家更偏向于下载量，注册数这样代表拉新效果的指标，但是一个人在什么时候才真正成为你产品的用户呢？其实是在他留存下来的时候。
因此在AARRR模型中，留存是最重要的一环，获取（ Acquisition）和激活（Activation）的用户愿意持续地使用产品，就实现了用户留存，留存下来的用户才能实现后续的变现（Revenue），甚至自发进行传播和推荐（Referral）。如果留存率不够理想，所有在用户获取方面的努力都都将白费，进而也不可能激发用户的付费和推荐意愿了。
三 产品经理怎样用数据分析的思路优化产品？
对于没有数据分析意识的产品经理来说，在完成产品规划，功能开发，以及测试上线之后，就认为自己在这一阶段的工作结束了，这样是无法做出优秀产品的。在产品发布上线之时，数据分析的工作才刚刚开始，只有对上线的功能进行不断的调整和优化，才能打磨出真正体验优秀的产品。
那么对于产品经理来说，怎样用数据分析的思路驱动产品优化呢？
1.建立业务目标和产品期望
认真思考「用户故事」，明确产品成功的目标是怎么样的，比如什么样的使用量，使用频度，达到怎样的留存率才算是成功；
2.将产品抽象化、逻辑化和结构化
只有对产品的结构和逻辑足够了解，才知道哪些是需要关注的数据和指标，以及怎样通过对这些指标的监控实现最终的目标。因此这时我们需要将产品功能抽象化、逻辑化和结构化，拆分成具体的逻辑层次。包括用户的预期操作可以分为几个部分，业务逻辑分为几个部分等等…在理清产品逻辑之后，才可以按照每一个部分去进行分析和优化，比如在电商应用中，就可以将用户的购买行为抽象为如下的逻辑结构 A.打开商品详情页 B.进入购物车页面 C.确认订单页面 D.进入支付页面 E.付款成功；
3.进行数据的准备和收集
产品经理需要确定出具体的分析计划，并且整理出数据需求。在一段时间的数据采集之后，形成相应的数据样本（时间上很短，或者用户很少的数据是没有意义的）。
但很多产品经理常常就败在这一步，因为传统的数据收集工作必须要提前埋点，而埋点最常发生的事情就是漏埋和错埋，产品上线了才发现“没埋点，没有数”。
4.多种手段进行数据分析，衡量用户的使用情况
在新功能上线之后，我通常会利用多种分析手段了解用户的真实使用情况，并验证是否符合在第一步中设定的业务目标和产品期望。
比如，在验证产品每一个步骤的逻辑和转化时，我会使用漏斗功能对用户的核心路径进行分析，在之前的电商例子中就形成了一个「A.打开商品详情页->B.进入购物车页面->C.确认订单页面->D.进入支付页面->E.付款成功」的漏斗（如下图）。
GrowingIO 漏斗实时进行数据分析
在这个漏斗中，可以发现从收货信息页面，到支付页面的转化率不太理想，已经产生购买意愿并确认订单的用户只有 50.2% 到达了支付页面，为什么这一步流失了一半的用户呢？在这里我们就可以针对「确认订单页面」到「支付页面」的流程，对这个现象的成因进行相应的分析了。
5．提出猜想并验证
通过上面的数据分析，针对为什么确认订单到支付这步的转化率这么低？我们就会有一个初步的猜想，可能是「用户无法在确认订单页面查看商品细则，为了返回上一页，因此放弃了付款」，也可能是「用户想修改商品数量和样式，但是确认订单页面不能修改，因此放弃了付款」，当然也有可能是单纯的提交支付按钮存在 Bug 或者理解的偏差。
接下来就要用数据分析来验证我们的猜想。例如：我怀疑一个按钮的样式以及文案不够符合用户的期待，就可以查看这个按钮的点击率是否存在问题，以及设计新的按钮样式进行A/B测试。有了这样实时的数据分析图，我们就可以随时看到用户行为以及每一步的转化行为，及时调整产品策略，以获得更好的结果。
验证猜想后，我们就会得到具有相应论据的结论，产品经理就能够以此为依据进行产品的优化，以提升产品的用户体验，更好的实现业务目标了。在优化上线之后，产品经理就要开始新的数据分析轮回，对改版的数据进行分析提炼，以检验改版带来的效果是否是有效的，不断用数据驱动产品优化和业务增长，形成良性的循环。
作者：王柳， GrowingIO 产品经理。