1 写在前面

从产品论的角度而言，一款产品从0到1的建立，需要经历五层设计（战略层、范围层、结构层、框架层、表现层）。而从数据分析的角度而言，数据分析由浅至深也分为5层（角色扮演、业务指标、现成模型、公司战略、行业发展）。无论从产品论的角度又或者是数据分析的角度，最终的本质是服务于商业模式，当然对于政府等公共性质的App而言，是无需商业模式的。

2 产品基本信息

产品名称：xx市数据信访便民投诉平台App，后面简称为“信访App”。

产品定位：此次信访App的产品定位为工具性产品，主要是方便信访人民，在App上进行信访业务办理，包括信访投诉、进度查询、预约等一系列的信访服务。

产品受众：我们建设的是一个数据信访平台，此平台可以支持网上信访和线下信访，所有的数据都会进入到我们的平台，因此我们可以对信访受众进行全量分析。

产品受众是所有潜在或者现实对信访有需求的受众，从前期的上访情况来看，普遍的上访群众的年龄在30~60岁左右。

产品功能：已上线运行的信访App的功能包括：信访投诉；政策、福利等咨询；领导包案预约；业务办理督办、催办；社会民意征集；业务办理进度查询；业务办理结果、工作人员评价。

3 面临的问题

国家局在2018年6月份下达通知，要求各个省市的每月综合网上信访率需要达到60%以上，并且会纳入到信访工作考核指标中，而在2018年的6月份，我们后台统计，xx市的网上信访率为18.94%(总信访量264件，网上信访量50件)。

因此，我们需要配合xx市信访局完成这一指标。[网上信访率=手机App信访登记量/信访信访登记总量，当前的网上信访的主要渠道是App投诉]

4 分析思路

从两个角度进行分析，针对产品的角度而言，产品的定位（战略层）是正确的（针对信访群众进行上访），产品的需求功能（范围层）也是正确的（可以满足信访群众进行信访登记），那么就只需从产品的结构层、框架层、表现层来进行分析。

而从数据分析的角度而言，主要是从业务指标的角度进行分析（即当前的网上信访率达不到要求，需要分析出业务指标无法达到要求的原因，并给出解决方案）。

排除数据噪音

想必大家在初中都学习过控制变量法，通过控制变量来观察因变量的影响因素。同理，我们在进行数据分析的时候也需要采用类似的方法，首先就要排除数据噪音的干扰。对于当前的分析角度而言，我们是要通过数据分析来驱动产品迭代，那么产品的运营数据对于产品的使用数据而言就是噪音数据。

产品的运营数据就是产品的安装量、注册人数、App使用情况、App活跃度等数据。结合信访App的运营数据以及6月份的信访投诉的数据进行分析，来排除数据噪音。

通过业务后台数据分析可以知道6月份信访人数为264人，其中通过手机App信访的有50人，线下信访的有214人（其中有132人是已注册了信访App），因此我们得出的数据结论是，理论上网上信访率可以达到68.94%[网上信访率 =（网上信访人数+已注册人数）/信访总人数]。
因此可以说明，我们的数据在客观条件下是能够满足业务指标要求的，这样就排除了因为产品运营情况的不到位，而导致的客观硬性条件下不能达到业务指标要求。接下来就可以从产品的使用数据来进行分析网上信访率不达标的影响因素。

业务指标角度

我们会分两条路径统计6月份这个期间的App的启动次数、App的注册次数、App登录次数、使用投诉办理功能的次数、提交信访诉求的次数。

通过事件转化率分析，这7个步骤的转化率，分别表示的是：路径1表示App的启动之后，直接登录App的概率路径2表示在直接登录App之后，使用投诉办理功能的概率路径3表示在直接登录App的前提下，进入投诉办理功能之后，完成信访诉求提交的概率路径4表示在App的启动之后，注册App的概率路径5表示在注册之后，直接登录App的概率路径6表示在注册之后直接登录的前提下，使用投诉办理功能的概率路径7表示在注册之后直接登录的前提下，进入投诉办理功能之后，完成信访诉求提交的概率。

建立数据指标

为了验证数据，我们首先通过自定义事件，定义8类事件，分别为“App启动量、App注册量、App登录量（无注册）、App登录量（有注册）、App使用信访投诉功能量（无注册）、App使用信访投诉功能量（有注册）、网上信访总量（无注册）、网上信访总量（有注册）“。

然后通过事件转化率，我们定义了两类类转化率，分别是“有注册的业务路径、无注册的业务路径”。

最后就是通过基础看板中的功能使用“事件转化率”，既可以看到这两条路径的转化率情况，如下图

数据结果

统计出来的6月份两条路径的事件转化率如下

数据分析结论

6月份，路径上从App启动—>App使用信访投诉功能的转化率较低，仅有30%左右，这可能跟信访投诉具有一次性的特性，而查询、督办等功能具有多次操作的特性相关。

同时，路径上从App使用信访投诉功能—>网上信访的综合转化率则是非常低，仅有12.47%。但其中有注册的业务路径转化率会高一些，这可能跟信访群众在信访局有工作人员协助的因素导致。但也足以说明，App上的信访投诉功能存在一定的问题，需要进行优化。

数据结论的再次分析确定

对6月份的数据，特意挑选出线下投诉但已注册过App的132人，即这132人的网上信访人数为0。根据业务指标达成路径上的转化情况进行用户分组。

根据上诉的方式，选择时间为2018年6月份，我们将人群分为：线下信访_已注册_登录App、线下信访_已注册_App使用信访投诉功能，两类人群。

综上可以确认两点问题

a) 数据分析的结论是正确的，信访投诉功能存在问题

b) 如果117人都是愿意使用App进行投诉的，如果解决投诉功能的问题，那么有可以使得网上信访率达到63%左右，满足指标要求。

产品角度

从业务指标的角度我们发现了App的信访投诉功能存在一定的问题，且信访投诉操作具有操作的一次性特征，因此需要优化，但具体如何优化，优化的方向还无具体的数据支撑。因此，我们需要从产品的角度，结合数据埋点进行分析。

上述的路径是完成信访投诉必经的路径，一共涉及4个页面，因此对每一个页面进行数据埋点：进入此页面的计数。
结构层的信息页面路径是否能够走完，需要对每个页面的框架进行分析，用于分析此页面的识别度和可操作性以及下一个入口的便捷性。因此可以说结构层和框架层是息息相关的，那么根据框架层的特性，我们从时间维度上，对每个页面进行数据埋点：在此页面上停留的时长。
建立数据指标
首先通过自定义事件，将各个页面的操作次数都统计出来，如下图所示

通过漏斗分析，查看每个页面的转化率情况，如下图所示

数据结果

数据分析结论

（1） 6月份，可以看到填写信访诉求的完成情况很低，仅有25.38%，说明填写信访诉求页面需要亟需优化。

（2） 6月份，每一个页面都存在一定的转化损耗，所以需要从产品和业务的角度考虑缩短路径。

改进方案的用户画像

产品是针对受众，因此支撑改进方案的一定是要落地到用户画像上，由于信访的特殊性，因此，此次仅需要对年龄进行刻画即可。

通过用户分群功能，根据信访人群的年龄进行划分。

可以知道30～50岁的人群，占据了注册人数的76.88%，是绝大多数的人，由此可见产品的优化方案，主要是针对这个年龄段的人群。

改进方案的建议

根据数据分析结论、产品的分析结论以及用户画像我们针对产品提出了如下的优化建议

1） 填写上访人信息页面取消，默认统一获取当前登录的用户信息（姓名、身份证号、居住地址、联系方式），并将身份证号、居住地址等个人信息，融入到注册环节进行填写。（在信访的业务上，也是支持多人上访，但仅有一人作代表的情况。

2） 选择信访单位此页面取消，采用后台默认统一将信访件分配到xx市信访局，再由信访局发送到属地单位进行办理。

3） 填写信访诉求的页面，采用多种方式，代替仅限文字输入的方式。比如语音输入、附件文本上传、图片上传、视频上传这四类方式。在业务上，信访办理也是需要将App投诉内容转录到办案系统，所以这四类的方式都可行。

5 效果观察

效果数据

通过自定义报表，将网上信访率进行持续跟踪，如下图是7月份和8月份的数据，而选取2个月的时间作为观察的长度是因为信访的数量本来就属于弱需求，平均每个月的信访量也就800件左右，而同时国家局要求的指标只要在12月底之前完成即可。（此处要提一个数据，就是截止到6月份，已注册App的信访群众达到了1276人，7月份新增注册人数70人，8月份新增注册人数100人）

由此可见，我们的改进效果是有成效的，说明通过这一套数据分析下来，的确是在一定程度上解决了产品的问题，但却还没有达到业务指标（60%）的要求。
效果反思

产品已经优化了，且在宏观的结果有一定的成效，但是还是需要数据支撑，去看产品优化带来的具体成效。
（1） 重复采用漏斗分析的方法，去分析页面的转化率，如下图是7月和8月的页面转化率情况

总体转化率直接从12.74%提升到60.83%，总体转化率有了质的提升，而且完成信访投诉的转化率从25.38%直接提升到了85%左右，也完全证明了我们的数据分析给出的解决方案也是正确的。

（2） 整理思路，依然还没有达到指标。我们发现其实先通过业务指标进行分析找到路径上的薄弱点，掩盖了产品的两个点，分别是注册（产品功能）和用户留存（产品使用）。而这个点只能从产品的角度才能发现。

6 迭代数据分析优化产品

注册（产品功能）

通过漏斗分析产品的注册页面路径转化分析，我们统计出7月和8月的注册页面的路径转化情况，如下图所示

基于如上的数据，结合产品的方法论，我们给出注册/登录这套操作进如下方式的优化

a) 注册和登录都采用手机号码+验证码的方式，进行注册和登录，替代账户基本信息填写（内容包括：用户名、电话、密码、验证码）。

b) 个人基本信息填写，采用手动输入和拍摄证件照两种方式进行填写，但优先推荐证件照上传的方式。

用户留存（产品使用）

通过自定义留存的功能，我们可以定义，在每个月中，已注册App的信访群众的留存情况（留存率=当月使用App信访功能的人数/当月信访的总人数中已注册App的人数）。

基于如上数据，加入一个消息引导提醒“App信访数据概况”，这条信息中包含“网上信访操作事件、网上信访办理效率、网上信访比例、网上信访操作改善功能点”这四个维度的提醒，用于提高留存率。

迭代优化持续跟踪效果

通过自定义报表，我们可以知道9月份注册的页面转化率优化情况，信访留存率情况和网上信访率情况。

6 总结

最后，还是需要强调一次，通过这一套的数据分析和优化，我们耗时3个月达成了国家局要求的网上信访的指标（60%），另外数据分析当然肯定不是一个月才进行一次分析，而是至少每周，甚至每天进行分析，跟踪变化情况。
数据分析不能从一个角度进行分析，要结合多个维度，尤其要从产品的角度思考数据分析方法的完整性；同时需要能够基于已分析出的数据，进行深入挖掘。才能找到问题的根本原因，并能够明确地给出解决方案。