产品数据不健康如何处理

什么是不健康的数据？

将统计出的指标数据与行业数据（也可以是预期数据或过往数据）进行比较。若偏低，则说明该数据为不好的数据。

例子1：如果当日人均广告展示频次低

思路：

1. 漏斗找流失的环节
2. 找到流失的环节后，细分维度去对比分析
3. 根据页面流失，和细分维度对比的结果，寻找可能的原因
4. 提出假设

1. 漏斗流程：

1. 功能触发次数
   • 主动使用功能次数
   • 通过引导使用功能次数
     • 引导的触发次数
     • 引导的点击次数
2. 扫描中
3. 扫描结果页
   • 转化率（ = 扫描结果/扫描中）
4. 点击清理
   • 点击率（ = 点击清理/扫描结果）
5. 清理中
6. 清理结果
   • 转化率（ = 清理中/清理结果）

2. 划分维度对比

找出流失的环节，并划分维度对比。这样可以帮助找到原因。

维度的划分：

• 国家维度：可能不同国家的文化，对于界面的接受有偏差
• 手机型号：可能高配手机不怎么卡，就不怎么需要清理加速。
• 系统版本：同上
• 新老用户：新老用户对功能及广告触发的逻辑认知和接受度不一样。可以分为：新增用户，次日留存用户，所有老用户。
• 广告位：不同功能对用户来说需求可能不一样
• 流量渠道：不同渠道质量不一样。

如果留存低

1. 根据安装到使用的漏斗流程分析
2. 找到漏斗流程中流失高的环节
3. 查看发生卸载的用户，所产生的事件，如果没有流失高环节的下一个环节所产生的事件，则说明可能是该漏斗流失所导致卸载。

1. 备用的可能的原因

• 需求
  • 未能满足用户的需求
    • 用户感知不到效果
      • 功能做的假的，清理后依然很卡
      • 清理展现的效果太弱，没让用户强感知
    • 基本需求未满足
      • 基础的清理功能都没做
  • 用户没有此需求
    • 导流过来的用户没有清理需求
• 体验
  • 使用不便
    • 使用流程繁琐 （漏斗可取证）
    • 扫描时间太长 （页面时长可取证）
  • 无用信息打扰用户
    • 推送通知打扰用户了，用户根本不需要提示或者提示不准
    • 广告触发太多了，恶心到用户了
  • 性能
    • 产品bug导致无法正常使用 （可取证）
    • 应用存活较低 （可取证）