編輯導(dǎo)讀：Aha時(shí)刻是指，用戶(hù)第一次認(rèn)識(shí)到產(chǎn)品價(jià)值時(shí)，脫口而出“啊哈，原來(lái)這個(gè)產(chǎn)品可以幫我做這個(gè)啊”。再底層一點(diǎn)，為什么用戶(hù)會(huì)發(fā)出贊嘆，是因?yàn)椋河脩?hù)發(fā)現(xiàn)產(chǎn)品能夠?yàn)樗麄兘鉀Q問(wèn)題，并為之眼前一亮，這就是產(chǎn)品的核心價(jià)值。如何在數(shù)據(jù)中尋找Aha時(shí)刻呢？本文作者對(duì)此展開(kāi)分析，與你分享。

01?前言

作為產(chǎn)品經(jīng)理，一定聽(tīng)說(shuō)過(guò) Aha Moment(Aha 時(shí)刻)，一個(gè)經(jīng)典的案例是Facebook 將10天之內(nèi)添加7個(gè)好友定義為Aha時(shí)刻，于是當(dāng)時(shí)Facebook的增長(zhǎng)都圍繞這一目標(biāo)進(jìn)行（在各種地方都會(huì)提示用戶(hù)添加好友），從而實(shí)現(xiàn)了10億級(jí)用戶(hù)的增長(zhǎng)。那么Facebook 是如何找到這樣的Aha時(shí)刻？

• ?為什么這個(gè)行為是添加好友，而不是發(fā)布照片？
• ?為什么是10天，
• ?為什么是 7個(gè)好友，而不是4個(gè)、5個(gè)？

今天我們就來(lái)研究一下。需要說(shuō)明的是Aha時(shí)刻并不局限于Facebook 這么龐大的一個(gè)產(chǎn)品，它可以是一個(gè)功能模塊中的Aha，也可能是產(chǎn)品某個(gè)階段的Aha。尋找Aha時(shí)刻的方法也不止本文一種。經(jīng)驗(yàn)有限，拋磚引玉，各位讀者我們一起來(lái)學(xué)習(xí)。

02?什么是Aha時(shí)刻

“Aha Moment”并非互聯(lián)網(wǎng)原創(chuàng)，它是德國(guó)心理學(xué)家、現(xiàn)象學(xué)家卡爾·布勒(Karl Buhler)在100年前創(chuàng)造的詞匯，大概意思是：“a peculiar, pleasure-oriented experience within the course of thought that pops up with the sudden insight into a previously un-transparent context.在思考過(guò)程中，以獨(dú)特的、快樂(lè)為導(dǎo)向的體驗(yàn)會(huì)突然出現(xiàn)，讓你對(duì)之前不透明的環(huán)境有了深刻的了解?！?/p>

是否你曾經(jīng)在使用某個(gè)App的某個(gè)時(shí)刻，會(huì)發(fā)出“哇哦” ，“太棒了”的贊嘆，盡管這樣的產(chǎn)品并不常見(jiàn)（我本人在體驗(yàn)shopify、Google ads的時(shí)候曾經(jīng)有過(guò)這樣的體驗(yàn)）。

再底層一點(diǎn)，為什么用戶(hù)會(huì)發(fā)出贊嘆，是因?yàn)椋河脩?hù)發(fā)現(xiàn)產(chǎn)品能夠?yàn)樗麄兘鉀Q問(wèn)題，并為之眼前一亮，這就是產(chǎn)品的核心價(jià)值。

再舉兩個(gè)aha時(shí)刻的例子：

• Twitter: A user follows 30 users with at least 1/3 of them following back（關(guān)注了30人，而其中至少1/3 回關(guān)）。
• Slack: A team sends 2000 messages in a workspace（一個(gè)組織在一個(gè)workspace里發(fā)了2000條信息）。

反過(guò)來(lái)，我們可以很容易通過(guò)這些定義看出各個(gè)產(chǎn)品的核心價(jià)值和所要解決的問(wèn)題：

• Twitter：突出社交價(jià)值，解決了解，經(jīng)常知曉好友動(dòng)態(tài)的需求。
• Slack: 突出企業(yè)社交價(jià)值，解決企業(yè)間信息溝通的需求。

03 如何定義Aha時(shí)刻

從上述例子中不難看出，定義Aha時(shí)刻有兩個(gè)要素：

• 關(guān)鍵行為
• 關(guān)鍵數(shù)字：包含行為次數(shù)、一定時(shí)間段等等

需要提出的是，Aha時(shí)刻的核心是尋找產(chǎn)品對(duì)用戶(hù)的核心價(jià)值，我們并不是為了數(shù)字而找數(shù)字，而是為了尋找一個(gè)能體現(xiàn)出產(chǎn)品核心價(jià)值的一個(gè)普遍適用的數(shù)字。

04 如何尋找Aha時(shí)刻

尋找Aha時(shí)刻的方法并不唯一，在不同的場(chǎng)景中有不同的方法，甚至最直接的用戶(hù)訪(fǎng)談也可能幫助你找到Aha時(shí)刻。而尋找aha時(shí)刻也可能是一個(gè)漫長(zhǎng)的過(guò)程，本文主要講述使用相關(guān)性分析的方法尋找Aha時(shí)刻，這也是硅谷領(lǐng)先的產(chǎn)品分析工具Amplitude中使用的方法，供大家參考。

總的思路是：

找到優(yōu)質(zhì)用戶(hù)。

即這些用戶(hù)做了你期望的事情，你希望其他用戶(hù)也能轉(zhuǎn)換成這樣的用戶(hù)，比如電商網(wǎng)站中那些經(jīng)常購(gòu)買(mǎi)東西的用戶(hù)，或者社交產(chǎn)品中留存時(shí)間超過(guò)兩周的用戶(hù)。

追溯優(yōu)質(zhì)用戶(hù)的行為。

即優(yōu)質(zhì)客戶(hù)做了哪些行為事件，假設(shè)這些事件可能就是你要找的Aha 時(shí)刻中的關(guān)鍵行為。

對(duì)這些行為和優(yōu)質(zhì)用戶(hù)進(jìn)行相關(guān)性分析。

即在眾多假設(shè)的事件中得出：

• 哪些事情（關(guān)鍵行為）
• 在多長(zhǎng)時(shí)間內(nèi)做多少次（關(guān)鍵數(shù)字）

對(duì)促成優(yōu)質(zhì)用戶(hù)的相關(guān)性最強(qiáng)，這就是所謂的Aha 時(shí)刻。

驗(yàn)證Aha 時(shí)刻。

上述三步都是對(duì)Aha 時(shí)刻的猜想，無(wú)論何種方法，我們都不能保證Aha時(shí)刻的準(zhǔn)確性，必須要針對(duì)猜想去驗(yàn)證。

不難看出，這種方法要有兩個(gè)前提：

1. 產(chǎn)品中對(duì)用戶(hù)的行為有比較完備的記錄。
2. 要有一定量級(jí)的優(yōu)質(zhì)用戶(hù)及行為記錄，作為樣本來(lái)追溯行為，這樣做出的相關(guān)性分析才可能是準(zhǔn)確的。

滿(mǎn)足前提后，我們按照這個(gè)思路一步步走。

4.1?找到優(yōu)質(zhì)用戶(hù)

定義優(yōu)質(zhì)用戶(hù)：要看不同的業(yè)務(wù)目標(biāo)和產(chǎn)品，常見(jiàn)的可以有：

• 交易類(lèi)產(chǎn)品：一定時(shí)間段內(nèi)完成一定交易次數(shù)或交易金額的用戶(hù)
• 耗時(shí)類(lèi)產(chǎn)品: 一定時(shí)間段內(nèi)達(dá)到一定停留時(shí)長(zhǎng)，或者訪(fǎng)問(wèn)次數(shù)的用戶(hù)
• 效率類(lèi)產(chǎn)品：一定時(shí)間段內(nèi)使用某項(xiàng)功能達(dá)到一定次數(shù)的用戶(hù)將這些優(yōu)質(zhì)用戶(hù)作為一個(gè)用戶(hù)分群。

4.2?追溯優(yōu)質(zhì)用戶(hù)的行為

優(yōu)質(zhì)用戶(hù)的行為那么多，要追溯并非易事，在這里列出兩種種方法：

方法一：看桑吉圖，做假設(shè)。定義一個(gè)結(jié)果頁(yè)面，比如設(shè)定最后一步為訂單成功頁(yè)面，生成桑吉圖，觀察用戶(hù)到達(dá)最后一頁(yè)前經(jīng)歷了哪幾個(gè)步驟，把來(lái)源最多的那幾步作為需要追溯的行為。

方法二：觀察優(yōu)質(zhì)用戶(hù)分群的用戶(hù)旅程桑吉圖（下圖1為例），把優(yōu)質(zhì)用戶(hù)參與度較高的行為定義為需要追溯的行為。

?圖1?用戶(hù)旅程桑吉圖

4.3?對(duì)行為和優(yōu)質(zhì)用戶(hù)進(jìn)行相關(guān)性分析

我們先普及一下相關(guān)性分析的知識(shí)，需理解以下三點(diǎn)：

相關(guān)性分析不是因果分析。相關(guān)性分析僅僅代表被分析的兩個(gè)變量X，Y之間是正相關(guān)，負(fù)相關(guān)或者無(wú)相關(guān)。并不代表是有X 導(dǎo)致Y。比如我們拿到一組數(shù)據(jù)，冰淇淋的銷(xiāo)量和啤酒的銷(xiāo)量正相關(guān)，這就是相關(guān)性。但是很快發(fā)現(xiàn)二者都是隨氣溫變化的，二者沒(méi)有因果關(guān)系。

我們用相關(guān)性系數(shù)來(lái)度量?jī)蓚€(gè)隨機(jī)變量X，Y之間的相關(guān)性強(qiáng)弱， -1代表100% 負(fù)相關(guān)，1 代表完全正相關(guān)，0代表不相關(guān)。我們用下圖簡(jiǎn)單的表述一下從-1 到 1 的相關(guān)性變化。

圖2?從-1到1的相關(guān)性變化

相關(guān)性系數(shù)計(jì)算方法：

常見(jiàn)的相關(guān)性系數(shù)有馬修斯相關(guān)性系數(shù), Pearson correlation等。馬修斯相關(guān)性系數(shù)參見(jiàn)該文章，馬修斯相關(guān)性系數(shù)也經(jīng)常用來(lái)做生物學(xué)研究，比如昆蟲(chóng)與植物疾病的相關(guān)性，也是本文中用到的計(jì)算方法。簡(jiǎn)單的說(shuō)來(lái)，馬修斯相關(guān)性系數(shù)是二進(jìn)制版本的相關(guān)性分析，其計(jì)算公式如下：

其中：

• TP: 真陽(yáng)性（True positive）
• TN: 真陰性（True Negative）
• FP: 假陽(yáng)性（False positive）
• FN: 假陰性（False Negative）

我們還是拿互聯(lián)網(wǎng)產(chǎn)品來(lái)舉個(gè)例子：對(duì)某個(gè)CRM SAAS服務(wù)，我們需要分析：“在試用期頭三天內(nèi)創(chuàng)建客戶(hù)人數(shù)>=10次”，和“成為付費(fèi)用戶(hù)” 之間的相關(guān)性。在這里，真陽(yáng)性，假陽(yáng)性，真陰性，假陰性的定義分別如下：

假設(shè)我們看到：

• 試用期頭三天內(nèi)創(chuàng)建客戶(hù)人數(shù)>=10次的人中，絕大多數(shù)成為了付費(fèi)用戶(hù)。
• 而試用期頭三天內(nèi)創(chuàng)建客戶(hù)人數(shù)小于10次的人中，絕大多數(shù)沒(méi)有成為付費(fèi)用戶(hù)。

那么可以認(rèn)為“在試用期頭三天內(nèi)創(chuàng)建客戶(hù)人數(shù)>=10次”，和“成為付費(fèi)用戶(hù)” 之間存在正相關(guān)性。

為了更好理解，我們用下圖來(lái)表述，氣泡的大小代表四種用戶(hù)的數(shù)量，如果真陽(yáng)性、真陰性的數(shù)量遠(yuǎn)大于假陽(yáng)性、假陰性的數(shù)量（如圖3中所示），那么不難看出，我們可以類(lèi)似回歸分析一樣擬合出一條線(xiàn)性正相關(guān)曲線(xiàn), 如圖中藍(lán)色直線(xiàn)所示(需要特別申明一下，這里只是為了便于理解所以拿回歸分析來(lái)做類(lèi)比，相關(guān)性和回歸分析是兩個(gè)不同的概念，不可混淆)。

圖3??相關(guān)曲線(xiàn)

了解相關(guān)性分析之后，我們?cè)倩氐紸ha時(shí)刻的兩個(gè)“關(guān)鍵”：

• 關(guān)鍵行為
• 關(guān)鍵數(shù)字：包含行為次數(shù)、一定時(shí)間段等等

我們參考Amplitude工具中的圖表來(lái)看如何得出兩個(gè)“關(guān)鍵”，如下圖所示。

• 下圖左半部分是我們猜測(cè)的可能和優(yōu)質(zhì)用戶(hù)正相關(guān)的行為。
• 下圖右上第一行是進(jìn)行這一行為的時(shí)間段。
• 下圖右下部分藍(lán)色陰影就是上述行為和成為優(yōu)質(zhì)用戶(hù)之間的馬修斯相關(guān)系數(shù)。

比如下圖中馬修斯相關(guān)系數(shù)中左上角的第一個(gè)數(shù)字0.47（綠色圓圈所示）代表的是第一天內(nèi)Edit Profile 的次數(shù)>=1 與成為優(yōu)質(zhì)用戶(hù)之間的相關(guān)系數(shù)為0.47，一般情況下0.47 可以認(rèn)為是正相關(guān)。依此類(lèi)推，Amplitude 里將馬修斯相關(guān)系數(shù)以熱力表的方式很直觀的表達(dá)出來(lái)，使我們能很明顯的看出哪些是相關(guān)性較強(qiáng)的行為，作為Aha時(shí)刻中備選的關(guān)鍵行為。

圖4??馬修斯相關(guān)系數(shù)

那么關(guān)鍵數(shù)字怎么體現(xiàn)出來(lái)的呢，在上圖中，我們們可以點(diǎn)擊任何一個(gè)相關(guān)系數(shù)，就可以下鉆到詳情中（如下圖5所示）。

• 圖表左半部分是關(guān)鍵行為的次數(shù)和相對(duì)應(yīng)的馬修斯相關(guān)系數(shù)。
• 其中Amplitude會(huì)將相關(guān)系數(shù)最高的次數(shù)突出顯示出來(lái)，如下圖中>=2次的相關(guān)性最高，相關(guān)系數(shù)為0.52， amplitude將其定義為Highly predictive，即強(qiáng)相關(guān)。
• 圖表右下方，Amplitude還會(huì)直觀的顯示出做過(guò)關(guān)鍵行為次數(shù)>=2的用戶(hù)和新用戶(hù)的留存曲線(xiàn)對(duì)比。該例中，做過(guò)關(guān)鍵行為次數(shù)>=2的用戶(hù)的留存率明顯高于新用戶(hù)留存。

圖5?相關(guān)系數(shù)詳情

4.4?驗(yàn)證Aha時(shí)刻

好了，按照這個(gè)方法，我們看似找到了Aha時(shí)刻，可現(xiàn)在高興為時(shí)過(guò)早。不得不說(shuō)，上述的分析都是假設(shè)，還有待驗(yàn)證。最常見(jiàn)的用A/B test 來(lái)驗(yàn)證Aha時(shí)刻。比如，上述例子中，我們看到試用期頭三天內(nèi)創(chuàng)建客戶(hù)人數(shù)>=10次的行為和付費(fèi)用戶(hù)的確是正相關(guān)。那么在A版本中，我們可以將創(chuàng)建客戶(hù)這一功能放在最顯眼的位置，鼓勵(lì)用戶(hù)多創(chuàng)建客戶(hù)，B版本作為參照，最后對(duì)比A/B版本的付費(fèi)轉(zhuǎn)換率，即可驗(yàn)證該假設(shè)是否有效。

05?總結(jié)

回顧一下，本文講述了用相關(guān)性分析的方法來(lái)尋找產(chǎn)品中Aha時(shí)刻，尋找Aha時(shí)刻也是尋找產(chǎn)品對(duì)于用戶(hù)的核心價(jià)值的過(guò)程。對(duì)于一個(gè)互聯(lián)網(wǎng)產(chǎn)品，Aha時(shí)刻也并不唯一，它可能存在于不同的功能模塊，也可能在產(chǎn)品最初的計(jì)劃之外。Aha時(shí)刻也并不固定，它也會(huì)隨著產(chǎn)品演進(jìn)和用戶(hù)的不同而產(chǎn)生變化。尋找Aha時(shí)刻也不止相關(guān)性分析方法一種。但唯一不變的是，尋找Aha時(shí)刻的步履永不停歇。

參考文獻(xiàn)：

1.?【機(jī)器學(xué)習(xí)】馬修斯相關(guān)系數(shù)（Matthews correlation coefficient）

2.?Amplitude help: Interpret your Compass chart

3.?理解皮爾遜相關(guān)系數(shù)

4.?增長(zhǎng)黑客進(jìn)階三：找到產(chǎn)品的AHA時(shí)刻

5.?Facebook’s Aha Moment Is Simpler Than You Think

作者：Simba，IBM資深商業(yè)分析師，IT老兵，終生學(xué)習(xí)者。

本文由@一個(gè)數(shù)據(jù)人的自留地 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議。