product-analytics

产品分析

核心原则

• 重视指标，而非虚荣指标 — 聚焦与业务成果相关且可采取行动的指标
• 数据驱动决策 — 提出假设、衡量、学习、迭代
• 以用户为中心进行衡量 — 跟踪用户行为，而不只是页面浏览量
• 严谨的统计方法 — 理解统计显著性，避免假阳性
• 隐私优先 — 尊重用户数据，遵守 GDPR/CCPA
• 聚焦北极星指标 — 让所有团队围绕一个关键指标保持一致

---

硬性规则（必须遵守）

以下规则为强制要求。违反这些规则意味着此技能无法正常工作。

事件中不得包含个人身份信息

事件绝不能包含个人身份信息。

// ❌ FORBIDDEN: PII in event properties
track('user_signed_up', {
  email: '[email protected]',     // PII!
  name: 'John Doe',              // PII!
  phone: '+1234567890',          // PII!
  ip_address: '192.168.1.1',     // PII!
  credit_card: '4111...',        // NEVER!
});

// ✅ REQUIRED: Anonymized/hashed identifiers only
track('user_signed_up', {
  user_id: hash('[email protected]'),  // Hashed
  plan: 'pro',
  source: 'organic',
  country: 'US',                       // Broad location OK
});

// Masking utilities
const maskEmail = (email) => {
  const [name, domain] = email.split('@');
  return `${name[0]}***@${domain}`;
};

对象_动作事件命名

所有事件名称都必须遵循 object_action 蛇形命名格式。

// ❌ FORBIDDEN: Inconsistent naming
track('signup');                    // No object
track('newProject');                // camelCase
track('Upload File');               // Spaces and PascalCase
track('user-created');              // kebab-case
track('BUTTON_CLICKED');            // SCREAMING_CASE

// ✅ REQUIRED: object_action snake_case
track('user_signed_up');
track('project_created');
track('file_uploaded');
track('payment_completed');
track('checkout_started');

只跟踪可采取行动的指标

跟踪能够推动决策的指标，而非虚荣指标。

// ❌ FORBIDDEN: Vanity metrics without context
track('page_viewed');               // No insight
track('button_clicked');            // Too generic
track('app_opened');                // Doesn't indicate value

// ✅ REQUIRED: Actionable metrics tied to outcomes
track('feature_activated', {
  feature: 'dark_mode',
  time_to_activation_hours: 2.5,
  user_segment: 'power_user',
});

track('checkout_completed', {
  order_value: 99.99,
  items_count: 3,
  payment_method: 'credit_card',
  coupon_applied: true,
});

实验须采用严谨的统计方法

A/B 测试必须具备适当的样本量和显著性阈值。

// ❌ FORBIDDEN: Drawing conclusions too early
// "After 100 users, variant B has 5% higher conversion!"
// This is not statistically significant.

// ✅ REQUIRED: Proper experiment setup
const experimentConfig = {
  name: 'new_checkout_flow',
  hypothesis: 'New flow increases conversion by 10%',

  // Statistical requirements
  significance_level: 0.05,      // 95% confidence
  power: 0.80,                   // 80% power
  minimum_detectable_effect: 0.10, // 10% lift

  // Calculated sample size
  sample_size_per_variant: 3842,

  // Guardrails
  max_duration_days: 14,
  stop_if_degradation: -0.05,    // Stop if 5% worse
};

---

快速参考

如何选择

场景	框架/工具	关键指标
整体产品健康度	北极星指标	聆听时长（Spotify）、预订晚数（Airbnb）
增长优化	AARRR（海盗指标）	各阶段转化率
功能验证	A/B 测试	统计显著性（p < 0.05）
用户参与度	队列分析	第 1/7/30 天留存率
转化优化	漏斗分析	各步骤流失率
功能影响	归因建模	多触点归因
实验成功与否	统计检验	检验效能、显著性、效应量

---

北极星指标

定义

北极星指标是最能体现产品为客户创造的核心价值的一个指标。当这一指标持续增长时，业务就能取得成功。

优秀 NSM 的特征

✓ Captures product value delivery
✓ Correlates with revenue/growth
✓ Measurable and trackable
✓ Movable by product/engineering
✓ Understandable by entire org
✓ Leading (not lagging) indicator

各公司的示例

公司	北极星指标	有效原因
Spotify	聆听时长	核心价值 = 享受音乐
Airbnb	预订晚数	推动收入 + 交付价值
Slack	日活跃团队数	参与度 = 产品黏性
Facebook	月活跃用户数	网络效应的基础
Amplitude	每周获得洞察的用户数	价值 = 分析洞察
Dropbox	分享文件的活跃用户数	核心产品行为

NSM 框架

North Star Metric
       ↓
┌──────┴──────┬──────────┬──────────┐
│             │          │          │
Input 1    Input 2   Input 3   Input 4
(Supporting metrics that drive NSM)

Example: Spotify
NSM: Time Spent Listening
├── Daily Active Users
├── Playlists Created
├── Songs Added to Library
└── Share/Social Actions

如何定义 NSM

1. 确定核心价值主张

   • 你的产品为用户完成什么任务？
   • 用户何时获得“顿悟”时刻？

2. 找到能代表这一价值的指标

   • 完成交易？（例如：预订晚数）
   • 参与时长？（例如：聆听时长）
   • 创建内容？（例如：发送的消息数）

3. 验证它与业务成功之间的相关性

   • NSM 上升 → 收入会上升吗？
   • 产品改动能推动这一指标吗？

4. 定义辅助输入指标

   • 哪些用户行为会推动 NSM？
   • 将其拆分为 3–5 个关键输入指标

---

AARRR 框架（海盗指标）

概览

AARRR 框架跟踪客户生命周期中的五个阶段：

ACQUISITION → ACTIVATION → RETENTION → REFERRAL → REVENUE

阶段定义

1. 获客

用户发现产品的阶段

关键问题：

• 用户来自哪里？
• 哪些渠道带来的用户质量最高？
• 单次获客成本（CPA）是多少？

指标：

• Website visitors
• App installs
• Sign-ups per channel
• Cost per acquisition (CPA)
• Channel conversion rates

事件示例：

// Landing page view
track('page_viewed', {
  page: 'landing',
  utm_source: 'google',
  utm_medium: 'cpc',
  utm_campaign: 'brand_search'
});

// Sign-up started
track('signup_started', {
  source: 'homepage_cta'
});

2. 激活

用户体验到产品核心价值的阶段

关键问题：

• “顿悟”时刻是什么？
• 首次获得价值需要多久？
• 有多少用户完成激活？

指标：

• Time to first action
• Activation rate (% completing key action)
• Setup completion rate
• Feature adoption rate

“顿悟”时刻示例：

Slack:     Send 2,000 messages in team
Twitter:   Follow 30 users
Dropbox:   Upload first file
LinkedIn:  Connect with 5 people

事件示例：

// Activation milestone
track('activated', {
  user_id: 'usr_123',
  activation_action: 'first_project_created',
  time_to_activation_hours: 2.5
});

3. 留存

用户持续回访的情况

关键问题：

• 第 1 天／第 7 天／第 30 天留存率是多少？
• 哪些群组的留存率最高？
• 是什么导致用户流失？

指标：

• Day 1/7/30 retention rate
• Weekly/Monthly active users (WAU/MAU)
• Churn rate
• Usage frequency
• Feature stickiness (DAU/MAU)

留存率计算：

Day X Retention = Users returning on Day X / Total users in cohort

Example:
Cohort: 1000 users signed up Jan 1
Day 7: 300 returned
Day 7 Retention = 300/1000 = 30%

事件示例：

// Daily engagement
track('session_started', {
  user_id: 'usr_123',
  session_count: 42,
  days_since_signup: 15
});

4. 推荐

用户推荐你的产品的情况

关键问题：

• 病毒系数（K 因子）是多少？
• 哪些用户最常推荐？
• 哪些推荐激励措施有效？

指标：

• Viral coefficient (K-factor)
• Referral rate (% users referring)
• Invites sent per user
• Invite conversion rate
• Net Promoter Score (NPS)

病毒系数：

K = (% users who refer) × (avg invites per user) × (invite conversion rate)

Example:
K = 0.20 × 5 × 0.30 = 0.30

K > 1: Viral growth (each user brings >1 new user)
K < 1: Need paid acquisition

事件示例：

// Referral actions
track('invite_sent', {
  user_id: 'usr_123',
  channel: 'email',
  recipients: 3
});

track('referral_converted', {
  referrer_id: 'usr_123',
  new_user_id: 'usr_456',
  channel: 'email'
});

5. 收入

用户创造商业价值的情况

关键问题：

• 客户生命周期价值（LTV）是多少？
• LTV:CAC 比率是多少？
• 哪些细分群体的变现效果最好？

指标：

• Monthly Recurring Revenue (MRR)
• Average Revenue Per User (ARPU)
• Customer Lifetime Value (LTV)
• LTV:CAC ratio
• Conversion to paid
• Revenue churn

LTV 计算：

LTV = ARPU × Gross Margin / Churn Rate

Example:
ARPU: $50/month
Gross Margin: 80%
Churn: 5%/month

LTV = $50 × 0.80 / 0.05 = $800

Healthy LTV:CAC ratio: 3:1 or higher

事件示例：

// Revenue events
track('subscription_started', {
  user_id: 'usr_123',
  plan: 'pro',
  mrr: 29.99,
  billing_cycle: 'monthly'
});

track('upgrade_completed', {
  user_id: 'usr_123',
  from_plan: 'basic',
  to_plan: 'pro',
  mrr_change: 20.00
});

AARRR 指标仪表板

## Acquisition
- Total visitors: 50,000
- Sign-ups: 2,500 (5% conversion)
- Top channels: Organic (40%), Paid (30%), Referral (20%)

## Activation
- Activated users: 1,750 (70% of sign-ups)
- Time to activation: 3.2 hours (median)
- Activation funnel drop-off: 30% at setup step 2

## Retention
- Day 1: 60%
- Day 7: 35%
- Day 30: 20%
- Churn: 5%/month

## Referral
- K-factor: 0.4
- Users referring: 15%
- Invites per user: 4.2
- Invite conversion: 25%

## Revenue
- MRR: $125,000
- ARPU: $50
- LTV: $800
- LTV:CAC: 4:1
- Conversion to paid: 25%

---

扩展参考

从 ## Key Metrics & Formulas 开始的详细内容已移至 reference/extended.md，以保持此技能简洁。任务需要其中迁移的示例、命令目录、检查清单、平台详情或实现模板时，请加载该参考文档。