好的产品有哪些方面需要数据的验证?如何通过数据来了解自己App潜力?在友盟开放日上，友盟统计产品经理冯孙颖分享了“数据支撑下的 App 迭代策略”。
以下为口述内容，梳理时略有删减。
对于产品来说，它的品质、营销和推广是实现商业目标的基础，数据则可以验证这三个方面的执行效果。那么，如何通过数据来更好的了解自己的产品，并且去优化产品设计?
第一，宏观了解 App 内在特性，找出问题所在
开发者需要宏观了解应用的整体趋势。宏观分析的目标就是通过数据指标和运营模型了解 App 的内在特性，找到开发、运营过程中的问题并且解决它。
举个例子，日前有个工具类 App 找到友盟，说是产品的 DAU 莫名地下降了，让我们帮忙分析下原因。
运营人员大都知道，用户规模会受到新用户和老用户的影响，新用户主要跟应用推广相关，而老用户主要跟应用特性相关。它的新增用户曲线是正常的，那我们猜测可能就是老用户出现了问题，所以先查看了这个 App 三个月以来的留存率，留存曲线很稳定，而且次留存率高于 40% ，7 日留存率高于 20% 。接着又查看了它的沉默用户趋势，从图表曲线来看，这个 App 的短期留存也不存在问题。
注：沉默用户是一个 App 反映老用户的指标，指的是用户只在安装当日和次日启动过，在随后 90 天都没有启动行为，即视为沉默用户。沉默用户是一个短期留存，跟 App 闪退、UI设计风格、目标用户的获取等因素相关。
通过分析，这个 App 的留存率高于业内流传的 40-20-10 的标准，沉默用户也没有异常波动。所以不太可能是推广中获取用户存在质量的问题。那么是什么因素导致这个 App 的 DAU 在下降?接着我们分析了这个 App 的用户结构。
友盟统计系统有三个模型：活跃度、新鲜度和周用户构成。用户活跃度模型是按照用户活跃成分来分层的，最下层的是最近 15 天内每天都启动的用户，属于活跃用户;最上层的是在最近 15 天内只启动了 1 天的用户。可以看出，最下层的用户占比超过 20%。可见，这个 App 的老用户占比非常大，活跃度也比较高。
此外，从它的用户新鲜度数值上看，30 天前的用户已经占总用户的 90% 以上。与此同时，新鲜度和活跃度模型中用户的成分都非常稳定，所以排除了运营活动减弱或者问题版本的发布导致数据产生波动。
注：新鲜度是按用户来到系统中的时间来分层，最下层的用户是 30 天前的新增用户，属于老用户，最上层的用户是最近新增的用户，它能够更清晰的反映新老用户比以及用户的来源结构。
再来看下它的周用户构成。从模型中可以看到两个现象：整个周活跃用户的规模在下降;老用户的规模也在下降。
我们可以进一步分解影响用户规模的因素。一般来说，新用户获取和老用户回访会使用户规模上升，而新用户流失和老用户流失会使应用规模下降。一般新用户的变化和应用推广相关，老用户的变化和应用特性相关。那么唯一的可能性就是推广中获取的新用户数量一直都很低，这样新用户所带来的增量弥补不了老用户所带来的损耗，长此以往，DAU 就下降了。这个过程在数据上的体现就是新鲜度模型中老用户占比非常高。
注：周用户构成按照用户在系统中持续的启动时间将用户分层，最上层启动时间超过 5 周的是忠诚用户。
为了论证这个推论的正确性，我打开了系统中的预测算法寻找答案。当我设置继续按照上周的发展，我们可以看到上图的那蓝色曲线呈现下滑。
当我每周获取 42000 个用户时，蓝色曲线不再下滑，呈现平稳的趋势。