请选择 进入手机版 | 继续访问电脑版
切换皮肤
1. 用户留存与用户活跃的整体认知
360%E6%88%AA%E5%9B%BE20200326083601951-300x235.jpg
1.1 留存与用户活跃的底层内核
YcT5ZFqNv9QY1llfVdO9.png
  • 关于留存促活,其本质是伴随着用户体量的增长,不断针对不同类型的用户,找到性价比最优的转化、成长路径再施加引导激励。
  • 产品的长期价值成立和稳定,是留存+促活能够产生意义的前提
  • 不同业务类型+属性的产品,在思考“留存”时的关注重点注定不同;
  • 产品形态+功能越丰富、用户行为越多,想要做好“留存、促活”的技术含量就越高;
  • 典型用户转化、成长路径清晰 + 用户使用习惯行为闭环形成后,一个用户激励体系可以显著通过产品化放大内增长的效率。
1.2 增长/留存工作方法
大多数人以为的增长/留存工作流程如下图:
0SsurWA3LBJuL8cRexTH.png
实际增长/留存工作流程应如下图:
LwnNKILW4Glji1ftbJzp.png
  • 所有的“增长”工作最终都有构建典型用户路径并引导和激励用户,形成转化。
  • 增长/留存/促活工作的基本前提,都在于你要拥有一个「明确、可被驱动的用户转化/成长路径」。
  • 我们在一款产品上所有工作的目的,要么是为了发现它,要么是为了放大它。并且这个成长路径也可能会不断变化。
2. 通过用户留存数据分析问题2.1 留存曲线的定义
说到留存曲线,那边需先解释一下什么是留存率和流失率。
DMtwGaChvFJwHxw8GLvY.png
从上述的定义引申,留存曲线就是:持续追踪不同时期开始活跃的用户群的留存率随时间的变化趋势。
rBDw2Xk2ziAN9CgK3ErE.png
2.2 如何绘制留存曲线
AjwEUQFjY25WjX4tE4C4.png
2.2.1 确定关键行为的核心思路
  • 初始行为:完成哪种初始行为的用户才能定义为留存用户?
  • 回访行为:用户再次访问产品时,需要完成什么行为才能成为留存用户?
然后初始行为和回访行为在多数情况时是一样的,当然在某些特定场景的产品中也是存在不同的,关键还跟需求本身决定的。
2.2.2 选择时间周期的方法
不同产品的天然使用周期是不同的,如:
  • 投资类产品:每周~每月;
  • 社交类产品:每天;
  • 游戏类产品:每天;
  • 内容类产品:每天~每周;
  • 保险类产品:每周~每月;
在不知道产品的天然使用周期时,该怎么着手去寻找这个时间周期呢?
做法:分析月活用户的一个月内的活跃天数的占比分布;
  • 将月活用户作为分母;
  • 进一步划分某个月里不同活跃天数的用户各种所占比重;
  • 找到用户占比最大的活跃天数项,即为该留存曲线的用户天然使用周期。
2.2.3 收集数据并制作表单
  • 记录每一个周期首次完成初始行为的用户数,一般情况即为激活用户数;
  • 追踪这些用户在接下来的每一个周期内继续完成回访行为的数量,一般情况即为有留存关键行为的用户数;
  • 通过1和2,计算你每个周期有回访行为的用户数占首个周期激活用户数的百分比。
通过上述操作,即可得到如2.4.案例中提供的留存数据表单。
2.3 如何从留存曲线中寻找留存问题
2.3.1 评估曲线的基本形态
1.下滑型
留存曲线:说明未达到PMF。
1XrIi7AX2IgzdaNE438d.png
专注于改变产品以找到某种针对核心用户群的价值定位,然后在此用户群基础上拓展。此时不要开始盲目拉新,否则只能“无本之木”。
2.趋平型
留存曲线:说明产品达到了PMF。
yulhojl5grbYiU4ZyZOu.png
表明尝试过该产品的用户中,有一定比例人群发现了其中的价值且在一段时间后持续使用它,可以开始拉新。
3.微笑型
留存曲线:不仅能达到PMF,还有大量的回流用户。
B7XbkgctuQ495MUXwYDG.png
最理想的留存曲线,一般只存在于特定类型的产品里。
2.3.2 对比行业均值,观测变化趋势
在我们分析产品的用户留存时,也要结合产品所属行业的整体趋势。与头部产品比较数据差异性以及产品差异。
观测变化趋势的思考模式:
  • 根据时间维度进行对比;
  • 根据增长策略实时前后的效果进行对比。
将新的留存曲线与旧的的留存曲线进行对比,观测新留存趋势是否较旧留存曲线起点更高,斜率更小,曲线更平滑。
2.4 案例分析
本节小编通过一个简单的案例来介绍一下如何通过统计的留存数据来发现一些增长线索。
通过链接(https://shimo.im/sheets/K8dqhKtQ8GJPw38P/MODOC/),我们可以看到一份周留存数据(虚拟数据,不涉及机密数据),假设这是一份音频产品的用户周留存数据表。
首先假设该数据的统计前提如下:
  • 留存行为:首次登录
  • 时间周期:周
  • 回访行为:再次登录
  • 留存率:首次完成登录后的用户中,有多少用户,在下一周内,完成再次登录的行为。
因为这是周留存数据表,所以在进行分析前,需要对数据进行可视化处理。小编比较懒,直接用Excel进行数据可视化处理。
先绘制了平均留存曲线图,如下:
2SwVfaytd0JD21sIMuBX.png
通过上图我们可以发现如下几个趋势现象:
  • 首周留存仅有85%,也就意味着有15%的用户在首次下载后再无登录行为;
  • 第一个月的次留数据迅速下滑至61%后,下滑速度明显减缓,趋于平稳下滑中;
  • 从第3周至第17周,数据基本保持在50%-60%之间;
  • 从第18周至第36周,数据再次跌落一个档次,稳定保持在39%-43%之间;
  • 从第37周至第45周,数据首先迎来一次大幅跌落2个百分点后,进行震荡下跌至35%;
  • 从第46周后,数据跌落幅度提高并最终跌落至23%;
  • 综上所述,此留存曲线图是一个下滑性留存曲线;
那么就上述的这些现象,我们再将案例中的留存数据表进行近一步的处理,得到留存热力分布图,如下:
IX5wYdNsP3zk4nHJ1B7I.png
通过周留存环比图(红色代表优,绿色代表差),进步验证上述结论。
将上述数据热力图放大后,可以发现几点数据异常,也可能是增长线索:
rdEcmnHolissMUYMs4Ep.png
  • 从下载量表中,可以明显发现「2018/4/22」「2018/9/23」「2018/11/18」「2018/12/23」四个时间段的下载量与前后时段的下载量存在明显差距。
  • 在「2018/4/22」,即第16周,整体数据指标远低于前后数据接近10个百分点,存在明显的异常部分;
  • 从热力图可发现,第46周起,数据可能出现异常,出现明显的下跌。为了验证猜测,将横向热力图(环比)改为纵向热力图(同比),如下图所示:
z0ulnT1Vu1lNjg0630Qp.png
从数据趋势,再次印证上面的猜测是正确的。
根据上述数据分析,提出假设:
  • 首周平均留存仅为85%,有15%的用户在首次下载后变流失掉了。可能是渠道推广不精准导致的结果,也可能是用户在首次登录后并未达到激动时刻,以至于快速流失掉了。
  • 在「2018/4/22」,即第16周,下载量激增,同比增长1倍之多。可能是增加了新的渠道曝光并加以运营活动跟进。但留存率却直线下降,猜测可能是新活动效果未达到用户的期望效果,新运营活动带来的留存率远低于原有激活流程带来留存率,以至拉低了整个大盘数据。
  • 在「2018/9/23」,下载量达到全年峰值,并且周留存率也达到全年最高水平,猜测行为是可能增加的新的用户激励限时活动,并加大渠道曝光力度,在同比热力图可发现「2018/9/23」后整体留存数据有短期的明显提升。
  • 从「2018/11/18」开始下载量成断崖式下跌,并直接影响了全年用户的留存走势。猜测可能出现大版本优化,整体产品定位转型,但效果不理想。
结合用户生命周期,得到以下增长线索:
Sy2va1CK0mJeEo9DUJsC.png
新用户激活阶段:
  • 北极星指标:新用户激活率
  • 判定依据:通过生命周期提升用户留存的策略中,提升新用户激活率优先级最高,因为可达到的影响最大,操作难度最低。
  • 数据现象:首周平均留存仅为85%。
  • 增长策略:提升渠道推广精准度、提升新用户达到激活时刻的占比。
  • 执行方案:通过数据精细化分析不同渠道的留存用户占比和活跃用户占比,找到优化方向,提升渠道渠道投放精准率和转化率。
  • 优化新用户激活流程,提升新用户达到激活时刻的占比。
新用户留存阶段:
  • 北极星指标:新用户首月留存率
  • 判定依据:通过生命周期提升用户留存的策略中,提升新用户留存率优先级排第2位,因为虽影响效果与提升新用户激活率相仿,但操作难度较之偏高。
  • 数据现象:新用户首月留存率仅有63%。数据成长空间较大。
  • 增长策略:提升新用户达到激活时刻的占比,提升新用户激活率
  • 执行方案:构建用户画像,拆解不同用户维度下的用户使用产品的目的和行为。通过数据精细化分析不同使用目的用户的留存占比和活跃用户占比,找到优化方向,提高不同分组的用户的新用户激活策略。
流失用户召回阶段:
  • 北极星指标:新用户召回率
  • 数据现象:从第36周开始留存率明细下跌,从39%下跌至23%。
  • 判定依据:通过生命周期提升用户留存的策略中,提升流失用户召回率优先级排第3位,因影响效果不如前两项,且操作难度也不易。
  • 增长策略:召回认同产品定位,对产品有使用需求的但已流失的用户。
  • 执行方案:通过短信Push等行为进行营销活动推送;
  • 进一步提高优质内容的精准投放(坑位展示,Push推送等);
PS:通过用户生命周期寻找增长策略的部分将在第二篇重点分析。
一、产品流失分析
在分析产品留存前,我们需要先考虑用户为什么会留存,为什么会流失?应该从哪些角度入手,来思考如何降低流失并提高留存。
Efhp3AC0GxhjM0Gb4DcN.png
用户流失的原因千奇百怪,小编在这里列举了几个常见的流失原因:
用户对产品的感知价值不足:
  • 产品虽然存在长期价值,但短期价值不明确。
  • 产品所提供的解决方案不到位,没有满足用户多元化需求。
  • 产品无法持续的输出给用户新的价值。
用户认为产品的使用难度大:
  • 用户典型用户路径的引导和激励不足没有养成用户使用习惯。
  • 产品的用户体验不好,用户无法通过产品获得满足。
用户更换产品成本较低:
产品没有通过有效的用户激励机制让用户对产品投入有效的时间,金钱,人力等成本,因而造成用户更换产品时的连带损失很少。
二、产品留存难度评估
在分析产品留存前,除了要分析流失原因外,还需从产品特性考虑来评估留存难度。
我们可以从以下七个方面进行评估。
VwbK56JR0fhIkaBVN6vt.png
对上述7个方面,我们主要围绕以下7个问题展开思考:
  • 用户对产品的需求有多强烈,是止痛药还是维他命?
  • 产品功能模块的复杂情况,是单一功能还是多功能多模块?是否可拓展?
  • 产品的天然生命周期有多长,属于长期使用还是昙花一现?
  • 产品的天然使用频次是多久ー次属于高频产品还是低频产品?
  • 产品是否有大量广义的可替代品?
  • 用户转换到其他产品的成本高还是低?
  • 产品変现能力强还是弱?
我们可以通过一张留存难度评估表来清晰的判断产品的留存难度。
UM8XcfHsDBgOrTFbfgse.png
三、精细分析寻找留存线索
分析思路有很多中,今天主要分享其中的两种:用户分群对比功能留存矩阵
3.1 用户分群对比
A7HSuL3OBAuQa7BXjvgc.jpeg
主要思维模式:通过对比不同用户分群的留存曲线,观察具有不同属性行为特征的用户,留存曲线是否不同,都有哪些点不同。
这里提到的属性和行为特征可以从获客渠道、用户画像、用户行为等维度进行思考和分群。
3.2 功能留存矩阵
cauP59awdBxdZRjpbuY3.png
主要思维模式:对于多功能/模块的产品,对比不同功能的留存率活跃用户使用该功能的占比,观察差异性并找到留存线索。
此外,围绕产品的不同功能,还可以进行其他方向的延伸和对比(呈现出不同的功能留存矩阵)比如:
  • 通过「新用户使用」和「留存」对比,观察不同功能在新用户里的流行程度。
  • 通过「功能活跃」和「使用天数」对比,观察不同功能的活跃、参与程度。
3.3 用户生命周期
有些情况下,我们也可以通过用户生命周期中各个阶段的关键指标提升留存,例如:
  • 提升新用户激活率:留存用户的基数随着到达激动时刻的用户变多而变大,会让留存曲线的起点上移,从而全面提升用户留存。
  • 提升新用户留存率:让留存曲线最开始的那一段提升,因此会传递到留存曲线的中后期,从而提升留存率。
  • 提升新用户流失召回率:减少后期的用户流失,让留存曲线后端上移,从而提升留存率。
zL4tnF0XfnRgtYpjfojO.png
3.4 用户参与度
提升用户参与度也是提升用户留存的重要手段之一。想要提升留存用户的参与度,则需要提升用户的使用强度和使用频次:
  • 使用强度:提升强度可以增加用户每次使用产品而得到的价值,从而提升留存。
  • 使用频次:提升频次可以巩固和加强用户的周期性使用产品的习惯,从而提升留存。
Kw6ax8QYwYTQu1Iz6xTi.png
分析用户参与度的步骤如下图所示:
Ww8CeKU3EIvADrtOkLBP.png
(1)确认产品适合度
参与度分析更适用与社交、内容、游戏等高频次高参与度的产品。有些产品用户不需要有高参与度也能获得价值,如低频但高客单价的二手交易,SaaS类产品等。
(2)计算参与程度
计算频次:
  • 分析产品的使用周期是多久,假如是月;
  • 画出月活用户按月活天数分布表;
  • 将月活用户按不同频次分组。
计算强度:
  • 分析产品的使用周期是多久,假如是月;
  • 画出月活用户按使用时长分布表;
  • 将月活用户按不同时长分组。
(3)制定理想指标
根据用户的天然需要和对这类产品使用习惯,及现状数据制定一个理想的频次和强度目标。
(4)进一步分析寻找线索
  • 对比分析不同用户分群的使用频次和强度,找到线索;
  • 对比分析不同产品功能的使用频次和强度,找到线索;
  • 针对某个功能,找到阻碍用户提升使用频次和强度的因素。
四、参考案例
本节小编通过一个简单的案例来介绍一下如何通过统计的留存数据来发现一些增长线索的具体操作流程,主要为思路和实施流程的分享,具体数据内容不具有真实性。
通过链接,我们可以看到一份分组留存数据(虚拟数据,不涉及机密数据),假设这是一份音频产品的用户分组留存数据表。
4.1 中国在线音频用户的用户画像
既然要分析用户使用目的,那首先要对用户有一定的了解,所以这里小编先简单介绍一下中国在线音频用户的基本信息
j8prTSrfS58mlemEmoPt.png
通过数据显示在线音频用户人群主要以泛80、90后上班族居多,其中90后占比52.5%。据艾媒调研结论:在线音频的用户活跃时间主要集中在晚间和午间两个时段,其中晚间(18-23点)时段占到40.8%;在使用场景方面,吃饭休息(含午饭、晚饭)和睡前成两大主要场景。
wXL8pbIXenX6o520qCPA.png
从上图使用原因分布来看,在线音频用户使用在线音频主要为达到“放松身心”和“休闲娱乐”的目的,“排解情绪”“打发时间”等紧随其后,与使用场景较为契合,表明在线音频用户的娱乐需求较大。
Wg0ZjtvW5E15G8087KMA.png
据上图艾媒调研结论:音乐类、有声书和新闻资讯是当前最受欢迎的音频类型。
4.2 产品留存难度分析
首先我们针对产品本身进行简单的留存难度评估:
  • 用户需求:用户对于在线音频产品属于非刚需型需求,但经过产品培养了良好的用户习惯后,需求强度有所提高。
  • 产品功能:除了录制音频和收听音频外,没有特别繁杂多样的产品功能,业务复杂度主要集中于内容矩阵。
  • 生命周期:音频产品的生命周期随内容矩阵的丰富度不同而天差地别,综合情况考虑,针对听众用户的生命周期属于中。
  • 使用频次:根据数据统计,在线音频产品的属于高频产品。
  • 可替代品:在线音频行业虽然经历了残酷的洗礼和产品淘汰,但同质化产品仍然较多。
  • 更换成本:产品本身功能和技术不具备不可替代性,更换成本较低。
  • 变现能力:作为内容消费型产品,变现能力不强,远不如在线视频产品。
因此得到以下结论:
n3ch2QbU8XTmHqLpqWwf.png
综合平均得分:5分。
产品留存难度:中偏高。
4.3 根据用户留存曲线分析数据
从原数据得到以下留存曲线图和渠道下载分布图:
b2XLRZnUpRL0kWYHNQBK.png
图2(注:红线为平均值)
6dcoi0ByXiDfOYkw0nvT.png
从留存曲线图可得出以下数据现象:
录制音频:整体留存数据表现最好,虽在缓慢下滑,但留存率稳定保持在60%以上。下载量占比最小,仅为7.73%。
孩子听故事:整体留存数据表现不如「录制音频」,排名第二,留存率稳缓慢下滑,定保持在55%以上。,下载量占比排倒数第二,为12.04%。
时事新闻:整体留存数据表现较差。
学习充电:整体留存数据表现很差,整体留存都不高于平均值。且下载量占比仅为15.7%。
休闲娱乐:整体留存数据表现最差,首周留存仅为80%,远低于平均值5个百分点。并且首月留存大幅度下跌。最终跌破40%。下载量占比最高,为40.31%。
4.4 用户使用目的的留存矩阵
使用功能留存矩阵的方式进行数据精细分析,将数据表转化成用户使用目的留存矩阵图,如下图:
K7OEAovB9GjqIKgMKHYb.png
纵向:月留存,横向:月活跃用户占比
从上图可发现用户使用目的的留存两极分化明显,结合用户画像,可以得到以下结论:
录制音频
  • 趋势现象:「录制音频」属于高留存,低月活占比;
  • 优化策略:「录制音频」行为在音频产品中,属于刚需且低频的操作,用户群体相对较小,应将提高活跃用户的策略侧重在提高「录制音频」功能的交互体验的友好度和便捷方面。
孩子听故事
  • 趋势现象:「录制音频」属于高留存,低月活占比;
  • 优化策略:「孩子听故事」虽用户场景在「2019在线音频用户使用场景」中占比较小,但随着二胎政策带来的巨大儿童消费市场,应该着重关注提升该板块的内容矩阵的丰富度和趣味性。
时事新闻
  • 趋势现象:「录制音频」属于高留存,低月活占比;
  • 优化策略:「时事新闻」在「2019年在线音频用户音频类型偏好」中占比较高,达43.5%。而此产品中用户占比较低,半年内下载量为11263,与平均值14347相差甚多。应该更合理的增加曝光坑位和推送策略。
学习充电
  • 趋势现象:「学习充电」属于低留存,高月活占比;
  • 行业分析:「2019年在线音频用户使用原因」中知识学习占比12%,「2019年在线音频用户音频类型偏好」中知识课程占比22.5%,皆属于中偏下的水平。在线音频的用户活跃时间主要集中在晚间和午间两个时段,在使用场景方面,吃饭休息(含午饭、晚饭)和睡前成两大主要场景,因而已「学习充电」为目标的月活用户占比属于靠近中位值存在的不可忽略的客观原因;
  • 优化策略:因为「学习充电」的行为大多具有连续性,而该产品的这类行为的留存率较低,可能是学习类音频内容质量较低,或为单一视频,系列型学习音频较少。可提高学习类音频的内容质量。引进高质量内容的系列音频内容。
休闲消遣
趋势现象:「休闲消遣」属于低留存,高月活占比;
行业分析:通过行业数据可得,「休闲消遣」这部分用户的音频类型偏好及用户使用原因皆属于占比最大的类型。然后该产品在这方面的留存最低,而月活跃用户最高,是平均值的2倍。说明该产品对「休闲消遣」的模块曝光是足够的,但是内容无法吸引用户留存。可能是内容类型与用户人群不契合,或者是内容类型不具有连贯性和持续性,再或是内容矩阵不够丰富,多样。
优化策略:
  • 如内容类型与用户人群不契合,那么要从用户性别,用户年龄分布,用户所在地分布,加以数据判定,如男性用户多偏好财经,小说,历史等,而女性用户则更偏爱文学,言情剧,情感类等。
  • 如内容类型不具有连贯性和持续性,那么要增加有声书或系列音频的占比,因单个音频相互独立,音频之间的紧密型没有有声书强,用户聆听的持续性和时间就不会太长。
  • 如内容矩阵不够丰富,多样,趣味。那么就需要增加UGC的产品,买入某些高知名度的IP,加以KOL导向。

回复

使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则


    Archiver|手机版|小黑屋|齐聚无忧 |网站地图

    Powered by Discuz! X3.4  © 2001-2013 Comsenz Inc.