產(chǎn)品運(yùn)營(yíng)增長(zhǎng)技巧！

在互聯(lián)網(wǎng)產(chǎn)品運(yùn)營(yíng)中，日活數(shù)據(jù)是天天都要看的，怎么和用戶行為相結(jié)合幫助業(yè)務(wù)增長(zhǎng)？日活上漲了或下降了，怎么快速定位日活異常波動(dòng)的原因？這些都是每天需要觀察思考和全方位分析的，尤其是在日活下降的時(shí)候，往往需要花很長(zhǎng)的時(shí)間去定位。

本文作者詳細(xì)介紹了一種快速定位日活波動(dòng)的做法，供大家一同參考和學(xué)習(xí)。希望能幫助大家快速定位日活波動(dòng)原因，抓住當(dāng)前業(yè)務(wù)的主要問題針對(duì)性去迭代提高。

新增和活躍用戶是大家常見的一種區(qū)分日活用戶的方式，主要是衡量新增用戶和整體日活的數(shù)據(jù)表現(xiàn)。因?yàn)榛钴S用戶里面包含新增用戶，所以在日活出現(xiàn)波動(dòng)時(shí)還會(huì)為哪部分用戶群體出現(xiàn)問題而頭疼。

從2019年到2020年實(shí)際日活整體呈平穩(wěn)下降的趨勢(shì)，業(yè)務(wù)增長(zhǎng)進(jìn)入瓶頸期，而我們理想日活應(yīng)該是在跌宕中平滑上漲，所以這里面一定是發(fā)生了什么需要我們逐層找出來(這里不考慮數(shù)據(jù)服務(wù)、數(shù)據(jù)上報(bào)、數(shù)據(jù)統(tǒng)計(jì)上的Bug)。

如圖，我們將日活做了三級(jí)拆解，第一級(jí)按照用戶的生命周期進(jìn)行了首次拆解，分別為新增用戶、新客留存、老客留存和流失回流用戶；第二級(jí)需要考慮對(duì)每一個(gè)生命周期階段細(xì)拆的話我們應(yīng)該首先關(guān)注什么；第三級(jí)要和用戶的核心行為相關(guān)聯(lián)，核心價(jià)值相關(guān)的指標(biāo)才能真正反饋用戶活躍度和用戶需求的滿足度。

第一級(jí)如果我們要精準(zhǔn)定位到到底是哪部分的用戶群體影響了日活的波動(dòng)，我們需要保證這四個(gè)層級(jí)完全獨(dú)立互不干預(yù)，這就涉及了這四部分用戶群的定義。

1. 新增用戶：當(dāng)日新增的用戶數(shù)
2. 新客留存：昨天新增的用戶次日還啟動(dòng)的用戶數(shù)
3. 老客留存：昨天活躍的老用戶次日還啟動(dòng)的用戶數(shù)
4. 流失回流：昨天不活躍今天活躍的用戶

用戶群體拆分好并自動(dòng)化實(shí)現(xiàn)后，我們就能在每天的日活波動(dòng)中，定位到是新增、新增留存、老客留存還是流失回流用戶的問題，進(jìn)而快速分解到負(fù)責(zé)新增或者老客運(yùn)營(yíng)的同學(xué)手中。

第一步定位到了是誰的問題，第二步要解決怎么做的問題。

（1）新增用戶和新客留存

貼合運(yùn)營(yíng)側(cè)新增推廣、新增運(yùn)營(yíng)的策略，從渠道層面對(duì)新增做二次拆解，定位到哪個(gè)推廣渠道出現(xiàn)了問題，以及各個(gè)渠道的次日留存率表現(xiàn)。

這里面有一個(gè)容易忽略且重要的問題，新增次日留存做好了，對(duì)產(chǎn)品的老客的影響很大。

用戶的留存率曲線遵循冪函數(shù)的規(guī)律，次日留存率越高以后的留存越高。最容易切入且投入產(chǎn)出比最大的是從提升新增用戶的留存率開始，新增用戶留存率提高了后續(xù)活躍老用戶的次日留存率自然提高。

（2）老客留存

因?yàn)槭且蕴鞛榧?jí)別劃分的用戶，所以這里面的老客就有用戶新鮮度的問題，我們可以將老客分為活躍老客、沉默老客、流失老客。

1. 活躍老客：過去7天內(nèi)打開過app的用戶
2. 沉默老客：過去7天內(nèi)未打開app的用戶(7天 < 最近一次活躍時(shí)間 < 30天)
3. 流失老客：過去30天內(nèi)未打開過app的用戶

活躍老客的次日留存如何關(guān)系到用戶的持續(xù)活躍能力，沉默和流失的老客回來后，后續(xù)的留存能力如何，這些都決定了后續(xù)的周人天和月人天的變化。對(duì)老客提頻是對(duì)老客運(yùn)營(yíng)的最重要的目的，所以建議按照用戶新鮮度建立同期群分析，觀察各類用戶群體后續(xù)的次日、3日、7日、15日、30日留存表現(xiàn)。

（3）流失回流用戶

流失回流用戶以天為維度進(jìn)行拆分的話，在日活構(gòu)成中是占比最高的一部分用戶群體，也是最需要精細(xì)化運(yùn)營(yíng)的一部分群體，按照用戶回流周期可以再分為活躍回流、沉默回流和流失回流。

如上流失回流用戶的每部分的次日留存率和老客留存相輔相成，影響周人天、月人天等活躍頻次，內(nèi)容運(yùn)營(yíng)側(cè)要密切關(guān)注數(shù)據(jù)變化趨勢(shì)，策略緊跟其上。觀察每一次的策略變動(dòng)用戶的活躍留存數(shù)據(jù)是否變好，還是只是注入了一針強(qiáng)心劑臨時(shí)起效。

另外用戶的回流方式也反映了用戶回來的真實(shí)意圖，是真有需求自主打開了，還是通過個(gè)性化Push亦或自動(dòng)化Push手段回流回來，或者還有其它三方合作外部喚起的，都需要我們區(qū)別對(duì)待。

第三層回到了產(chǎn)品提供給用戶的最核心的用戶行為上，日活其實(shí)是一個(gè)虛榮指標(biāo)，核心價(jià)值相關(guān)的指標(biāo)才是真正能夠反饋用戶活躍度的，核心行為變好了，日活的增長(zhǎng)自然不用愁。重點(diǎn)提高使用核心行為的用戶占比，提高核心行為用戶參與度，密切關(guān)注核心功能高、中、低頻用戶以及無核心行為用戶的變化趨勢(shì)。

這里注意一點(diǎn)，我們可以將某一個(gè)核心功能按照用戶的使用頻次分為高、中、低、無，這樣我們能更好的量化用戶核心功能使用的變化，因?yàn)橐粋€(gè)產(chǎn)品可能不止一個(gè)核心功能，用戶使用也不可能只用一個(gè)核心功能，會(huì)出現(xiàn)交叉，交叉后就不能單純的從數(shù)據(jù)上將影響波動(dòng)的具體數(shù)值量化出來，所以需要按照用戶使用核心行為的頻次做出拆分。

綜上，日活提升需要在增加新用戶、新用戶留存提升、老用戶促活和流失用戶召回四個(gè)方面同時(shí)發(fā)力才能促增長(zhǎng)。

確認(rèn)數(shù)據(jù)準(zhǔn)確性后，拉長(zhǎng)時(shí)間范圍觀察日活波動(dòng)變化趨勢(shì)，觀察數(shù)據(jù)是否真的存在異常情況，排除日常周期性波動(dòng)。脫離日常周期性波動(dòng)趨勢(shì)出現(xiàn)陡降或陡升或有持續(xù)下降的趨勢(shì)（這里可以結(jié)合異常告警策略同步實(shí)施），這些節(jié)點(diǎn)都需要密切關(guān)注排查具體原因。

此時(shí)需要一個(gè)量化指標(biāo)來量化某種因素對(duì)日活波動(dòng)的影響程度，可通過影響系數(shù)這個(gè)指標(biāo)進(jìn)行計(jì)算：

影響系數(shù) =（今日量-昨日量）/（今日總量-昨日總量）

結(jié)果越大代表該因素對(duì)日活波動(dòng)的影響越大，需要首先關(guān)注并優(yōu)化。

流失回流量持續(xù)減少，且在5月17日有一個(gè)大幅的降幅，繼續(xù)往下看~

沉默、活躍、流失用戶群體都在下降，但是沉默用戶的下降幅度最大，沉默回流用戶中是自主打開App的用戶量減少了，還是Push、外部喚起呢？不同的回流方式揭示了不同的問題，就像剝洋蔥一樣，層層剝下去就好了…

將上述各層日活波動(dòng)的數(shù)據(jù)拉長(zhǎng)時(shí)間范圍去觀察趨勢(shì)變化，看產(chǎn)品是往好的方向還是壞的方向發(fā)展了~

限于篇幅的限制，這里就不過多贅述了，后續(xù)可能會(huì)把點(diǎn)打細(xì)，各位敬請(qǐng)期待吧~

作者：北極星

來源：北極星

相關(guān)閱讀：

產(chǎn)品運(yùn)營(yíng)：競(jìng)品分析方法論

互聯(lián)網(wǎng)金融產(chǎn)品運(yùn)營(yíng)策略分析