产品经理如何通过数据分析来发现用户的“怒点”？

注册流程太繁琐，忘记密码无法找回，操作设计逻辑反人类…你想过你的产品中有多少让用户不爽甚至愤怒的设计吗？事实上，在你没有察觉的地方，有更多的“怒点”默默存在，极易造成用户不断流失。

什么才是我们需要关注的“怒点”？产品经理如何发现并修正“怒点”呢？

一、什么是用户的“怒点”

来的用户特别多，一个注册流程之后，却没有几个注册完成；

产品优化之后，新加了很多的高级功能，但是却好像没什么人用；

pv／uv正常，因为不断有新用户进来，但是流失的用户却也在增加。

这些现象的背后，其实隐藏着让用户恼怒和不爽的产品设计，就是我们今天要讲的用户“怒点”。

用户的“怒点”间接反映了产品功能和设计上的缺陷，甚至是Bug或漏洞。如果不能及时发现和解决用户“怒点”的话，就会造成新用户的转化率（注册转化、购买转化）降低，老客户平均使用时长下降、留存度下滑，最后逐步流失。

所以，及时发现和解决用户的“怒点”，对于产品和运营人员来说很重要。

二、如何快速定位用户的“怒点”？

互联网公司中常用的方法有：内部体验测试、客户调研以及客户问题总结等。但是这些常用的办法存在很多缺陷，例如调研成本高、内部测试不具代表性、客服问题总结不全面等等。

现在越来越多的企业开始重视用户行为数据分析，希望借此优化产品设计、提升用户体验。因为用户行为数据是用户体验的原生反馈，是最真实的、最值得产品经理关注的数据。尤其是随着增长黑客、精细化运营等概念不断普及，互联网企业在数据采集和分析方面投入了更多的资源。

那么，通过用户行为数据分析来发现用户“怒点”，应该怎么做呢？

第一步，采集数据。

产品经理人工来发掘用户的“怒点”，不但速度慢，成本高，而且不全面。随着企业网页或者APP内容的不断丰富、页面数量和深度不断增长，靠产品经理肉眼观察和客户访谈的方式已经很难快速准确地找到问题所在。

因此大家开始使用数据采集和分析工具来辅助工作，比如Mixpanel、Google Analytics、GrowingIO等等，都可以帮助互联网公司迅速收集用户行为数据 。

尤其是来自硅谷的 GrowingIO 无埋点的数据采集方式，产品经理不用再人工埋点，就能收集用户每一次浏览、点击、跳转等所有的实时的行为，省时省力，这样就可以快速进行随后的分析。

第二步，发现怒点。

借助漏斗分析功能，横向（如不同浏览器、不同操作系统等维度）或者纵向（注册转化每一步、购买转化每一步等指标）进行转化漏斗分析，发现转化率差异非常大的那个因素或者步骤，很可能就是“怒点”。

第三步，验证怒点。

借助用户分群功能，把第二步中流失的客户建个分群，再使用用户细查，这个功能比较特殊，产品经理可以观察到用户每一步的操作行为，包括每一次点击、每一次跳转等，从而证实或者推翻第二步的假设。

第四步，解决怒点。

根据上面发现的“怒点”，进行产品优化（修Bug、改交互设计、增加操作引导等），让用户体验流程更加顺畅，解决怒点。

三、“怒点”案例分析

案例一：IE浏览器不兼容简直让人奔溃

背景：某网站新用户的注册转化率一直保持在3%左右，产品经理尝试了很多方案也没有改善。直到使用漏斗分析功能进行排查，才发现了原因：虽然总体转化率是3%，但是Chrome的浏览器转化率是6%，而IE浏览器用户的转化率只有0.84%。

下图是该产品新用户注册转化漏斗，左边是使用Chrome浏览器的新用户，右边是使用IE浏览器的新用户。

痛点：该产品在IE浏览器下不兼容，界面或者交互在IE上都非常难看，用户用的非常痛苦，直接导致很多新用户放弃注册。

解决：该互联网公司办公中主要使用Mac的Safari或者Google的Chrome浏览器，忽视了在中国仍然有很多企业使用IE（甚至6/7/8老版本的IE浏览器）。因此在产品设计的时候考虑到兼容和自适应，提升IE浏览器的体验。

案例二：修改密码存在Bug，用户直接甩手而去

背景：某电商网站购买行为的最后一步转化率特别低，不到20%。（见下图转化漏斗）为什么都已经把商品放入购物车了，最后只有不到20%的用户支付成功了。

到底是什么原因使这个转化率如此之低？

根据业务和分析经验，我们猜测可能是支付环节出现了问题（用户“怒点”）。

我们用用户分群功能，把所有“进入购物车但并没有点击支付“的用户做个分群，然后使用用户细查看看这一步流失的人群，到底经历了什么。下图是某“进入购物车但没有点击支付”的用户的操作行为：

我们复现了当时的情景，这个用户选好商品准备结算，发现没有登录；于是输入账号密码准备登陆。不巧的是密码错误，于是开始点“忘记密码”准备找回。连续两次找回密码都失败了，最终这位客户放弃购买，流失了。

怒点：用户满心欢喜地在你网站选好了一大堆消费品，最后结算的时候竟然因为找不回密码，无法登陆，用户的内心是奔溃的。

解决：工程人员马上修复了这个Bug。一周后，最后一步的转化率提升到45%。

四、数据驱动产品优化

依托产品经理的经验和对pv／uv等基础数据的监控，已经很难在越来越复杂的产品流程里找到用户困惑甚至愤怒的点了，而这些点往往是用户流失的主要原因，往往等到发现的时候，已经来不及了。

因此，建立完整的数据分析体系，实时监控产品健康度，优化产品设计，就变得十分重要。在用户愤怒之前，及时修正bug，改进用户体验，在留存度高的基础上，实现业务增长。

本文作者是GrowingIO小强同学，由GrowingIO投稿至数据分析网。