投入产出分析：你的产品多久能盈利，你心中有谱吗？

产品的盈利方式，是产品人经常会被问到的问题。你知道你的产品多久能盈利吗？本文笔者就这个问题从6个方面进行了分析解读，与大家分享。

投资回报率、投资回报期、投入产出分析……这些都是经济学领域的名词。

对标到互联网行业，那应该是商务或运营部门的小伙伴应该苦心研究的问题。现在换我这一产品小白磨枪上阵去。

那就来说说看Sue梳理的这个投入产出模型吧，希望有小伙伴可以探讨探讨。

一、用户来源划分

先要搞清楚用户都是从哪来的，才能有后面的价值放大，或是“对症下药”。

根据自身产品的情况和推广的策略，对新用户的来源进行用户标记和划分，以内容+社交的产品为例，来源划分有但不限于：市场/商务渠道、运营活动、社群扩散……

这里需要注意的一个问题是，规定一个用户只能记一个来源信息

所以需要定义来源的优先级，当出现同一个用户存在多个来源信息的情况时，按优先级进行选取。

而这个优先级，是根据产品功能、推广渠道，甚至是不同部门等因素对整个项目的盈亏影响和重要程度来定义的

二、用户行为划分

除了办公场地的租赁、物资采购和人力成本外，还有关于产品获客、产品运营等等会在项目支出上占大头的类目，像品宣诸如此类的，就不一一列举了（就是哪哪都在烧钱~~）

大多数类目的投入和产品，是相对清晰明了的，比如：

花了多少钱租了这个办公室多长时间；花了多少钱给团队配备多少人力，这些人输出或产出了什么花了多少钱获取了多少新用户花了多少钱做了哪些活动，活动提升了哪一项关键指标……

如果我们只关注投入成本获取的新用户，有多少是有付费意向的，每天产出了多少价值（有多少人充了或付了多少钱），那看到的永远只是那一小群人，那一亩三分地。

Sue认为应该关注用户的更多行为，产品的更多场景。

将用户行为分成两大类：成本行为和收益行为，对应的定义分别是用户做了这类行为会增加平台/产品成本的，做了这类行为会带来平台/产品收益的。根据产品自身的设计，将符合定义的用户行为一一列举。

下图为Sue所在项目的用户行为梳理脑图，涉及保密不便分享完整版本，看个大概哈~

三、投入产出模型一：单次采量的投入产出

需要说明的是：这个模型是预测性质的，所以是基于过往一段时间一定量的数据监测之上的。

也就是说，在投钱采量前，我需要回答，这一次投入的成本，按过往的数据作为参考，有没有可能赚回来？什么时候能赚回来？

相信大家都听过这句：2019是过去10年最差的一年，是未来10年最好的一年（慌~~）

而我们作为一家创业公司，更应该主张不打无把握的战，不做无回本可能的投入。

模型概述：某来源单次采量获取的（激活登录APP）新用户，以该来源过往采量的用户行为数据（新用户日均人均行为成本&日均人均行为收益）为参照，按过往新用户的留存率递减累加

需要明确新用户的定义：注册当天（自然天）的用户

补充说明：由于模型是基于均值来推算的，故模型成立有以下前提条件：用户来源的质量相对稳定，即同一来源，投入相同的成本，能获得相同的新设备激活，激活到注册登录APP的转化率相同，用户有相同的平台成本&收益行为（人均行为成本和人均行为收益），这些假定的定量需定期计算和校准。

示例：来源A计划投入a元，能带来b个注册登录APP的新用户，来源A的新用户活跃留存情况大致为次日~第4日分别为60%、45%、35%，从第5天开始活跃留存率稳定在30%。

新用户日均人均行为成本和日均人均行为收益分别为x、y，则本次投入可预测产出的价值为：

z=(y-x)(b+60%b+45%b+35%b+30%b+30%30%b+30%30%30%b+……)

四、投入产出模型二：存量用户的投入产出

产品推广一段时间后，一定会留下一定量的活跃用户。

如果说你的产品都留不住任何用户，那可能需要关注的不是投入产出的问题，而是应该好好去复盘一下产品的定位和设计。

都说再准确的数据，都可能带有“欺骗性”

比如有段时间日活的数据看着挺漂亮的，那条折线以稳定的趋势缓慢地往上走，但伴随着走高的数据还有平台的活跃成本。

现在普遍的产品都会加类似打卡、签到等维持用户活跃的功能，我们是做内容+兴趣社交的产品，所以也会鼓励用户创作内容和互动社交，会有相应的奖励，所以也存在着相应的活跃成本。

不要小看这些几分几毛的支出哦，用户量级稍微起来，这可能就是一笔比较大的成本了哦（请勿对比多金烧钱的大平台）

所以要辨别日活用户中，哪些人是在榨干平台，哪些人是在贡献价值。可通过监测用户行为、标记用户设备或IP等方式进行鉴别，这里就不做分享了。

模型概述：某来源的存量用户（日活用户中的老用户），以老用户的日行为数据（老用户日均人均行为成本&日均人均行为收益）为参照，按已有的留存规律预测未来的日活，然后得出日活对应的日净收入，最后得出当前存量用户一段时间后的净收入

补充说明：同单次采量的投入产出模型，这个模型也是预测性质的，所以也是基于某些变量假定不变的条件下才成立的。假定定量有：日均人均行为成本、日均人均行为收益、留存率。同样需要定期计算和校准

示例:假定该来源当前的日活用户为d，从今天起该来源再无新增用户的情况下，通过过往数据分析得出：来源A的新用户活跃留存情况大致为第2日~第4日分别为a%、b%、c%，从第4天开始稳定在c%。

按注册时间可算出前1天注册的用户数量为f1、前2天注册的用户数量为f2，3天以前（包括前3天）注册的用户数量为F，由此预测当前日活用户在未来每一天的产出价值，和第n天后累计的价值。

对应的图例：

（由于单日数据可能存在较大的波动性，为了使分析结果更准确，日活用户数d、前x天注册的用户数fx应当取一段时间内的平均值）

五、假定定量（关键指标）的统计与监测

前面提到的几个关键指标是假定定量，实际上它们都会受到一些因素的影响而波动，所以要

一直对它们进行统计和监测，确认在小范围内稳定，当出现较大变化时需及时关注和分析，并实施对应措施恢复数值到合理范围内。

（1）针对单次采量的投入产出模型：

各来源，每天的新设备激活数；各来源，每天的新注册用户数；各来源，新用户注册当天产生的行为总成本；各来源，新用户注册当天产生的行为总收益；各来源，新用户的流失周期和稳定留存率。

（2）针对存量用户的投入产出模型：

各来源，每天活跃的老用户；各来源，每天老用户产生的行为总成本；各来源，每天老用户产生的行为总收益；各来源，老用户的流失周期和稳定留存率。六、模型搭建和分析的目的

任何的数据分析，都应该有明确的目的。如果目的不够清晰，别说分析，就连数据提取都无从下手，在茫茫的数据中寸步难行。

除了回答老板那个回本的问题，Sue还带着其他的分析目的，想通过分析更清楚现状，给产品和项目提供下一步的方向和方案

哪些来源的投入需要放大？哪些来源的投入需要缩小？哪些来源的存量用户在榨干平台？哪些来源的存量用户在贡献价值？成本压力大的用户行为主要有哪些？收益空间大的用户行为主要有哪些？

数据分析的结果，应该具有指导性：

新用户的人均行为收益>人均行为成本，且老用户的人均行为收益>人均行为成本。符合上述条件的来源，应当放大投入新用户的人均行为收益<人均行为成本。符合上述条件的来源，应当缩小投入老用户的人均行为收益<人均行为成本。符合上述条件的来源，存量用户在榨干平台，应当及时遏制老用户的人均行为收益>人均行为成本。符合上述条件的来源，存量用户在贡献价值，应当多加引导某成本行为的日均人均金额>全部成本行为平均的日均人均金额（区分新老用户）。符合上述条件的用户行为，造成平台的成本压力大某收益行为的日均人均金额>全部收益行为平均的日均人均金额（区分新老用户）。符合上述条件的用户行为，存在平台的收益空间大

本文仅为个人不成熟的分析总结，希望有不同分析思路的小伙伴，欢迎讨论指教。