腾讯云分析
报告内容：
由于本人也从事该类数据产品的规划迭代，所以会从平日工作接触到的业务人员数据诉求出发，并结合不同的行为分析系统，对MTA作整体分析评测，会包括以下内容：（下述内容可能偏电商视角）
一. 使用群体
二. 核心诉求
三. 工作思路
四. 同类产品对比
五. MTA功能体验
六. MTA脑洞
一. 使用群体
推广人员：负责拉客，想知道我拉客效果怎么样；
运营人员：负责活跃客户，想知道我运营效果怎么样；
内容输出人员：负责向客户输出内容，如电商就是产品开发，想知道开发的产品转化效果。
二. 核心诉求
不同的使用群体，又会有不同的核心诉求，以所处电商为例：
1. 推广人员
拿广告来说，分为效果广告和品牌广告，而效果广告是APP推广过程中最常用用到的一种，计费方式也是以效果为计费标准。基于这种计费方式，推广人员会更关注业绩，工作内容重在执行，需短期见效益。
2. 运营人员
负责维护推广带来的用户，尽可能地延长用户生命周期，包括但不限于活动运营、用户运营，旨在通过XX方式引导XX用户达成XX目标，会更关注用户本身，对于效果验证，如延长用户生命周期，可接受长期效益。
3. 产品人员
负责提升产品体验，会更关注用户的行为，如监控核心漏斗转化，保证产品正常使用，发掘未知的用户高频路径，查找用户的使用痛点等等。
4. 内容输出人员
负责输出内容的发掘、管理、优化，以电商为例，他们会更关注于商品本身，工作内容在于发掘商品、管理商品、优化商品，保证商品能持续收益；同理，换作短视频App，会偏向优质短视频的发掘推荐、问题短视频的有效管理监控、短视频大V的维护等。
三. 工作思路
了解使用群体的诉求之后，那么需要怎么来支撑到他们通过数据驱动自身业务呢？那么就得了解他们的工作思路是怎样？可以从哪些点切入辅助他们进行数据驱动？
1. 推广人员
（1）这个App要推给谁？
用户画像：基于现有APP用户的画像，去市场寻找该类目标用户，如文艺青年。
（2）可以通过哪些渠道触及到这批潜在用户？
渠道画像：提供各个渠道用户画像，便于推广人员寻找目标用户的聚集地，如豆瓣文艺青年占比大，可能易转化。
（3）触及后，用户实际感不感兴趣？会不会安装？
广告效果：不同渠道，多少人看到？看了多少人点？点了多少人完成安装？一次安装我要付出多少钱？
（4）安装后，这批用户质量怎样？
渠道分析：带来的安装活跃情况怎样？用得久不久？多少人会进行注册？注册后会不会交易？交易后为我产生多少收益？和我的投入相比，会不会亏本？
2. 运营人员
（1）要挑什么用户做运营？
用户概况：了解App获客情况，新注册、注册率、流失注册、净增注册、获客成本等情况；
用户生命周期：不同阶段用户数分布是怎样的？例如：注册用户、活跃用户（首单）、成熟用户（二单以上）、衰退用户、流失用户；
留存分析：发生交易后，用户会不会进行二次交易？占比多少？注册后，又有多少人会回访？有多少人会流失？
（2）运营的目标是什么？
例如，目前用户获取速度跟不上流失速度，需要对流失用户进行重新激活，目标是拉高重新激活人数。
（3）通过什么方式来运营？
例如，通过短信发放优惠券触达流失用户，引导用户回访交易。
（4）运营效果怎样？
活跃分析：多少人打开？重新激活多少人？多少人会登录？购买意愿怎样？会不会进行交易？会不会获取用户速度跟不上流失速度？
事件分析：监控自定义事件，如优惠券领取事件、优惠券使用事件。
3. 产品人员
（1）可以通过哪些指标监控产品运行状况？
产品概况：通过核心指标来监控产品运营状况，如登录率、转化率、跳出率、注册率等；
页面分析：App各个页面访问情况查看，如抵达支付失败页面访问量；
事件分析：查看功能点使用情况；
漏斗分析：监控注册流程，注册页面-发起注册-完成注册。
（2）监控后，怎么来发现产品异常？
产品概况：如注册率较上周同期降低了20%；
页面分析：注册页面访问量较上周同期略微升高了3%；
事件分析：验证码刷新按钮人均使用次数提高了100%；
漏斗分析：注册漏斗，注册页面-发起注册这一环转化率较上周同期降低了30%。
（3）发现异常后，怎么分析异常的原因？
通过手机型号X版本维度，发现所有都是注册率下跌；
去到漏斗分析，发现注册页面-发起注册环节流失严重；
监控注册页面事件触发情况，发现验证码的人均刷新次数暴涨；
和产品运营确认了解，为防止恶意注册，昨日更新了验证码的图形验证，新图形验证码肉眼较难识别导致用户需频繁刷新验证码。
（4）解决后，如何验证优化效果？
产品概况：注册率回升到上周同期水平。
4. 内容输出人员：（视频为例）
（1）现在视频观看情况怎样？
视频效果：
多少人看到？
多少人点击？
多少人播放？
播放时长多长？
看完的人占多少？
发起评论有多少人？
点赞占比多少？
差评占比多少？
转发占比多少？
（2）有没哪些视频没有达到预期？
付费视频：别人给钱推的视频，是不是播放量没达到要求？或者是其他考核指标？
潜力视频：加大推荐后，会不会点击效果较差？需不需要调整推荐策略？
热门视频：播放量是不是环比增速快？是否有加大推荐的必要？
（3）存不存在哪些视频需要优化？
付费视频：播放量不达标，可能要加大推荐；
举报视频：举报占比高，可能要评估视频内容，必要进行封杀。
（4）优化后效果怎样？
付费视频：播放量达标，撤掉推荐；
举报视频：视频状态处于下线状态，播放量为0。
从四个使用群体的工作思路来看，我们可以知道他们分别关注的点是：
推广人员：用户是怎样的？用户是怎么来的？用户做了什么？
运营人员：用户是怎样的？用户做了什么？
产品人员：用户做了什么？
内容输出人员：用户对我输出的内容，态度是怎样的？
因此，我们可以将他们的数据诉求归为四个模块：（功能按代号标识，下同）
用户获取：用户是怎么来的？1-（3）、1-（4）
用户分析：用户是怎样的？1-（1）、2-（1）
行为分析：用户做了什么？2-（4）、3-（1）
内容分析：用户对我输出的内容，态度怎样？4-（1）、4-（2）、4-（3）、4-（4）
四. 同类产品对比
在了解使用群体的数据诉求后，我们来看下MTA对数据诉求及应用场景的满足情况，同时我们也会挑选市面上的几款产品进行对比分析。
由于不同的行为分析产品，其功能框架都是不同的，所以为能直观对比出不同产品的场景满足差异，下面我们上面第三部分内容中划分的四个模块进行纵向对比。
1. 用户获取
（右击，在新标签页中打开即可查看大图）
用户获取，可以看到，五款产品对于广告效果、渠道分析的场景分析都是能支撑到的。
其中Google Analytics（后简称GA）相较其他产品，还提供了关键词点击转化情况，更有利于推广判断目标用户搜索偏好，便于进行关键词优化。同时，GA还提供更加丰富的维度供用户进行细分分析，如根据年龄、国家、偏好等，简单数了下，超过100个维度。
但站在国内APP推广角度，考虑到国内外行业环境差异以及国内的渠道资源，MTA在国内广告效果监控这块，较其他产品在打通曝光点击到付费转化的过程上，更具优势。
2. 用户分析
（右击，在新标签页中打开即可查看大图）
用户分析，可以看到，五款产品对于用户画像、用户生命周期、留存分析、活跃分析等场景分析都是能支撑到的。
个人理解，这块更多是用于了解产品用户活跃状况及典型的用户画像，从而有利于业务去甄选用户进行运营/推广，同时对于运营的结果能得到较为及时的反馈。
五款产品相较下来，可以看到GA对于典型用户画像是还原更充分的（但对于国内用户画像可能数据来源单一，还原精度未知），而且也缺少重要的用户抽取用于运营，同时运营活动结果难以直接有效反馈。而其他产品虽然在画像还原上稍欠缺，但胜在能便于业务进行落地，同时也提供了自己一些特色功能，如神策的行为预测等。
3. 行为分析
（右击，在新标签页中打开即可查看大图）
行为分析，可以结合上面第三部分中产品人员工作思路，需要支撑到日常监控、发现异常、原因分析、效果验证，五款产品对于该数据分析框架的大多场景分析都是能支撑到的，情况如下：
日常监控：5个产品都提供了自定义事件部署及自定义看板；
发现异常：除诸葛IO对比分析较为欠缺，较难及时发现问题外，其他4个都能提供对比分析；
原因分析：GA能提供更丰富的维度进行细分分析，而MTA则维度较为单一；
效果验证：通过自定义事件的对比分析，基本都能完成验证，但GA提供实验功能，满足了AB测试的效果验证场景。
4. 内容分析
根据不同类型App，结合自定义事件进行内容定制：
（右击，在新标签页中打开即可查看大图）
内容分析，结合上图产品对比，可以发现，除GA外，其余均不支持内容分析；其中MTA对借贷行业做了进一步定制，但还不属于借贷内容的分析，而即使GA支持内容分析，也仅面向电商行业。
个人理解，对于App产品而言，核心在于其输出内容的质量好坏，而现有分析工具都欠缺对App核心产生内容的分析监控。如果市场上有一款较高自定义的内容分析模块，就可以构建产品的护城河，伴随越来越多的同类App产品的接入，同时也可提供行业平均水平作为参考依据，在大多APP产品行业竞品数据来源单一的情况下，这会是产品的一大卖点。
五款产品均未能满足的使用场景：
现在内容使用情况怎样？
有没哪些内容没有达到预期？
存不存在哪些内容需要优化？
优化后内容效果怎样？
对数据诉求及应用场景角度来说，除内容分析的数据支撑外，五款产品都能满足不同使用群体的基本数据诉求，只是在数据支撑的深度及灵活度，体现出不同产品的差别。
讲完数据诉求及应用场景，相同指标在不同基本统计单位下，也是会有明显差异。
下面我们也来简单分析下5款产品的数据模型、指标差异。
（1）MTA：开发文档没有翻到相应的介绍，只能从功能角度揣测
数据模型：用户-会话-页面-事件
模型描述：A用户在C会话里，先访问了B页面，并在B页面触发了D事件
指标差异：比如跳出率，定义是访问该页面随即关闭应用的用户占访问该页面用户数的比例；讲下个人的理解，对于App产品，都是有它的转化目标，比如交易、下载、点击等等，那么意味着用户每一次的会话开启，都有可能达成转化目标，那么从产品运营的角度出发，目标是不是用户每一次的会话开启都要促成目标转化呢？那么，在这里是否是以会话为统计单位更合理呢？
（2）GA：开发文档也没有翻到相应的介绍，从数据采集内容角度推断
数据模型：用户-会话-页面-事件；
模型描述：A用户在C会话里，先访问了B页面，并在B页面触发了D事件；
指标差异：和MTA相比，GA采用的是会话为统计单位。
（3）友盟：开发文档也没有翻到相应的介绍，从功能角度推断
数据模型：用户-会话-页面-事件；
模型描述：A用户在C会话里，先访问了B页面，并在B页面触发了D事件；
指标差异：和MTA一样，采用的是用户为统计单位。
（4）诸葛IO：看到有介绍了！
数据模型：用户-触点-会话-事件；
模型描述：A用户在C会话里，以B行为接触到了D事件（目测触点就是把页面的“浏览”属性和事件触发的“行为类型”归类到了“触点”这个概念）；
指标差异：和MTA一样，采用的是用户为统计单位；不过统计上可能有优化空间，比如诸葛提供的行为路径分析是基于事件的，那么每新添一个事件，都可能造成路径的变更，起不到稳定监控的作用，参考价值会不会降低呢？
（5）神策：也有介绍
数据模型：用户-事件；
模型描述：A用户触发D事件（将行为类型合并到事件表，会话属性也合并到事件表，接受冗余）；
指标差异：和GA一样，采用的是会话为统计单位。
五. MTA功能体验
讲完MTA对数据诉求及应用场景的满足情况，下面会从各使用群体角度从MTA中挑选常用模块进行阐述，将包含以下几个功能模块：
推广效果：直接反映推广效果；
用户分群：用于运营挑选目标用户进行目标转化；
漏斗模型：用于产品流程监控。
1. 推广效果
（1）功能组成
维度：推广单元、推广计划、投放渠道
指标：提供了基础指标、活跃情况、消费/收入等20个指标
视图：折线图
（2）场景体验
① 今天我的推广效果是否异常？
体验：
首先进到界面，看到推广单元情况（十几页），不能直接感知到推广效果是否异常；
（右击，在新标签页中打开即可查看大图）
可能优化点：
新增推广效果汇总，如曝光量、激活转化率、注册率、激活设备数；
新增周同期比较，一般情况下数据都有周期性变化的共性，便于发现本日异常指标；如较上周同期，注册率下降了30%；
默认显示推广渠道情况，直观了解各大渠道推广效果及周同比涨幅情况。
② 为什么今天广点通渠道的激活转化率下降20%？
体验：
只能从推广单元维度查看细分渠道，需先切换到推广单元视图，再筛选广点通渠道；操作较为繁琐，而且不能做到逐级细分排查，理应是先看推广计划哪个异常？再看异常推广计划具体哪个推广单元异常？
可能优化点：
交互上，可实现点击下钻渠道 → 进到渠道下所有推广计划 → 点击下钻推广计划 → 进到推广计划下所有推广单元；
维度层级关系上，建议：推广渠道（顶级）-推广计划-推广单元，目前在推广计划维度下，不能选择推广渠道。
③ 效果看着挺好，实际效果好不好？会不会不划算？或者预算消耗太多？
体验：
不能直观反映费用消耗情况以及获客成本，不能快速为推广计划做数据支撑；转化率好，但单个设备获取成本高出其他渠道几倍，也是不划算，可能要停掉。
可能优化点：
新增广告费用指标、获客成本指标，便于推广人员的推广决策。
④ 用户获取到后，质量行不行？
体验：
每个App产品都有个核心转化目标，按目前提供的指标能从付费、留存上评估用户质量。
2. 用户分群
（1）筛选范围
用户范围：活跃、新增、不活跃
用户属性：基于App自身采集的维度信息
自定义事件：达成过某一行为
漏斗模型：完成过目标路径转化
（2）场景体验
① 电商行业，在MTA用户画像中，发现喜欢阅读的用户占比达到20%，近期有一批书，想要搞活动促销出去，需要筛选出喜欢阅读的用户进行定向营销，该怎么筛选？
体验：
MTA提供了应用偏好给用户查看，但是实际创建用户群却不提供自身构建的用户画像用于营销（可能是出于隐私保护）。
可能优化点：
依托于腾讯数据的广度和深度，用户画像的精度是要高于App自身数据得出的画像。对于app运营来说，能够根据腾讯提供的画像，并通过腾讯的广告平台去投放广告精准命中用户，会是MTA一个极大的卖点，同时也能加大广告主对平台的依赖度。
② 触发过核心操作的用户，是怎样一批人群？是否可以筛选过滤查看人群特征，便于推广策略制定或定向运营？
体验：
MTA可以满足到触发核心操作或流程的用户出来，并从基础属性、设备属性、应用偏好等角度查看人群特征。
3. 漏斗模型
（1）功能点
支持最多5级路径创建
支持事件参数高度自定义
支持漏斗分布查看
（2）场景体验
① 我要监控注册流程，行为路径为：抵达注册页 → 输入手机号 → 点击验证码 → 输入验证码 → 点击注册 → 成功注册
体验：
尽管各个环节都能实现，但从一个较为简单且常用的注册流程细分监控，便卡在了最多5环这里，可以删掉某一环节，但是环节少了，意味着可能的流失环节就忽略了。
可能优化点：
增加漏斗环数
② 完成很多核心漏斗构建后，要监控每一核心流程健康状况，得怎么看？
体验：
首先进到漏斗列表，看到很多漏斗，30日平均转化率？比如注册漏斗到底有没异常？50%？是高还是低？不知道，得和谁比，才知道高低？
平时知道是52%左右，现在是50%是不是正常？会不会被30天平均掉？不知道，还是得进到漏斗里具体看；
点进漏斗后，看到是时间段内的情况，到底昨天有没出问题？不知道，选下昨天看看；
点了下昨天，突然没有数据，可能是埋点出问题了，得找人补下埋点。
整个过程下来，昨天没有数据，需要经过多个环节跳转判断才知道漏斗数据异常，需要耗费较长时间用于分析判断。
可能优化点：
漏斗列表，直接显示昨天转化率情况，并提供周环比辅助判断异常；
漏斗分布查看，默认显示昨天转化情况，上下环节转化率，也提供周环比辅助判断环节异常；
细分维度排查时，如直接版本维度体现在二维表，实现多版本同时对比；避免逐个版本点击查看判断，还缺少同维度同比判断。
六. MTA脑洞
下面内容，并未结合产品所处的背景，也未仔细斟酌，纯属个人脑洞：
1. 渠道画像
写这次分析报告，按分析思路拆解，冒出了一个渠道画像的数据诉求，基于腾讯现有的生态圈，是否可以构建生态圈的渠道画像，向市场兜售呢？（可能偏广告端提供）
会有一个场景，比如我是卖豪宅的，想找个地摊宣传，听说某个地摊人流量很大，可能转化几率高，结果找了个地铁口，人流量是大，但是能买得起豪宅的人数多少呢？导致广告费用ROI下降。
而现在我就告诉你，手头有这些渠道，这个渠道有钱人多，这个渠道00后多等等，可以加大广告主对平台方的依赖，同时也有利于拉高整体广告主的ROI。
2. 内容分析
从用户数据诉求到多产品支撑对比，可以发现，除GA外，其他行为分析系统对App核心内容的数据支撑是不足的。名义都是用户行为分析系统，但是用户接触的主体是什么？是App核心输出的内容。
对于电商来说，是商品；
对金融来说，是金融产品；
对视频网站来说，是视频。
而核心内容分析缺失，可能导致面向的群体是有限的，得出的结果可能是片面或错误的，比如商品质量就是差，用户买了后认为上当受骗不回头，做再多的运营活动但却不解决核心内容输出的质量，可能也是徒劳的。
在现有行为分析产品对内容支撑不足的情况下，推出该类模块，在丰富产品使用人群的同时，也采集了大量的行业核心内容数据，例如对商品名称文本的分析、视频标题的文本分析等等，都能免费获取到大量行业情报数据。
声明：
（1）对于行为预测与AB TEST的功能，腾讯移动分析MTA即将在7月上线。
（2）文章为作者独立观点，不代表腾讯移动分析MTA立场。
相关阅读
腾讯移动分析产品测评大赛报名开启，丰厚大奖等你来！
腾讯移动分析测评大赛结果公布｜这一次，且听我娓娓道来
相关阅读
[核心提示] 作为腾讯最先进行 C2C 电商试点的拍拍可谓含着金汤匙出生，但为什么完全没有获得应有的市场地位呢？编者注：腾讯以 IM 起家
由于这几年我国的经济发展开始调整，经济发展速度也没有以前那么快了，所以大学生的就业压力在必须程度上也有所增大。但是不同地区的
前期主要依靠粉丝效应迅速发展的毒舌电影，要怎样才能走的更远呢？本文旨在通过梳理毒舌APP版本迭代路径推测其迭代策略，并对其核心功
当扎克伯格狠心砍去Facebook主页上的广告位收入不降反涨，新玩法应运而生。移动流量怎么玩，社交广告时代来临。互联网的生意，本质上都
当下，正是奥运时期，互联网+体育也早在去年是风口浪尖的热点话题，纵观统梳理，希望能给各位带来帮助。长文预警，本文约1.4万字，阅读完毕约