假设你是一家企业的创始人，正在验证你的网站和APP产品能否通过MVP阶段验证。你的重点应该是什么？
很多时候，无论是来自互联网大公司的牛逼团队，还是草根创业的天才团队，都要经历这样一个阶段:
产品形态还是很早期的版本。
网站/App首页呈现的是围绕早期团队构思的内容/商品栏目，有望驱动用户产生重要的商业行为。
一些用户可能已经开始尝试体验这个产品的过程，但实际上很多用户在使用的时候很迷茫，没有找到继续使用的动力。
在这方面，团队再牛逼，再有才华，谁不想不断验证用户的真实使用行为，快速迭代产品呢？越来越执念的是什么？
新版本产品推出前的MVP，是创业团队脑子里想的概念设计，是他们坚持的理念。
按照东方哲学的说法，这已经不自觉地产生了“自我”，或者说是一种“执念”。
那些认为“只有偏执狂才能生存”的人忽略了一点:在企业的生存中，没有办法统计“偏执狂”和“非偏执狂”做对了什么？你做错了什么？正确行事的潜在影响可以量化吗？做错事的潜在影响可以量化吗？背后的基本法是什么？
我们永远不会缺少“旗手”，但一个长盛不衰的企业的根本是“理性”和“创新”。看我之前怎么写的打破成长的诅咒。
对于一个创业企业来说，最关键的工作是放弃创始团队所谓的“执念”，专注于对用户真实行为和反馈的深入研究，引导产品的快速迭代。
所以互联网的成长之路就是探索，探索一直走下去。每一次发现都是一种学习和经验积累。
探索方法:数据分析。
如何摆脱对分析的执念？
我们来看看创业公司在明确自己的商业模式后，需要做什么样的分析。
1)用户核心商业行为分析
总业务漏斗:
行为分析的一个目标是指导产品的迭代。例如，我们一般需要建立一个或几个业务行为漏斗。
一个APP，从产品曝光-点击-核心业务动作1-核心业务完成，以及用户跳转到其他业务板块的行为漏斗趋势。
跨业务跳转三级图:
需要在业务场景中的几个板块之间分析用户的核心行为，包括业务板块1-业务板块2-业务板块3-内容板块。
单一业务线的行为漏斗
分析单个业务下的用户行为漏斗，判断用户的使用路径问题、体验问题、业务转化效率和效果。
断代分析
这种分析比较深入。需要针对不同的用户群体，商业行为，不同的年龄，不同的用户属性。
很多团队会把用户大致分为一般用户/核心用户/超核心用户，然后希望通过对用户进行分层，找到不同层用户的核心行为特征和画像。
2)保留分析
整体留存:一般当天访问APP的用户，第二天依然会访问。
每个业务板块的留存:当天访问每个业务板块的用户，第二天仍然会访问每个板块。
特定功能的保留:某一天使用特定功能的用户，第二天仍然会使用特定功能。
企业需要比较整体留存和不同业务板块留存，判断差异在哪里，谁的业绩好，谁的业绩差。
3)用户画像:
一般来说，创始团队不妨从上述核心商业行为和留存行为出发，以预设的方式对用户进行分类，比如新老、消费能力不同、品类和品牌偏好不同、地域不同等等。
之前写过用户画像的错误，特别提醒那些认为可以反复使用固化画像模型的企业。记住一定要了解用户画像，不要误入歧途。
用户画像在工程上需要实现多主体标签系统和数据驱动的评价方法。
本质上是需要在纬度中分析判断所有用户的洞察决策，在更丰富的纬度中掌握活跃度、留存、转化时长等业务目标的相关性分析洞察。
4)主题分析
一般这是产品运营团队在观察业务增长时必须要做的。
比如一个APP的首页如何布局，涉及到每个板块的CTR，点展比/周活跃比。通过分析像素点击比例，可以判断哪个板块贡献值大，值得保留。毕竟资源有限。
如果是基于内容的APP，比如视频/音频，还需要增加用户实际使用内容的体验数据，比如播放率/点赞。
一个学习APP需要监控学习时长和上课完成率。
基于知识的社区需要监控高质量问题的提交数量。
一个电商网站/APP需要监控曝光率、转化率/购买率/支付完成率等。网站中企业详细信息页面的。
洞察力是成长之路。
虽然上面列出了一些大家似乎都知道的分析要求，但如果进一步问，其实还有很多潜在的问题需要解决。
以下是一些典型的问题:
通过简单的用户分组，可以知道一群具有共同特征的用户，并对其使用行为的共性进行漏斗分析。但是对于非常喜欢做动作A/不知道怎么做动作A的用户来说，对他们使用路径的分析不知道是否做，如何做。
对于付费转化的链接，真的是用户点击最后一页/内容才购买的关键吗？或者有没有其他的分析方法可以借鉴？目前的用户画像只是从业务角度粗略划分。有没有从用户主动探索的意愿出发，建立新的画像的方法？应该重点关注哪些行为，设置权重？目标是找到一个范围，设置不同的流程来指导不同的人像。这些问题的解决方案在于我一直推荐所有团队采用的增长管理流程:
洞察:一方的数据洞察/纬度/目标
战略:产品计划/运营计划/营销计划
检验:样本总体/流量估计/检验计算
数据洞察是算法模型服务赋能一线业务运营的重要工具，是一条流水线。通过对业务指标的定向研究和建模，输出业务所需的用户、策略和相关结论，通过机器学习的算法能力为成长团队赋能。
主要工作是:求解北极星指数/活动分析/行为流量分析/啊哈时刻/精准人群分组。
根据洞察分析报告和结论制定的产品运营策略需要实验时，需要涉及结果预估、流量预估、导流平衡策略，以保证实验过程和结论的科学可信。
主要工作是:试验方案的设计，试验数据的计算和解释。
这些是互联网发展的“科学途径”。
作者:www.dtalk.org创始人顾青，曾负责携程的数据驱动增长和产品决策管理。
