新功能上線後，如何從數據的角度去評估該功能的效果如何？作者提出了産品功能分析的“三闆斧”，分别是明确功能、梳理指标、對比效果，并以快手購物車功能為例進行案例說明，感興趣的夥伴一起來看看吧。

如果你是一名BP在産品業務線的數據分析師，那麼你會經常遇到産品更新叠代後加入一些新的模塊或功能。當一個新的功能上線後，我們需要從數據的角度去評估該功能的效果如何。本篇将給大家分享作為一名産品數據分析師或者産品經理，如何從專業角度利用數據分析評估産品新功能的效果。

引言

首先先給大家分享兩組數據，一個來自微軟，一個來自亞馬遜。

在微軟團隊内部公認比較OK的想法，真正實施以後：大約有三分之一起到了預期效果，三分之一的想法沒有産生明顯影響，還有三分之一反而會起到了負作用。

亞馬遜大約有60%到90%的想法，是無法改善他們的産品的。

所以，關于産品驗證環節上，大家不要過于盲目自信，應該從扭曲力場中回到現實了。

所以，作為一名合格的産品分析師或者産品經理，必須學會在産品叠代的環節中，适時地對改版效果進行衡量并确認進展，這樣才能更好地了解叠代對産品本身起到的作用。

那麼，在一次産品改版之後，我們應從哪幾個角度去入手，才能更好地評估一個功能的具體效果呢？

整體來說，我們可以分三個層次去度量評估。

1. 首先，我們需要明确新功能的目标；
2. 其次，梳理該功能的指标，具體可以分為大盤指标、基礎指标和護欄指标
3. 最後，通過對比分析明确功能的效果。

接下來，我們針對每個層次展開來說。

一、産品功能分析“三闆斧”

1. 明确功能目标

黎巴嫩詩人紀伯倫曾經說過一句非常有哲理的話，“我們已經走得太遠，以至忘記了為什麼出發”。

同樣，對于任意一款新産品，不管是大版本叠代升級，亦或是隻增加一個小功能的升級，我們首先需要回歸初心去思考，為什麼要增加這個新功能？也就是增加這個新功能的目的是什麼？

比如在一款APP中增加評論功能，可以豐富用戶互動行為，從而增加用戶粘性帶動大盤活躍；再比如電商類APP中上線秒殺功能，挑選某些商品參與特價秒殺，從而在短時間内促進用戶轉化，提升大盤GMV。

2. 梳理功能指标

弄清楚上線新功能的目的之後，接下來有同學迫不及待地會問，怎麼樣才能知道該功能有沒有達到目的呢？這個問題我們翻譯過來就是：通過哪些指标能夠衡量新功能的目标。

正所謂無法定義就無法度量，在實際業務中，對于所有的功能，我們都需要有一些明确的指标來進行衡量。舉個例子，我們想要上線一個新功能來提升用戶滿意度，這個時候我們就需要首先明确什麼是用戶滿意度，使用頻次增加？停留時長增加？還是留存率提升？

對于這些功能指标，我們可以分為三大類：結果指标、基礎指标和護欄指标。

1. 結果指标

結果指标很好理解，就是看新功能對大盤的貢獻情況。比如上線新功能的帶來的DAU在大盤DAU中的占比是多少，或者新功能帶來的GMV在大盤GMV中貢獻占比是多少等等。

2. 基礎指标

基礎指标，就是監測該功能的日常表現，具體又可以分為橫向指标和縱向指标。那麼如何區分橫向指标和縱向指标呢？當一個産品增加某個新功能，一定會在用戶使用路徑中（UJM模型）體現出來。比如下面這張圖，展示的是簡化版的用戶使用路徑，以及增加了某個新功能D之後的使用路徑。

所謂縱向指标，就是指當前功能的 UV、PV等指标，對比上一層的漏鬥（滲透率）以及留存率相關的指标。縱向指标的目的是度量該功能本身流量的大小以及相較于上一層級的留存情況。

那什麼是橫向指标呢？從圖中我們可以非常清晰的看到，對于某個特定的功能（比如功能D），用戶從開始使用到使用完成，經過的過程依次是“進入該功能”→“在功能中停留、點擊、消費、跳轉等一系列行為”→“退出該功能”。

相應地，該功能橫向指标包含用戶使用路徑中的常用行為指标，比如頁面的CTR、頁面停留時長、頁面跳出率等。橫向指标的目的是度量用戶在産品中的操作步驟或使用路徑，分析用戶的消費情況。

橫向和縱向分析相結合，就能比較清楚地了解當前功能的效果。

3. 護欄指标

可能你看到“護欄指标”這幾個字會比較懵，會疑惑什麼是護欄指标。通俗來說，是一種對功能效果評估補充的服務層指标。

舉個例子，某APP上線了某個新功能，但是該功能占用的服務器内存特别大，雖然功能效果很好，但是經常會導緻APP白屏或者閃崩。這時候，我們就需要從服務器層面，去監控比如“新功能失敗率”這樣的指标。而這些指标就是護欄指标。

護欄指标的意義在于，我們不僅能從大盤貢獻和基礎功能層面去評估某個新功能的價值，還可以從服務層面保證用戶體驗沒有下降（比如打開某頁面等待時長沒有從1s上漲至5s）。因為往往很多時候，功能有沒有效果還不是那麼重要，如果我們從最直接的交互上損害了用戶的體驗而導緻用戶流失，反而是最得不償失的。

但我們也不需要過于緊張，并不是所有頁面和功能都需要護欄指标。比如常見視頻的播放、頁面的加載、活動的下發等，這幾種往往需要監控一些失敗率及大盤上的加載效率。而一些小功能的添加，隻需要監控最基礎的頁面白屏率就可以了。

3. 分析功能效果

明确功能目标以及衡量目标的數據指标之後，最後我們需要判斷該功能的效果如何。數據分析中有一句名言：沒有對比就沒有結論。想要明确功能效果，必須進行對比。

那麼跟誰進行對比呢？

兩種思路，第一種，向外看，我們可以和競品（如果能夠拿到數據）進行對比；第二種，向内看，用一段周期内使用該功能的用戶對比未使用該功能的用戶之間的數據進行對比，也就是大家經常聽到的A/B Test。

二、實戰案例：快手“購物車”功能分析

快手是一款短視頻APP，相信大多數人應該都不陌生。當我們浏覽短視頻時，視頻左下角會有一個“購物車”的小按鈕，接下來我們就以“購物車”功能為例，來看一下如何分析該功能。

為了幫助大家更好的熟悉該功能，我們先來了解一下它整體的操作路徑：

需要注意的是，并不是所有視頻都會有購物車按鈕，隻有部分視頻中會有該功能。這個應該是由号主自主選擇設定。當我們點擊“購物車”按鈕後，會自動跳轉到商品列表頁，點擊“搶購”按鈕後跳轉到商品詳情頁，在商品詳情頁右下角可以選擇付費購買。

了解了該功能的使用路徑之後，接下來我們按照剛才給大家介紹的分析“三闆斧”，分層級進行實操。

1. 明确功能目标

大家都知道，“購物車”功能多存在于電商類購物APP中，對于一個短視頻APP加入“購物車”功能，很明顯是為了支持其電商業務的發展。

因此，我們可以很明确地知道，快手加入這個功能主要就是為了增加其收入，其次附帶功能是提升用戶的活躍和留存。

因為“購物車”帶有種草功能，用戶通過觀看視頻種草後可以将商品加入購物車，而後決定是否購買。久而久之會不斷擴展用戶的使用需求，從而提高用戶的活躍度和留存率。

2. 梳理功能指标

功能指标又可以分為三個層級：大盤指标，基礎指标，護欄指标。

首先我們要拆解大盤貢獻。通過上一步，我們可以确定該功能主要目标是提高平台GMV，次要目标是提升用戶活躍和留存，因此和大盤指标有聯系的對應三個指标：收入（GMV）、使用該該功能的UV、PV等、該功能的大盤留存率。

GMV 可以度量該功能能夠為快手平台整體商業化帶來的收入；

使用該功能的UV可以度量大盤中有多人會使用該功能，從而度量該功能對于拉升大盤活躍的貢獻；

大盤留存率可以通過對比未使用該功能的用戶的大盤留存率，度量該功能對大盤留存率的提升。

其次我們要度量該功能的基礎指标。縱向上，我們需要明确地知道各個頁面的 PV、UV，以及整體的功能留存率；橫向上，我們需要知道各個頁面中商品的點擊數、各子模塊的點擊數、頁面的停留時長、頁面的跳出率等。

縱向上度量流量的大小，橫向上度量用戶消費的情況，建立一個當前功能的頁面漏鬥，為後期叠代做好數據準備。

最後我們還需要分析護欄指标，對于一個短視頻平台來說，視頻是核心，因此甯願沒有“購物車”功能也必須保證視頻正常播放。“購物車”功能應該是嵌入在一個播放容器中，所以我們可以分析以下幾個護欄指标：播放器加載成功率、視頻播放成功率以及該功能的打開成功率。

播放器和視頻播放成功率是為了保證視頻的播放不受該功能影響，而“購物車”打開率則是為了監控該功能的穩定性。

3. 對比功能效果

首先可以向外看做競品對比，比如可以對比抖音和視頻号的“購物車”功能，或者其他直播中類似的帶貨數據的對比。

其次我們重點來說一下内部對比，内部對比也可以分為幾種對比角度。

頁面及功能之間的對比。比如頁面的哪些功能數據相比其他頁面更好，我們可以以實際産生的收入來作為衡量标準。因為有的漏鬥雖然量少，但是轉化很高，有的則相反。

商品之間的對比。比如同類型的産品，我們在哪些視頻中賣的更好，哪些視頻中賣的效果不好，這就是商品和視頻的匹配度問題。在上架商品時，我們可以推薦或者引導号主上架的商品類型。

受衆之間的對比。同一個視頻，同一個商品，對于不同用戶的購買率如何，一定會有差異，那我們如果為了提高 GMV，視頻推薦策略中是否需要考慮到這個特征。

對于頁面和功能之間的對比，通過漏鬥和轉化率，我們可以知道每個頁面的哪些環節需要優化；對于商品之間的對比，我們知道不同人群對商品的喜好，從而在不同渠道投放商品時更精準；對于受衆之間的對比，我們可以知道不同人群對商品的價格敏感情況以及商品的偏好情況，從而制定千人千面的營銷策略。

做完這三步，針對該功能初步的分析也基本完成了。

既明确了分析目标，又建立了度量标準，從而得到了效果結論。後期随着業務的發展，我們還需要繼續在此基礎上不斷叠代優化。

本文由 @知了數據分析 原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。

該文觀點僅代表作者本人，人人都是産品經理平台僅提供信息存儲空間服務。

,