产品生命周期的四类阶段介绍生命周期名词解释( 三 ) _知识分享

有些同学就要问了，我在做练习时分析别人家的产品，拿不到后台埋点数据，怎么办呢？
这里有个小窍门，就是用百度指数的关键词搜索指数来替代活跃用户数量，即我们以产品名称作为关键词，查看它的搜索指数。这个指数反应的是用户在百度搜索引擎上搜索这个关键词的热度，一定程度上是和这个产品的活跃用户数量是趋势契合的。注意这里是趋势契合，即他们可能量级、数量都对不上，但是他们一般具有相同的走势，因此可以用来代替活跃用户数量进行产品生命周期判断。
事实上，大家看完后面的判断方法，也就知道这种替代并无不妥。因为产品生命周期的判断本来就是一个判断趋势的过程，而不是一个需要精确量化的过程。
从证券投资的案例来看，精确量化本身可能就不是一个准确的事情，反而是拉大时间范围看趋势，这样对整体市场的判断才会更加清晰可靠。
2. 根据活跃用户数量曲线来判断我们有了活跃用户数量，可以做一个活跃用户曲线，然后拉大时间跨度、过滤波动、只看趋势，得出活跃用户数量的走势箭头。
如下图的bilibili的数据（这里使用百度搜索指数代替），我们可以清晰地看到冷启动期是比较平缓的上升或平行箭头，爆发期时明显的上升箭头，成熟期是爆发期之后的平缓上升或者平行箭头，衰退期是明显的下降箭头：

文章插图
因为我们这里使用的数据是百度搜索指数，并不是准确的产品活跃用户数量指标，因此还要根据企业的发展历程进行验证并修正。
例如上图的bilibili，可以看出2017年到2018年它是经历了一个衰退期的，事实上，这个时间段也正是B站竞争对手A站倒闭的时间：

文章插图
这说明整个二次元视频业的发展都进入了瓶颈，这与趋势图是基本一致的。
2018年开始，B站踅摸着破局，力求将B站从垂直的二次元文化视频平台变成包容万象的中国Youtube，进行了一系列的破局操作（渠道和用户感知层面）。尤其是2019年底到2020年中，B站纪录片、B站春晚、后浪、入海、B站科普卫星、大V和权威媒体入驻等一些列骚操作，给B站拉来了一大波流量，正好和趋势图上的走势吻合，这说明我们这波分析基本没毛病，不需要进行修正。
备注：这里我们使用了目标企业的发展历程事件进行了验证修正，反之，如果我们正在做一家企业，进行了很多产品迭代和运营动作，我们也需要用指标数据来衡量我们的迭代和运营效果。尤其是活跃用户指标，是可以直接影响企业价值的。
同理，再给出知乎的产品生命周期趋势图，如下所示，依旧是百度搜索指数替代活跃用户数：

文章插图
大家可以看到，从2019年到2020年现在，趋势是走出了一个上涨的态势，事实上，我们去梳理知乎的产品迭代路线时，发现这个时间段也是知乎在高频迭代产品的时候，知乎大学、盐选会员等等一些列新模块诞生，才造成了这一波走势。
大家可以看到在百度搜索指数走势图上，有很多突然下降的低谷，我们没有考虑这些波动，直接过滤掉。因为百度搜索指数本身就不能精确代表活跃用户数，只是趋势相近，所以我们没必要把注意力集中在这些波动上，这就是我们前面红字部分强调的：过滤波动。
而事实上即使你使用了精确的活跃用户数据，也是需要过滤掉异常波动的。过滤波动、清洗数据这个是数据分析的基本功，无论我们是在做宏观分析还是微观分析时，异常波动数据都是一个十分影响结果的数据。过滤的方式也有很多，我们这里不展开讲。但是对于产品生命周期这样的宏观分析来说，直接滤掉是比较高效的操作，对结果没什么影响。
3. 总结

使用活跃用户数据（或百度搜索指数代替）画出活跃用户数据变化曲线；

在曲线图上标注出走势箭头，根据走势箭头判断周期阶段；

对于结论，要带入企业发展历程事件进行验证，所有的走势都是有迹可循的，不是突然发生的。

这是一个宏观分析过程，可以直接过滤掉数据中的异常波动，只看趋势。

关于宏观和微观：
很多初学者拿到数据之后会很迷茫，我们一定要搞清楚我们要分析的目的是什么，像产品生命周期这样的宏观分析，一定要拉大时间跨度，从宏观视角去看数据走势，而不是具体某个数据的变化。

产品生命周期的四类阶段介绍 生命周期名词解释( 三 )

产品生命周期的四类阶段介绍生命周期名词解释( 三 )