鲁达 上篇文章比较详细的介绍了功能覆盖率与功能频次，这一篇会把功能的衰减、功能卸载率、卸载前的行为路径这三个指标一并介绍完，也算是给『产品的指标介绍』做一个完整的收官。
一、功能的衰减
功能的衰减主要包含两个类别：一个是功能使用的衰减；另一个是功能漏斗。
功能使用的衰减主要评估该功能对用户的价值，一个功能对于用户越重要，其衰减程度就越弱，例如：微信的聊天功能，基本上不会随着时间的推移而有所衰减，而一些尝鲜性质的功能——就像『摇一摇』『附近的人』等功能，可能刚上线的时候，用户会觉得很有意思，但是一段时间后，其使用程度就会快速的冷却下来。
而事件漏斗主要通过步骤间的转化率评估该功能设计的合理与否。
1.1 功能使用的衰减
功能的衰减描述的是某一批用户中，某个功能的使用程度，随着时间的变化过程，具体可以通过三个维度来进行观测：用户覆盖率的衰减、功能使用频次的衰减、功能使用时长的衰减。
用户覆盖率的衰减指的是：某批用户中，在接下来的一段时间内，使用该功能用户的占比变化，通常以『自然日』为时间单位。
对于覆盖人群广，每日使用频次低，但是又期待用户每天完成的功能来说，用户覆盖率的衰减是一个很好的衡量指标。
例如：每日签到这样的功能，如果用户覆盖率衰减的慢，说明有更多的用户愿意持续的进行每日签到，如果衰减的很快，则需要考虑签到功能设置的是否得当，奖励是否吸引人。
功能使用频次的衰减指的是：某批用户中，在接下来的一段时间内，使用该功能的总频次的变化，通常以『自然日』为时间单位。
这个指标通常用于评估日常使用频次较高的功能，例如内存清理，美颜相机功能……
功能使用时长的衰减指的是：某批用户中，在接下来的一段时间内，使用该功能的总时长的占比变化，通常以『自然日』为时间单位。
这个这个指标通常用于衡量比较耗时的功能，例如游戏、内容类的产品（新闻、社区等）。
功能使用的衰减主要用于评估使用频次比较高，使用连续性比较强的应用/功能，对于使用频次极低的App一般不适用。例如：计算器，因为这类应用的使用场景过于单一，而且具有极强的偶发性，很难用『功能使用的衰减』这一指标来衡量其功能的好与坏。
在日常的产品经验中，上面提到的三种衰减，通常在前几天下降的特别厉害，以『用户覆盖率的衰减』为例（如下图所示），所以这也提醒我们在设计产品/功能的时候，一定要让用户尽早的发现其价值，否则用户会很快的抛弃该功能甚至是直接卸载！
1.2 事件漏斗
在现实的产品中，每个功能都是由多个操作步骤连接而成的，继续以微信的『摇一摇』为例，要完整的体验该功能需要经历如下以下几个步骤：
但是不是每个用户都能顺利地完成所有的操作，有些可能是缺乏耐心，有些是因为不明白该功能的流程设计……最终每个操作步骤都会有一部分用户的流失，我们通常会使用功能漏斗来描述这个过程。
事件漏斗是产品数据分析中最常用的几个指标之一，尤其是涉及到包含多个步骤复杂操作的时候。
与『功能使用衰减』不同的是：『事件漏斗』主要评估某次使用过程，而不是重复使用的程度，所以『事件漏斗』同样可以评估计算器等低频属性的产品。
在日常的工作中，『事件漏斗』最大的损失往往在于最开始的几个步骤，最前面的几个步骤间的损失率常常高达50%以上。因为漏斗的步骤越靠前，其用户基数就越大，那些对于产品兴趣程度低的用户比例也越高，越是能坚持到后期几个步骤的用户，越能说明这部分用户的高端属性。所以在设计包含多个步骤的功能时，尤其是涉及到授权等敏感操作，前面的几个步骤中一定要做好引导与说明工作，避免用户困惑与反感，让更多的用户愿意尝试与参与。
二、功能卸载率与卸载前的行为路径
2.1 功能卸载率
功能卸载率指的是：使用了某个功能的用户中，其卸载率的变化（10分钟卸载率、24小时卸载率）。这个指标非常的重要。评估一个功能对于用户影响程度。
这里的『功能卸载率』中的功能描述的不是某个具体的功能，指的是某种改动，例如：添加了某个功能，或者是已有功能的流程改动，或者是某个界面进行了改版……
例如：如果新添加了一个功能，结果凡是体验了这个改动的用户，其卸载率有了一个显著的提升。那么，则说明：用户比较反感这个改动，反之，则说明用户比较喜欢这个改动。
当然『功能卸载率』也有自己的使用限制：在没进行AB测试的情况下，『功能卸载率』适用于评估曝光率比较大的改动。因为如果某个改动曝光率很小，凡是能发现该改动的用户本身就大概率的是该产品的高级用户，而这部分高级用户的行为与广大的普通用户具有很大的差异性！
2.2 卸载前的行为路径
卸载前的行为路径指的是用户在卸载之前，所进行的一系列操作，并按照时间顺序将这些操作穷举出来。与前面所有的指标不同的是：『卸载前的行为路径』并不是某个数值，而是一个了解用户非常重要的一个途径。
在做产品的过程中，不仅要对喜欢我们产品的用户格外关注，更要去关注那些下载了产品并最终卸载的用户。因为从这部分用户群体中，更能挖掘出产品本身存在的缺陷。
卸载前的行为路径往往有多种，通常会选择最普遍的一条路径进行分析，观测这条路径中有没有包含产品的核心功能。如果有，则可能该功能并不能够吸引到用户；如果该路径没有包含核心功能，则说明产品的引导工作没有做好，使得用户白白地流失了。
三、核心行为（临时补充）
所谓的核心行为，指的是对于核心指标影响最大的行为。
『核心行为』往往与产品的核心功能息息相关，例如：对于垃圾清理工具来说，使用频次作为其核心指标，那么点击『清理按钮』可能就是核心行为；对于电商应用来说，购买率是其核心指标，那么点击购买可能就是核心行为；对于新闻应用来说，卸载率/留存率可以作为其核心指标，那么发表评论可能就是核心行为……而一旦确定了产品的关键指标并确定了其核心行为，接下来所有的优化与拓展都是围绕着『核心行为』来展开。
通常情况下，产品的核心指标是根据不同产品，不同场景而认为确定了，但是核心行为却要根据其核心指标而寻找并确定下来，通常确定一个产品的核心行为往往要经历以下步骤：
步骤一： 确定核心指标
不同产品在不同阶段的核心指标是不一样的，通常在产品初期，用户的增长可能是最核心的指标，而产品中期，用户的留存率可能是其核心指标，而产品后期，用户的使用时长/频次可能是产品的核心指标，总之核心指标非常关键，直接决定了团队的努力方向。
步骤二：把握核心行为的方向
这个阶段主要是根据之前确定的『核心指标』罗列出可能的核心行为，例如对于微信来说，点击发送消息与发表朋友圈可能都是核心行为。
步骤三：通过数据筛选出核心行为
将步骤二中的行为一一列出，并依次比较各个行为对于步骤（1）中的核心指标的影响程度，并找出对核心指标影响最大的行为。
步骤四：进行用户调研进一步确认
通过步骤三 确定了关键行为后，还需要通过实际的用户调研，进行最终的确认。
例如：通过步骤三确定了某个『引导说明』行为能够极大的提高留存率，但是在实际的用户调研中，才发现原来用户对这个『引导说明』提到的某个功能特别感兴趣，而非『引导说明』本身。
前面的章节中提到了『功能卸载率』，如果步骤一 的核心指标是留存率/卸载率，那么『功能卸载率』便是寻找『核心行为』的关键指标。
四、小结与后续
对于产品数据分析中，常见的『指标概念』基本上介绍完了，从『宏观指标』到『微观指标』（中间还穿插了完整的SQL教程，具体内容见公众号）8篇文章，一共花了两个月的时间。但是，由于个人原因，接下来的『埋点』与『分析方法』等一系列文章会暂时搁置，当然最终还是会写，至于具体时间，随缘吧~
#专栏作家#
MING，个人公众号：MING的大航海，知乎专栏：产品见知录，人人都是产品经理专栏作家。一只专注于个人成长的产品汪，沉迷『方法论』，只分享值得收藏的『硬干货』！
本文原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于CC0协议。