随着时间飞速过往，IT行业的热度逐渐在小方向上移动，移动端也就没有了15年左右的那份狂热，逐步走向稳定。在我的认知中，移动端、服务器的两个大方向是不会“死掉”的。移动端会一直保持数据收集的状态，而服务器一直是数据的存储。但在这两端的任务细化中，会越来越细分，且倾向性会随时间的不同而有所变化。
一、移动产品的自我定位
在整个研发流程中，涉及产品【产品经理、交互设计】，UI，研发【客户端，服务器】，测试多个工作环节。与传统的流水线不同，产品需求的定版将决定以下所有工作环节的是否重复以及变更。所以，产品设计定版、封版是很特别重要。产品设计的变更，将影响工作下游的所有变更。
以下图片展示了整个研发流程。
如此，也说明了产品设计的重要！基于此，有了自我的体悟：产品设计阶段，最重要的是需求池到需求定版，构成版本树！
如何做出最好的设计，尽可能的少走弯路，那就需要数据分析了。
也是基于以上的研发图展示，整个研发流程中，对于不是技术探索类的产品，产品和测试才是最关键的。产品决定整体前进方向，测试决定产品质量。说不太好听却现实的话语是，其他环节的人，完全可以使用多人叠加的原理来实现。
二、移动产品的产品设计
1、核心流程实现【基本功】
（1）基础页面框架
主菜单 --- 左滑菜单 / 底部导航 / 主体控件[ LIstview、GridView ]
整体风格统一 ---- 页面标题 / 弹框样式 / 提示语录 / 颜色风格 / 网络数据传输
核心流程实现 ---- 主题逻辑【写字 -- 生成字库 电商 -- 傻瓜式购物】
扩展部分支持 ---- 活动样板 【模板统计，后台管控下发】
使用反馈引导 ---- 小白用户的使用，用户遇见问题出口
成果展示：
线框图 + 注解 ---- 多交互 / 高保真
规则算法
异常处理
核心流程图
（2）版本树
需求池 ---- 来源：市场、运营、客户、老板
---- 优先级：当前执行、紧急调整、优化
---- 消息反馈渠道：用户反馈、研发UI测试沟通、战略调整或优化、技术调整和提升
定版需求 ---- 需求定版：产品需求会、UI审核、研发进度管理
---- 紧急任务临时调整：队列插入计划
---- 优化任务添加：bug 和 增添任务区别
跟踪反馈 ---- 周例会：任务跟进、团队反馈、进化优化创意点
---- 会议整理：核心点抽取整理、问题处理方案提出，执行与反馈
---- 定期总结：月结 和季度结
版本树维护 ---- 当前版本功能、功能变化对比、任务推行时间表、可优化提升环节
2、整体运转【数据挖掘】
（1）扩展功能实现
增加APP粘度【扩展功能/丰富APP使用】
---- 活动 / 扩展内容形式 （keep中增加阅读，健身计划培养）/ 小游戏 / 互动
微交互 ---- 提升APP质量，提升使用舒适度（小动画 ）
用户群细分 ---- 年龄阶段 / 交互数目 【微博内容发布者与查看者不同】
---- 用户量级不同产品需求不同
不同数据量用户场景分析 ---- 同一页面数据量不同 / 操作路径的不同
【平衡内容生产者和内容消费者使用产品的体验】
页面量级的提升 ---- 数据内容的增多，展示页面的丰富，细节关联网更大
（2）APP端交互（活动）
旧数据兼容、版本升级管理、后台数据管理页面实现
降低版本升级带给用户的使用阻碍
（3）数据分析页面服务功能
数据统计分析 ---- 新增用户、用户活跃度、用户遗失率、用户习惯分析
---- 新功能使用率、新功能反馈状态、去除功能反响
激活用户，细分用户，差异化体验，精准营销
积分体系和会员体系
5W2H：Who(谁)、What(做了什么行为)、When(什么时间)、Where(在哪里)、Why(目的是什么)、How(通过什么方式)，How much (用了多长时间、花了多少钱)
【半熟人群社交】
数据挖掘 ---- 现有数据发现用户特色
前后端融合 ---- 并发、兼容、异常处理、限制环节、爆发增长点
AARRR是Acquisition、Activation、Retention、Revenue、Refer
3，实际执行【信息反馈】
（1）周例会
跟进进度
反馈问题发现
沟通问题 ---- 优化建议
建立信息的快速反应渠道
（2）日常维护
战略跟进
动态发展 ---- 竞争对手，技术发展，新技术新革命进度
竞品优化 ---- 知己知皮百战不殆
回访客户 ---- 灰度发布【 特色人群随机选择 】
三、移动产品的数据分析
1，获取哪些数据
基础数据：下载量、激活量、新增用户量、活跃用户
社交：用户分布、用户留存（次日、3日、7日、月、次月、3月）
电商：淘宝指数、网站流量、内容转换率
地图导航类：用户每日打开次数、地域分布
内容类：内容转化率（内容下载量/内容浏览量）、留存量
工具类：功能点击量、应用商城排名
其他：竞品数据（下载、激活等）
社交：主要关注用户分布、用户留存、活跃用户、功能使用频次以及有效行为等社交行为数据分析，通过数据分析及发掘来了解用户的社交特征，最总了解用户到的社交属性优化产品的社交传播。
电商：主要淘宝指数、网站流量、收藏、购买等数据，了解用户的电商消费特征。
地图导航等工具类应用:了解功能的使用时间、区域、地段等数据，从而了解相关对相关产品的功能使用，以及路况信息。
内容类：关注内容转化率（内容下载量/内容浏览量），实时了解用户对内容偏好、关注，了解用户对生活文化特征，透析用户的社会文化属性。
2，数据分析模型【数据可视化】
（1）漏斗分析模型
（2）AARRR模型
如以上所述。
（3）交叉对比分析方法
可以使用Android 和IOS对比，也可以使用不同年限，不同月份之间的数据对比。在比对中，要注意相关的其他信息会不会影响，例如冬天的月份
明显正相关影响棉衣等保暖用品的销售数据。
3，备注事项
（沉默数据）
阅读有一个实例支撑当前理论。在二战期间，敌人炮火击中飞机的翅膀概率相比于其他部分更高。而相对更重要的是一旦击中飞行员，当前飞机是直接损失掉的。在给翅膀添加防护和增强对飞行员的保护，统计数据并没有完全说出真实情况。
（数据只是决策的帮助，最好不要完全依赖数据）
数据的统计会存在数据来源不完善，数据模型不精确，数据分析带有主观性等特点。也就是最终的数据结果并不一定是接近事实真相的。也就是数据是帮助决策的！
我自信能继续保持在upgrade的状态中，因此并不需要向任何人证明自己有多好。