14 | 如何用数据做出产品决定？

发表下我的思考，请老师指正 1、【通过不同用户行为进行假设分析留存】 假设影响视频发布者留存因素： 因素1：粉丝数 因素2：互动数（点赞、评论、转发） 因素3：内容质量差（内容无趣、内容同质化严重、内容太长、广告太多） 因素4：被浏览数太少 因素5：视频发布流程 假设影响视频观看者留存因素: 因素1：粉丝数 因素2：互动数（点赞、评论、转发） 因素3：内容质量差（内容无趣、内容同质化严重、内容太长、广告太多） 因素4：浏览数数太少 因素5：内容创作者（发布视频者的质量、性别、风格等个人属性） 2、【验证假设】 1、通过ABtest验证 2、通过现有数据验证，如验证粉丝数是否对留存有影响，可拉取不同梯度的粉丝数量进行用户留存的对比。 3、【根据假设提出产品改进点】 假设一：粉丝数太少：增加粉丝推荐，好友邀请等机制 假设二：互动太少：增加互动引导，适当可引入积分等虚拟分值机制，通过分值诱导用户增加互动。 假设三：内容质量：通过算法、人工举报、用户画像等优化内容推荐 假设四：浏览太少：通过算法结合用户画像等优化推荐内容浏览 假设五：发布流程复杂：分析用户制作路径，减少用户制作步骤，提供用户教程视频 假设六：内容创作者（发布视频者的质量、性别、风格等个人属性）：根据用户喜好个性化推荐内容创作者；引入KOL、明星等认知度较高的内容创作者。

老师你好，想请教一个问题，关于数据维度的定义问题，也就是文中涉及到的“D7>4为高活跃用户，2<D7<4为中活跃用户，D7<2为低活跃用户”。想请教一下你们是如何进行确认？关于维度的定义我的实际操作是这样的。 以定义活跃用户为例： ● 若产品是一个成熟的产品（拥有一定的用户基数），我们会总结系统内部统计的数据，整理当中的用户规律。（如果这个产品不在行业中占领头位置，可能还要想其他同行探听参考标准。） ● 若产品是一个新产品，市场是还没有一些相似的竞品，我们会以从用户本身行为研究，慢慢总结和修正活跃用户的标准。（具体一点就是看那一类特征的用户人群占比最大） ● 若产品是一个新产品，同时市场上也有类似的产品，一方面还是和用户本身行为研究，但会花时间去尝试在同行里面问到相关的定义标准。（因为活跃度定义这个一般上的市场研究很少会去到那么细，只能够通过私下渠道探听）。 期待能够得到您的回复，午安

D7=2 和 4有什么特别的含义吗？在划分活跃度时没有包含。

晓音姐，我想请教下，面试的时候被评价缺少系统化思考，请问什么是系统化的思考？看怎么培养呢

感觉在做实验对比验证假设的同时，产品功能也就逐渐成型了

请问：增加D7是怎么算呢，因为千文章开头说到D7有1到7，是指测试组比较对比组的D7总和增加还是指D7大于某个值的比例增加呢？

回答下课后问题的个人理解： 首先在定量上，应该会对比下流失用户和非流失用户的区别。 然后最好能抽取到几个具体流失用户做定性的访谈。甚至可以考虑对定性的结果，进一步的做定量的问卷分析。 这样形成的假设会更有依据。 有了假设，剩下的AB测试和验证都是很具体的见招拆招的问题。不一一叙述。 Btw，越来越感觉产品其实有其非常科学的一面。

先有问题，再有假设，验证假设 将问题拆分，验证更细节的假设 通过假设检验去验证假设，得到结论，推动功能设计，提高数据指标。 这就是数据分析的意义，但是在这一过程中我们也要看到科学的数据分析方法，会提问的重要性。

通过用户分层将用户分为：发布视频用户，观看视频用户 发布视频用户： 用户关注数； 用户互赞评论数； 平台给予的商业价值； 平台给予发布优秀视频的曝光度； 观看视频用户： 发布视频者的内容质量； 互赞评论数； 关注用户的内容更新速度；

深度好文，这个产品专栏，之前第一次看的时候，觉得没意思。经过近半年的努力成长，再次看这个专栏，觉得是宝。对比其他产品专栏，曲老师的更加优秀。