被想象成这样一个过程：领导或者产品部想出一个点子，交给产品经理或研发去实现，如果一切顺利，一个成功的产品就由此诞生了。“绝妙”点子却碰上一次又一次的惨败，残酷的现实一次又一次打击团队。

有人会说，创新吗，失败一两次很正常。失败是成功之母。

但是，这里面的关键在于是摔一个跟头，还是一命呜呼。我们看到的是一次次一命呜呼，一个一个大惨败。

2016年继千团覆灭之后，O2O创业项目哀鸿遍野，我们的创业项目也终结于此。然而，大家并不怀疑这个创新过程，大家觉得是他们的点子不好，是他们的工程团队能力不足，是市场还不成熟，各种原因林林总总，但是我们会不一样的。几年以后，又一场惨败，我们成为了别人口中的他们，一切从头再来。

创新是一个复杂的过程，不是一个点子转化成一个产品这么理想化。一个优秀的产品不是有一个点子构成的，而是由成百上千，甚至成千上万的点子（决定）构成的。

创新过程对于团队来说，如同在黑暗的迷宫里面找寻出口。不论在全力奔跑的初创公司，或是寻求内部创新的大企业，以下情景时常出现：团队成员七嘴八舌，各执一词，针对重要问题难以达成一致；老板不断强调快速反馈，但决策流程依然过长，时机在指缝中白白溜走；创新的前提是勇于试错，但当人们四处尝试时，资源与精力往往被过早耗尽，功亏一篑。

根据当前业务发展阶段，选择正确的业务指标对创新企业来说至关重要。然而，这件事难度非常大，就像要在茫茫大海中要辨明方向一样。

近几年诞生于美国硅谷的方法体系——“精益创业与数据分析”，完美地解决了上述问题，并受到全球越来越多的有识之士肯定。

这个体系的形成，来自于硅谷100多位创始人和内部创业者的亲身经历。发明者Alistair Croll结合自身的多次创业经历，以及大量实地案例研究，将创业成功尤其是互联网产品创业分成了五个阶段，分别是共情、粘性、病毒、收入、规模化5个阶段，也可称之为关隘模型，如图7-9所示。意思是说创业就跟打怪过关一样，得一关一关来，找准需求前别乱开发产品，产品有人买之前别急着造更多。

图7-9 产品创新五个阶段——关隘模型

关于产品创新的路径问题，我要介绍一下关隘模型，它为创新创业在时间上的分解提供了概念上的指导。

它认为做创业或者做一个新产品、新的业务需要经过各个阶段，每个阶段衡水舆情监测是上一阶段的前置条件，因此称之为关隘模型——过了上一关才能进入下一关。

关隘模型的第一步是共情——发现一个未被满足的需求，有足够强的理由引发用户的兴趣，这是产品存在的理由；接下来是粘性——解决方案要能够让用户愿意持续使用；然后是病毒——用户愿意告诉或拉来他们的朋友一起使用；再然后是收入——你得有支持持续运营和增长的收入来源；最后才是规模化。

关隘模型的核心是“关隘”——过了上一关才能进入下一关。比如没有共情就不可能有粘性；没有粘性你也无法让产生口碑和病毒，即使通过激励的手段又不持久，而且病毒带来的用户也会流失。关隘模型看上去很简单、合理，但现实中，我们还是会一再犯错。特别是在产生粘性之前，就去规模化扩张。这是最常见的错误，这和人类急功近利本性以及KPI的影响都有关系。

“精益创业与数据分析”还针对这五个阶段，结合六种常见业务类型：电子商务、SaaS、移动App、媒体网站、用户生成内容、双边市场，给出了不同业务类型的组织，在不同阶段最应该关心的业务指标体系，如图7-10所示。

图7-10 五个阶段和六个类型业务指标矩阵

这一框架的贡献在于它引导团队在一个阶段只需要聚焦于1-2个核心业务指标。这些指标就像照亮黑暗迷宫的火把，它指引相关决策人员保持聚焦，汇聚优势资源于最有价值的事务，确保企业战略快速落地。同时，它让团队养成数据优先的决策习惯，破除“一切唯上”的组织文化，为企业形成健康的创新生态奠定了关键基础。

精益数据分析方法中，还针对这些指标给出了重要的基线数据。例如，在进入规模阶段之前，月用户流失率应该降到2%~5%以下；在进入规模阶段之后，周用户增长速度应该达到5%。这些都是硅谷众多精英总结的宝贵经验。

三、产品度量指标

想成为一名优秀的产品经理，敏锐的信息直觉是先决条件，但首先要能够甄别有价值的信息。

得益于科技的迅猛发展，海量的数据也变得唾手可得，我们可以将这些信息用于产品决策。不过，对所有信息来者不拒、“胡吃海塞”也不可取，我们必须要保持一个科学的产品指标列表，去除垃圾信息，专注于那些真正对产品有影响的指标。

产品经理们可能感兴趣的产品指标数不胜数，简单起见，我按照产品生命周期对各阶段重点关注的指标进行了标注，如图7-11所示。

图7-11 产品生命周期各阶段重点关注指标

产品处于不同的生命周期，产品经理工作的重点不同，因此关注的产品指标也不同。

以产品生命周期为主线，先是在产品研发阶段进行“数据埋点”（常见于互联网产品或智能产品，对未来数据分析所需产品数据指标的进行预测及采集筹备）；到产品发布后的试销，获取市场数据验证产品设想；再到搜狐汇算产品市场拓展所关注的渠道数据，以助调整营销策略；再到面对市场入侵者，关注竞品数据，改进产品，确保竞争地位；再到关注留存数据，挖掘用户生命周期价值；直到最后衰退期关注促销数据，减少库存，降低成本，确保不亏损或能够平稳“刹车”。

由此可见，在产品不同生命周期关注的产品度量指标不同，具体体现如下。

1. 灰度

灰度即产品开发期，在这个阶段我们重点关注的是产品的质量和性能能够达到设计要求，比如产品有没有Bug、必要功能是否齐全、相应速度能否达到用户期望，服务期承载量在一定时间是否可以支撑1万用户同时访问等。只有这些既定产品指标达成，产品才能够发布上市。

2. 引入

引入期我们应该重点关注的是产品上市后的用户反馈，即验证产品可行性。

我们的用户是否像我们设想的那样，很乐意接受我们的产品，并愿意支付我们设定的价格。用户对我们的产品是否满意，是否愿意再次购买，是否会推荐给朋友或亲人购买，认为我们的产品还有哪些地方是需要改进的等等。这些信息（可以通过用户回访和问卷的方式获得）是衡量我们产品好坏的关键指标，是产品进行规模化生产和大面积推广的先决条件。

3. 成长

成长期是产品大范围推广的市场拓展期，这个阶段我们广布渠道，获取用户。

除用户增量外，我们还要关注渠道获客成本、增长率、活跃度、转化率等关键指标，优化渠道政策，尽量将渠道费用控制在产品定价时所设定的最高值以内（互联网产品除外，前期投入，成熟期变现，但注意做好测算）。

一般这个阶段还会出现大量的竞争对手，要时刻的关注竞品数据（性能、价格、渠道政策等），确保市场优势，从而赢得更多的市场份额。市场份额的优势对后期的盈利空间影响较大，占主导地位不仅可以掌握定价权，还能形成“吸虹效应”。

4. 成熟

成熟期用户增量减少，市场份额趋于稳定，工作的重点转移至增加销量和增加利润上。

增加销量在用户基数不变的情况下最佳的途径是想办法增加用户的复购率，即用户多次购买，比如快消品。

产品的利润率在产品定价时基本上就已确定，一般随着产品生命周期的后延而降低（软件产品除外，前期成本高，后期成本低），但也可通过提供增值服务或延伸产品来提升利润空间。

成熟期是产品变现，即产品商业化的重要阶段，因此要将关注的重点放到利润规模上。

5. 衰退

衰退期产品的生命周期即将走到尽头，基本被新产品所代替。

由于新产品一般在价格、功能、性能上有优势，因此现有产品要尽可能通过降低成本获取价格优势，才能在生命周期的最后与新产品竞争，获取尾部利润。

同时，处于该阶段的产品多会出现亏损，随时面临退市风险，因此还要注意控制产量及库存，避免退市时保持批量生产能力及库存积压，造成更大损失。太多的企业荣极一时，最终却落个残局，均是因为没有把控好产品衰退期，及时调整策略，创新转型所致。

以上所列指标体系方法论适用于大部分产品，具有普适性，大家可以仿照上面的流程建立相对完善的指标体系；但部分产品由于功能相对个性化，无法抽象出来，需要在运营过程中逐步完善指标体系。

无论你是否采用以上产品度量指标，还是其他众多方法中的一种，只要成功地定义出了关键指标，那么你就在产品管理方面迈进了一大步。一个针对性强、关联度高的关键指标列表能够帮你聚焦于重要的指标，探讨行动背后的逻辑，避免找不到方向。

作者：长乘，公众号：MVP-PM，历任两家世界500强企业产品专家！内容摘自：人民邮电出版社《独具匠心：做最小可行性产品（MVP）方法与实践》

本文由 @长乘 于，，

题图来自 Unsplash，基于 CC0 协议