Dot Plots: How to Actually See What Your Users Are Doing

创业公司最常见的错误是依赖DAU/MAU等聚合指标；用“点阵图”可视化每个用户的每日行为，能发现聚合数据完全看不到的模式。

• 聚合指标（DAU/MAU） 把所有用户混在一起，即使产品体验很差，只要用户数在增长，曲线也会向右上走，掩盖真实问题。
• 创始人应关注个体用户的行为：他们如何使用产品？用了哪些功能？使用频率和节奏如何？这是判断“是否做出了用户想要的东西”的最重要信号。
• 当用户数只有10-20人时，逐个翻阅日志不现实；但聚合图表又丢失了所有细节。需要一个能同时看到“全景”和“个体”的工具。

• 结构：一个二维网格，每一行代表一个用户，每一列代表一天（或更细粒度的时间单位）。每个格子内放一个“点”，代表该用户当天执行了某个代表价值的关键事件（如听一首歌、分享一张照片、处理一张发票）。
• 增强信息：在用户首次使用的那天，在点外面画一个圈作为标记；还可以用不同符号或颜色表示用户状态（如iOS vs Android、不同国家、不同收入水平）。
• 排序与筛选：可以按任意属性对行排序（如只看iOS用户、只看首次使用在周一的用户），让大脑更容易发现模式。

• 使用模式：例如，有些用户只在工作日使用（可能是在办公室听歌），有些只在周末使用。这能帮你重新设计产品定位或目标用户。
• 留存问题：如果很多用户（如用户4）只试用一天就再也不回来，说明新手引导或首次体验存在严重问题。
• 功能驱动行为：在点阵图中用不同符号标记不同功能（如“S”代表搜索，“P”代表加入公开歌单）。如果发现加入歌单的用户随后连续多天使用产品，就能推断该功能是驱动活跃的关键因素。
• B2B场景的预警：一家YC公司签了8万美元/年的合同，客户买了10个席位，但点阵图显示只有3个席位激活，且使用频率很低（每周不超过2天）。后来该客户的“ champion”离职，合同被取消。如果早点看点阵图，就能提前发现风险。

• 选对事件：不要选“打开App”或“登录”这种无价值事件，要选代表用户获得真实价值的事件（如“听歌”“分享照片”）。
• 选对时间粒度：不要用“周”或“月”，要用天甚至更细的粒度，否则模式会被模糊掉。
• 从小规模开始：在用户数少于几百时，点阵图可以是你唯一的仪表盘。现代AI编码工具10分钟就能生成一个。
• 与群组留存曲线配合使用：群组留存曲线告诉你“用户是否留下来了”，点阵图告诉你“他们是怎么用的”。两者结合才能完整理解用户。

> “群组留存曲线教你从整体上看用户是否留下来了，但点阵图告诉你那些用户到底是怎么用你的产品的——它能给你颜色，让你去问对的问题、构建对的功能、修复产品中那些你从聚合指标里永远学不到的漏洞。”

• AI产品经理的必杀技：当你的AI产品（如Copilot、Agent）有大量用户时，不要只看“日活”或“调用次数”。用点阵图按天标记“用户是否主动采纳了AI建议”或“是否完成了关键任务”，能快速发现哪些用户真正从AI中获得了价值，哪些只是尝鲜后流失。
• 低成本验证工具：对于早期AI创业项目，用Cursor或Claude写一个简单的点阵图脚本（解析日志→生成2D网格），成本几乎为零，但能让你在融资前就深刻理解用户行为，比任何PPT都有说服力。
• B2B SaaS的续费预警：如果你的AI产品卖给企业，点阵图能帮你监控“实际使用人数 vs 购买席位”的差距。如果发现大量席位闲置，立即主动联系客户做培训或调整，避免“ champion离职→合同取消”的悲剧。