案例拆解：数据分析如何有效驱动产品迭代

从产品论的角度而言，一款产品从0到1的建立，需要经历五层设计（战略层、范围层、结构层、框架层、表现层）。而从数据分析的角度而言，数据分析由浅至深也分为5层（角色扮演、业务指标、现成模型、公司战略、行业发展）。无论从产品论的角度又或者是数据分析的角度，最终的本质是服务于商业模式。当然对于政府等公共性质的app而言，是无需商业模式的。

1. 产品基本信息 1.1 产品名称

xx市数据信访便民投诉平台app，后面简称为“信访app”。

1.2 产品定位

此次信访app的产品定位为工具性产品，主要是方便信访人民，在app上进行信访业务办理，包括信访投诉、进度查询、预约等一系列的信访服务。

1.3 产品受众

我们建设的是一个数据信访平台，此平台可以支持网上信访和线下信访，所有的数据都会进入到我们的平台，因此我们可以对信访受众进行全量分析。

产品受众是所有潜在或者现实对信访有需求的受众，从前期的上访情况来看，普遍的上访群众的年龄在30~60岁左右。

2.4 产品功能

已上线运行的信访app的功能包括：信访投诉；政策、福利等咨询；领导包案预约；业务办理督办、催办；社会民意征集；业务办理进度查询；业务办理结果、工作人员评价。

二、面临的问题

国家局在2018年6月份下达通知，要求各个省市的每月综合网上信访率需要达到60%以上，并且会纳入到信访工作考核指标中，而在2018年的6月份，我们后台统计，xx市的网上信访率为18.94%（总信访量264件，网上信访量50件）。

因此，我们需要配合xx市信访局完成这一指标。（网上信访率=手机app信访登记量/信访信访登记总量，当前的网上信访的主要渠道是app投诉）

三、分析思路

从两个角度进行分析，针对产品的角度而言，产品的定位（战略层）是正确的（针对信访群众进行上访），产品的需求功能（范围层）也是正确的（可以满足信访群众进行信访登记），那么就只需从产品的结构层、框架层、表现层来进行分析。

而从数据分析的角度而言，主要是从业务指标的角度进行分析（即当前的网上信访率达不到要求，需要分析出业务指标无法达到要求的原因，并给出解决方案）。

3.1 排除数据噪音

想必大家在初中都学习过控制变量法，通过控制变量来观察因变量的影响因素。同理，我们在进行数据分析的时候也需要采用类似的方法，首先就要排出数据噪音的干扰。对于当前的分析角度而言，我们是要通过数据分析来驱动产品迭代，那么产品的运营数据对于产品的使用数据而言就是噪音数据。

产品的运营数据就是产品的安装量、注册人数、app使用情况、app活跃度等数据。结合信访app的运营数据以及6月份的信访投诉的数据进行分析，来排出数据噪音。

如下图所示为6月份的xx市信访投诉数据展示：

通过业务后台数据分析可以知道6月份信访人数为264人，其中通过手机app信访的有50人，线下信访的有214人（其中有132人是已注册了信访app）。因此我们得出的数据结论是，理论上网上信访率可以达到68.94%（计算方式=（网上信访人数+已注册人数）/信访总人数）。

因此可以说明，我们的数据在客观条件下是能够满足业务指标要求的，这样就排除了因为产品运营情况的不到位，而导致的客观硬性条件下不能达到业务指标要求。

接下来就可以从产品的使用数据，来进行分析网上信访率不达标的影响因素。

3.2 业务指标角度

即从业务指标的达成路径进行分析，我们可以知道业务指标的达成路径，如下图。

我们会分两条路径统计6月份这个期间的app的启动次数、app的注册次数、app登录次数、使用投诉办理功能的次数、提交信访诉求的次数。

通过事件转化率分析，这7个步骤的转化率，分别表示的是：

路径1表示app的启动之后，直接登录app的概率；

路径2表示在直接登录app之后，使用投诉办理功能的概率；

路径3表示在直接登录app的前提下，进入投诉办理功能之后，完成信访诉求提交的概率；

路径4表示在app的启动之后，注册app的概率；

路径5表示在注册之后，直接登录app的概率；

路径6表示在注册之后直接登录的前提下，使用投诉办理功能的概率；

路径7表示在注册之后直接登录的前提下，进入投诉办理功能之后，完成信访诉求提交的概率。

（1）建立数据指标