Arch Day 213: Web3产品发现 — 匿名用户研究与社区信号

日期: 2026-10-29 (Day 213) 阶段: 第八阶段 - 综合冲刺 标签: #产品发现 #用户研究 #社区信号 #链上分析 #Web3PM

---

核心概念

一句话定义

Web3产品发现面临独特挑战——用户匿名(钱包地址≠人)、无法A/B测试(用户基数小)、社区即用户(Discord/Twitter是产品反馈的主战场)。Web3 PM需要将链上行为分析、社区信号监控和传统用户研究三者融合，成为"三合一PM"。

---

知识点详解

1. Web3用户研究的三大信号源

2. 链上行为分析作为用户研究

传统PM用户研究:
├── 埋点: 按钮点击/页面停留
├── 问卷: 满意度/NPS
├── A/B测试: 控制组/实验组
└── 漏斗分析: 注册→激活→留存

Web3链上用户研究:
├── 钱包分析: 持仓组合→用户画像
│   例: 持有AAVE+UNI+MKR = DeFi重度用户
│        持有BAYC+Azuki = NFT收藏家
│        只有ETH+USDC = 新手
│
├── 行为轨迹: 交互协议→使用路径
│   例: Uniswap→Aave→Yearn = DeFi进阶路径
│        Bridge→DEX→Airdrop = 空投猎人
│
├── 留存分析: 首次交互后N天内是否返回
│   例: Aave 30天留存~15% = 粘性尚可
│        Memecoin 30天留存~2% = 高投机
│
└── 流失分析: 最后交互后去了哪个协议
    例: 从Compound流出 → 大部分去了Aave = 竞品蚕食

Dune钱包分析SQL示例：

-- 用户画像: 按持仓分群
WITH wallet_tokens AS (
  SELECT
    wallet_address,
    COUNT(DISTINCT token_symbol) as token_diversity,
    SUM(CASE WHEN category = 'defi' THEN 1 ELSE 0 END) as defi_tokens,
    SUM(CASE WHEN category = 'nft' THEN 1 ELSE 0 END) as nft_tokens,
    MAX(first_interaction) as first_active_date
  FROM token_holdings
  WHERE balance_usd > 10
  GROUP BY wallet_address
)
SELECT
  CASE
    WHEN defi_tokens >= 5 THEN 'DeFi Power User'
    WHEN nft_tokens >= 3 THEN 'NFT Collector'
    WHEN token_diversity <= 2 THEN 'Newcomer'
    ELSE 'Casual User'
  END as user_segment,
  COUNT(*) as user_count,
  AVG(token_diversity) as avg_tokens
FROM wallet_tokens
GROUP BY 1

3. 社区信号监控方法

社区信号→产品决策流程:

1. 收集(每日):
   ├── 扫描Discord #support前20条消息
   ├── Twitter搜索"协议名 + bug/issue/wish"
   └── 查看Snapshot最新提案

2. 分类(每周):
   ├── P0 Bug: 资金安全/功能失效
   ├── P1 需求: 社区反复提及
   ├── P2 建议: 有道理但非紧急
   └── Noise: 个人吐槽/无关讨论

3. 验证(每月):
   ├── 链上数据是否支持社区说法？
   │   例: 社区说"Gas太贵" → 查Gas影响的交易量变化
   ├── 竞品是否已解决？
   └── 技术可行性评估

4. 执行:
   ├── P0: 立即修复
   ├── P1: 进入Sprint
   ├── P2: 放入Backlog
   └── 治理提案: 社区投票→通过→执行

4. Web3 PM的三合一角色

Web3 PM一天:

09:00 - 链上数据检查
├── 昨日TVL/Volume/DAU变化
├── 大户(Whale)异动监控
└── 竞品关键指标对比

10:00 - 社区巡查
├── Discord #support待回复
├── Twitter mentions扫描
├── 治理论坛新帖
└── Farcaster相关讨论

11:00 - 产品工作
├── PRD编写/评审
├── 设计协同(UI/UX)
├── 开发沟通(技术可行性)
└── 审计进展跟踪

14:00 - 数据深度分析
├── Dune查询(用户留存/行为变化)
├── 竞品数据对比
└── 指标异常调查

16:00 - 协同与沟通
├── 核心贡献者会议(多时区)
├── 合作伙伴BD
└── 投资人/DAO委员会沟通

18:00 - 社区活动
├── AMA/Twitter Space主持
├── Discord活动策划
└── 治理提案撰写/审查

5. 没有A/B测试怎么做产品决策？

---

面试题

问题：Web3产品没有传统的用户数据(埋点/A/B测试)，你怎么做产品决策？

回答：

Web3的数据不是"更少"而是"不同"——链上数据在某些方面比传统数据更强大(每笔交易公开透明、竞品数据免费获取)，但在另一些方面更弱(不知道钱包背后是谁、无法做A/B测试)。

我的决策框架(三信号融合)：

1. 链上定量(客观事实)。用Dune/Nansen分析实际用户行为——不需要用户"告诉你"他在做什么，链上数据"展示"他在做什么。比如发现"60%的新用户在首次swap后30天内没有第二次交互"→这比任何问卷都准确地告诉我留存是核心问题。

2. 社区定性(用户声音)。Discord的#support频道是最好的用户反馈渠道——真实用户的真实痛点。治理提案是"社区需求的正式表达"。Twitter情绪是市场感知的温度计。关键是区分"噪音"(个人情绪)和"信号"(多人反复提及)。

3. 竞品参照(市场验证)。Web3的竞品数据完全公开——Aave改了利率曲线后TVL变化、Uniswap上线新功能后交易量变化、Blur改了积分规则后市场份额变化——都是实时公开的"A/B测试结果"，只不过是别人帮你做的。

组合使用：链上数据发现问题→社区信号定性理解→竞品参照验证假设→做出决策→链上数据验证效果。

追问准备：

• Q: 如果链上数据和社区反馈冲突怎么办？→ 信链上数据(行为>态度)。用户说"我喜欢这个功能"但链上数据显示没人用→功能有问题
• Q: 最被低估的Web3用户研究方法？→ 直接在Discord DM活跃用户进行1:1访谈。Web3社区开放→用户愿意聊→20分钟对话的信息量超过1000条Discord消息