Arch Day 177: 产品分析实战 — 一篇完整分析的写作过程

日期: 2026-09-23 (Day 177) 阶段: 第七阶段 - Web3专题深度 标签: #实战 #分析写作 #Dune #数据驱动 #产品洞察 #模板

---

核心概念

一句话定义

好的产品分析不是"堆数据"，而是用数据讲一个有洞察的故事。本篇用一个完整示例展示从选题到发布的全过程。

---

实战示例：分析一个DeFi借贷协议

Step 1: 选题与假设(30min)

假设: "Aave V4的模块化设计将使其在2026年重新拉开与Compound的差距"

Step 2: 数据收集(2h)

Dune查询:
1. 两者TVL趋势对比(180天)
2. 月活用户对比
3. Protocol Revenue对比
4. 清算事件频率对比
5. 多链TVL分布

链下数据:
- DefiLlama TVL/Revenue
- Token Terminal Protocol Revenue
- GitHub commit活跃度
- Governance提案数量

Step 3: 分析框架(1h)

## 1. 一句话结论(反直觉洞察)
## 2. 市场数据(TVL/Revenue/Users图表)
## 3. 产品机制对比(V4 vs V3 vs Compound)
## 4. 代币经济对比(AAVE vs COMP value accrual)
## 5. 竞争壁垒分析(Moat)
## 6. 增长策略对比
## 7. PM视角总结(可借鉴的设计)

Step 4: 写作(3h)

关键原则:

• 开头用数据Hook: "Aave V4上线30天，TVL增长了X%..."
• 每个观点配一张Dune图表
• 对比表格让差异一目了然
• 结尾给出清晰的PM takeaway

Step 5: 发布(30min)

• Paragraph发布长文
• Twitter发5-7条Thread版(每条一个洞察)
• LinkedIn发300字摘要+Paragraph链接

写作检查清单

• 标题是否抓人？(用数据或反直觉观点)
• 有没有至少3张Dune图表？
• 有没有至少1张对比表格？
• 结论是否有PM视角(不只是技术分析)？
• 英文术语是否准确？
• 2000-3000字？

---

三个阶段总结(Day 175-177)

---

面试题

问题：如何用链上数据支撑产品决策？

回答：三步法——1) 提出假设(基于产品直觉)；2) Dune验证(用SQL查询相关指标)；3) 决策建议(数据支持下的具体行动)。例如："假设我们的用户留存下降"→Dune查30天Cohort Retention→发现Day7留存从40%降到25%→进一步查流失用户特征→发现是Gas高时流失→建议：增加Gas补贴或优化L2部署策略。