全台灣最擅長打造遊戲化工具產品的團隊，Fourdesire（四合願）是利用哪些哪些數據指標與分析模型來評估產品成效的？他們又是透過哪些策略來達成產品初期目標的？
在這篇文章中，我會透過 Fourdesire 旗下知名產品《記帳城市》副製作人 Sammy 的分享，一一回答：如何做產品的數據分析？新產品該關注哪些數據指標？
產品數據分析模型 AARRR
在進行產品數據分析之前，首先要弄清楚的就是「你的產品是什麼類型？」以記帳城市來說，它就是屬於工具型的產品，根據 Fourdesire 團隊的經驗，他們認為經典的 AARRR 模型還是最適合用來做工具型產品的數據分析。
AARRR 是什麼？
AARRR 是一個非常經典的產品數據分析框架，它包含了這五大階段：
- Acquisition（獲客）：獲取用戶
- Activation（激活）：透過讓用戶體會到 aha moment 藉以激活他們
- Retention（留存）：提升留存，讓用戶持續回訪
- Revenue（營收）：讓用戶願意付費、產生營收
- Referral（推薦）：讓用戶推薦其他新用戶使用產品
基本上這五大階段貫穿了完整的使用者旅程，因此是實務上很常使用的產品數據分析框架，但是問題來了：「哪一個指標是最適合拿來觀察剛上線的產品的呢？」在往下看之前，你或許可以在 1-5 之中選一個答案。
對工具型產品來說，初期最重要的指標是「Retention rate（留存率）」
工具型產品追求的通常都是解決用戶遇到的特定問題，所以會期待用戶持續產品，而不是只用了一兩天就離開。例如記帳城市，當然會希望新用戶覺得產品好用，並且持續使用下去。
又或是我目前公司做的影像編輯 APP，也是期待用戶在編輯過第一張圖片後，未來如果還想編輯影像，會繼續回到我們的產品使用，因此 Retention rate 也是我們極度重視的指標。
那麼獲客、營收不重要嗎？其實依照不同的產品類型，最優先的指標就會不同，例如電商最重要的指標多半是 GMV（網站成交金額），這就跟 Revenue 密切相關，這時 Retention rate 對電商來說就不是太重要的指標 。
推薦閱讀：
留存率如何影響產品體質？深度解析留存率與 DAU 的關係
好的產品留存率曲線長什麼樣子？
如果把日期跟留存人數攤開來看，一個健康的產品留存率曲線應該是隨著日期的增加愈來愈平緩的，如下圖的 Product A（藍線），這代表在 20 天之後，有約 40％ 的用戶還保持著回訪的習慣，並且不管是 30 天、60 天或 90 天後都還是維持著這個比例。
相對的，Product B（綠線）呈現的產品則是在 20 天後，還有回訪的用戶是 0%，這代表用戶全都流失了，對工具型產品來說，絕對需要進行更深度的分析，了解用戶不願意使用產品的原因。
但對闖關類遊戲產品來說，用戶闖完關就不回訪遊戲了則是一個正常狀況，因此產品類型是判斷留存率曲線是否正常的重要依據。
推薦閱讀：
留存率怎麼算？該如何正確監測留存率？
留存率曲線平緩後：留存率曲線面積與營收的關係
留存率曲線平緩除了代表產品狀況是健康的以外，Fourdesire 團隊也認為留存率曲線面積與營收是成正比的，假設每一個活躍用戶每天能帶來的營收是定值，那麼留下來的使用者愈多，代表產品的營收也會增加。
Sammy 在分享中舉的具體例子是，假設每一天每一個活躍用戶能帶來的價值是 0.5 元，那麼在使用者愈多（面積愈大）的前提下，團隊能獲得的營收就愈高。
同時，在留存率曲線有隨著日期增加而平緩的狀況下（例如 30 日留存率、60 日留存率都大約在 10%），那麼就可以開始安心做獲客（Acquisition）了。因為這時你知道，只要用戶進來，不管怎樣都會有 10% 的用戶留下來使用你的產品。
前面提到的每一天每一個用戶能貢獻多少價值，要怎麼算呢？最簡單的算法就是：當天的營收（Revenue）／當天的活躍用戶數（DAU），這個指標又稱為使用者平均收入（ARPU），當 ARPU 愈高，意味著這個產品有更好的營收能力。
關於 ARPU 的進階概念我有在 Data Studio 課程 9-7 訂閱制的商業分析中說明，若想更瞭解相關概念，也對數據分析跟資料視覺化有興趣，歡迎參考這堂課程：Data Studio 視覺化報表｜數據分析輕鬆上手
想提高營收？可以從提升留存率曲線做起
如果你認同上述所說「留存率曲線面積與營收成正比」的理論，認為留存率很重要、留存率曲線的面積也很重要的話，那麼在這個邏輯底下，就有兩個提升留存率的思路：
1. 從頭幾天就提升留存率（Short-term Retention）
透過拉高次日留存率，將整體的留存率曲線往上拉，這樣也可以將留存率曲線的面積拉高。而主要的方法就是透過優化 Activation，讓更多用戶感受到產品的價值（aha moment），進而願意留下來持續使用產品。
2. 提高尾段的留存率（Long-term Retention）
這邊 Sammy 沒有特別提到要利用什麼方式來進行提升，但以我個人的想法的話，試著去做使用者的回訪頻率研究，在留存率已經趨近平緩的前提下，再想辦法讓它提升，或許會是可行的方法之一。
從數據分析的角度看，新的工具型產品該如何起步？
綜合以上我們談到的內容來說，可以發現，如果一個新的工具型產品要起步，從數據分析的角度來說，我們最首要關注的，就是確保產品在一開始就有好的留存率表現，而所謂的好，就是指隨著日期增加，留存率曲線也要愈來愈平緩。
在留存率曲線平緩之後，你可以選擇優化次日留存率，針對短期留存率來做提升，或是你也可以分析用戶長期的留存狀況，來提升留存率尾段的曲線。
當我們做完以上分析，基本就可以確保產品有一個好的開始了！
延伸閱讀
