（1）规模化

常出现在零售业中，如开一家按摩养生店，在一定范围内收获好评，那产品成熟的时候则可以开启连锁加盟模式，通过迅速而广泛的扩大市场形成品牌效应，以形成壁垒，此时衰退的风险则被抵御。

（2）生态化

在产品增长或接近完善时，单一的产品很容易存在需求过于垂直、用户无法形成依赖的问题，可以开发具有协同能力的新产品以搭建完整的产品生态，使得在当前产品上无法被得到满足或失去兴趣的用户被引流到新产品，作为新产品的新用户；同时新产品的用户也能在新产品上被引流回老产品，产品之间形成互相依赖的链条，最终用户有效流转，形成生态。

数据分析方法有很多种，比如多维度时间分析、漏斗分析、回访分析、交叉分析等，举一个交叉分析的案例帮助大家理解。

交叉分析法：通常是把纵向对比和横向对比综合起来，对数据进行多角度的结合分析。举个栗子：

1、交叉分析角度：客户端+时间

这个表格中的数据表示，ios端每个月的用户数在增加，而安卓端在降低，总体数据增长不明显的主要原因在安卓端数据的下降。

接下来分析安卓端数据下降的原因，这个时候，加入渠道维度。

2、交叉分析角度：客户端+时间+渠道

从这个数据表格中可以看出，Android端A预装渠道占比比较高，而且呈现下降趋势，其他渠道的变化并不明显。这就是安卓端数据降低的主要原因。

交叉分析的主要作用，从多个角度细分数据，从中发现数据变化的根本原因。

获取用户的渠道是非常多的，如微博、微信、运营商商店、操作系统商店、应用商店、手机厂商预装、CPA广告、交叉推广、限时免费等。

评估渠道的推广效果，可以通过统计分析工具，APP运营人员或者PR可以从多个维度的数据来对比不同渠道的推广效果，比对渠道的新增用户、活跃用户、次日留存率、单次使用时长等数据，根据数据确定以后的推广渠道，从而获得更好的推广效果。

数据分析是一个动态又复杂的工作，作为一名合格的产品运营人，必须对数据保持高度的敏感。通过数据去分析用户的每一个行为，调整推广策略，做有针对性的精细化运营，最终实现找到目标用户群和提高转化的目的。