最优秀的产品团队致力于打造让客户愉悦并为其带来价值的体验。那些善于运用定量和定性手段来了解客户需求的企业，会建立快乐、忠诚的用户群，并超越竞争对手。在当今的数字时代，正是这种冲击驱动的产品战略，是系统成长的基础。正因为如此，产品经理总是试图对用户的产品历程有更深入的了解，发现新的机会来提供价值，并不断提高产品的参与度。今天，我们来关注振幅的影响分析是如何帮助团队做到这一点的。摆脱行为是很难的我们不需要告诉你，即使有了行为分析解决方案，也很难理解客户的行为方式和原因。行为是复杂的，因果关系是众所周知的难以证明的。每周，我们B2B、B2C和媒体行业的客户都会向我们提出以下问题："我们产品新的、更快的搜索功能如何影响用户与同事共享内容的频率？""出现一个新的FAQ页面如何影响用户联系客户支持的频率？""观看新节目的季预告如何影响客户观看视频内容的频率？"这些pm和分析师对他们产品中的用户交互有假设，尤其是那些与关键转换和货币化行为有关的假设。但他们努力验证和衡量这些关系的程度，以便对这些信息采取行动。这就是我们建立影响分析的原因。影响分析是一个独特的振幅图，它可以帮助团队了解用户第一次使用某个功能会如何随着时间的推移影响他们在产品中的行为。我们希望影响分析能帮助人们更好地理解不同用户体验之间的关系，为他们提供以下方法：1）确定提高参与度的机会；2）评估和传播新功能或更改功能对关键产品行为的影响。如何创建新的振幅冲击分析图。识别影响机会好的pm通常对产品中的行为有一些直觉。他们可能想立即通过一系列的实验来检验他们的假设，但这并不总是简单或快速的。实验仍然需要计划、资源和支持。如果产品团队有数据支持他们的假设，他们可以更容易地为他们的实验建立信念。影响分析使PMs能够在启动严格测试其想法的实验之前，定向地验证他们关于两个用户行为是如何相关的假设的。做振幅假设你是音乐和视频流应用程序Amplitune的产品经理。由于AmpliTunes 80%的收入来自于内容广告，你的团队目前的北极星是"播放的歌曲或视频的数量"。这种关键的参与行为既是收入的领先指标，也是用户从产品中获得的价值。在进行了一些用户访谈之后，您会注意到有些人"最喜欢"的内容，以便以后再次访问。这会让你怀疑用户偏爱内容和播放内容之间是否存在关系。在建立一个实验来验证这一点之前，您需要使用影响分析来验证您的假设。下面的图表显示了用户每周播放内容的平均次数，在他们第一次喜欢的内容之前和之后。影响分析图表显示用户在过去12周内第一次执行最喜爱的歌曲或视频操作如何影响他们执行播放歌曲或视频操作的平均次数。"第0周"表示用户第一次执行最喜爱的歌曲或视频操作的周。在第0周之前，用户平均每周只播放三次内容。但在第0周之后——也就是说，在用户第一次最喜欢的内容之后，这一数字会跳到平均每周11次左右。这项分析支持你最初的假设，事实上，"偏爱"和播放内容之间可能存在关系。这份报告可以帮助你的团队围绕你的假设，并激励他们尝试新的参与策略，包括"偏爱"功能。（有关如何设置振幅报告的详细信息，请参阅我们的文档。）广播产品影响像Airbnb、Uber和Netflix这样的公司并没有一颗灵丹妙药，它们系统地构建增长的法宝，它们不断地在四个增长的组成部分中循环：生成假设、实验、根据自己的经验采取行动以及传播影响。影响分析帮助团队验证提高用户参与度的假设，并为实验建立案例。同样重要的是，它为团队提供了一种强大的方法来可视化他们推出的特性对其他参与行为的影响，从而有助于结束学习循环。"影响分析对我们的团队来说是一个巨大的利好，帮助我们确定用户在参与活动前后的行为。有了它，我们可以很容易地看到我们的努力对我们的用户产生的直接结果，并为我们带来最大的投资回报。最近，它帮助我们就我们的高层战略以及我们将继续强调哪些应用内活动做出关键决策。图表已经成为我们新的主要工具之一，也是我们分析框架的重要组成部分做振幅作为AmpliTunes项目经理，上个季度，您推出了一个功能，允许用户跟踪自动生成的播放列表或朋友创建的播放列表。您可以通过使用影响分析来广播此新功能对用户参与度的影响。下图中的两个重要特性显示了这两个行为的影响。影响分析图表显示用户在过去12周内首次执行"跟随播放列表"操作如何影响他们执行播放歌曲或视频操作（蓝色）和搜索歌曲或视频操作（粉色）的平均次数。蓝色曲线显示用户在第一次跟踪播放列表之前和之后每周播放一首歌曲或视频的平均次数。粉红色曲线显示用户在第一次跟踪播放列表之前和之后搜索歌曲或视频的平均次数。在用户第一次关注播放列表后，他们平均每周收听内容的次数从7-8次跃升到每周12次左右。同样，用户搜索内容的平均次数从每周6次左右跃升到了第一次关注播放列表后的两倍多。分析表明，新的播放列表功能不仅影响用户播放内容（AmpliTunes的北极星）的频率，还影响他们搜索内容的频率。下一步行动对于专注于迭代产品开发的团队来说，影响分析是在学习循环的开始和结束时使用的一个有价值的工具。团队可以验证假设，以便更好地理解用户行为之间的影响；他们还可以看到产品更新对参与行为的影响。虽然影响分析并不能代替确定因果关系的实验，但它是一个有用的工具，可以快速了解您是否正在构建客户所看重的产品。想看看它的行动吗？下面是一个快速演示，它向您展示了如何构建振幅影响分析报告。（有关详细信息，请参阅我们的文档。）有兴趣为自己尝试影响分析吗？浏览我们的演示。