數(shù)據(jù)運(yùn)營(yíng)：如何利用數(shù)據(jù)分析提高用戶留存？

獲取用戶只是第一步，但留住用戶才是所有產(chǎn)品最終目標(biāo)。

1月15日，多閃、馬桶MT和聊天寶同時(shí)亮相，引發(fā)了“圍剿微信”的熱議，但個(gè)推大數(shù)據(jù)發(fā)布的一份數(shù)據(jù)報(bào)告顯示，一個(gè)半月過(guò)去了，這三款應(yīng)用的成績(jī)都有些不理想。

如圖所示，在發(fā)布會(huì)和網(wǎng)絡(luò)熱議的帶動(dòng)下，三款應(yīng)用在 15-16 日兩天迎來(lái)了用戶的爆發(fā)式增長(zhǎng)，但從上線第三天起，三款應(yīng)用的新增用戶數(shù)開始暴跌至幾乎同一水平。獲取用戶只是第一步，留住用戶才是所有產(chǎn)品最終目標(biāo)。今天我們就來(lái)說(shuō)說(shuō)如何用數(shù)據(jù)分析來(lái)提升用戶留存率。

一、為什么要做好產(chǎn)品的留存

1.提高用戶增長(zhǎng)速率，降低獲客成本

留存對(duì)活躍用戶增長(zhǎng)有長(zhǎng)期影響，在這里我們具體模擬一個(gè)產(chǎn)品增長(zhǎng)狀況。假設(shè)一個(gè)產(chǎn)品每周獲取一百個(gè)新用戶，新用戶的次周留存率在 60%。

左邊這張圖，每周用戶的次周留存率的絕對(duì)值減少 3%，即本周留存率 60%，下周留存率為 57%，以此類推。而右邊這張圖，留存率絕對(duì)值減少 1%。

每周的活躍用戶構(gòu)成是本周新用戶和之前每周留存下來(lái)的老用戶。經(jīng)過(guò) 29 周后，左圖中的之前留存老用戶基本上就衰減為 0 ，而右圖中可以看到最早獲取的用戶仍有部分能在 29 周后留下來(lái)。對(duì)比兩種情況，它們的拉新量一致，留存率僅有 2% 絕對(duì)值的區(qū)別，但是 29 周之后，用戶的量的比例為 1：2。這個(gè)圖就比較為形象的說(shuō)明了，留存率對(duì)于活躍用戶量增長(zhǎng)的重要性。

除此之外，《硅谷增長(zhǎng)黑客實(shí)戰(zhàn)筆記》的作者，曲卉老師，在對(duì)9位頂級(jí)增長(zhǎng)黑客的采訪中，有九分之四的人選擇了留存作為最喜歡的增長(zhǎng)杠桿。因?yàn)榱舸婵梢詭?lái)巨大的復(fù)利效應(yīng)，同時(shí)維系老用戶和獲取新用戶的成本比例大概是1:5。

2.留存是判斷產(chǎn)品價(jià)值最重要的標(biāo)準(zhǔn)

留存率反映的實(shí)際上是一種轉(zhuǎn)化率，即由初期的不穩(wěn)定的用戶轉(zhuǎn)化為活躍用戶、穩(wěn)定用戶、忠誠(chéng)用戶的過(guò)程。隨著統(tǒng)計(jì)數(shù)字的變化，運(yùn)營(yíng)人員可看到不同時(shí)期用戶的變化情況，從而判斷產(chǎn)品對(duì)客戶的吸引力。

3.把握用戶生命周期長(zhǎng)度以及優(yōu)化產(chǎn)品

通過(guò)留存分析，可以查看新功能上線之后，對(duì)不同群體的留存是否帶來(lái)不同效果? 可以判斷產(chǎn)品新功能或某活動(dòng)是否提高了用戶的留存率？結(jié)合版本更新、市場(chǎng)推廣等諸多因素結(jié)合，砍掉使用頻率低的功能，實(shí)現(xiàn)快速迭代驗(yàn)證，制定相應(yīng)的策略。

綜上所述，如果產(chǎn)品不能留住用戶，我們的產(chǎn)品就像一個(gè)鏤空的籃子，倒入的水越多流失的也越多，這意味著我們的產(chǎn)品是無(wú)法實(shí)現(xiàn)可持續(xù)增長(zhǎng)的。此外，在流量越來(lái)越貴背景下，留住老用戶顯得愈發(fā)重要。

對(duì)于用戶而言，留存率越高，說(shuō)明產(chǎn)品對(duì)用戶的核心需求把握的越好，用戶對(duì)產(chǎn)品產(chǎn)生強(qiáng)烈的依賴；對(duì)于產(chǎn)品而言，留存率越高，說(shuō)明產(chǎn)品的活躍用戶越多，轉(zhuǎn)化為忠實(shí)用戶的比例會(huì)越大，越有利于產(chǎn)品變現(xiàn)能力的提升。

二、到底什么是用戶留存

在商業(yè)世界里，我們最理想的是讓用戶的生命周期（使用產(chǎn)品的）跟隨產(chǎn)品的生命周期保持一致，這樣產(chǎn)品才能良性健康發(fā)展下去，但實(shí)際并非如此。

在互聯(lián)網(wǎng)行業(yè)當(dāng)中，因?yàn)槔禄蛲茝V的活動(dòng)把客戶引過(guò)來(lái)，用戶在某段時(shí)間內(nèi)開始應(yīng)用并使用，經(jīng)過(guò)一段時(shí)間后，仍然繼續(xù)使用該應(yīng)用的用戶，被認(rèn)作是該應(yīng)用的留存用戶，這部分留存用戶占當(dāng)時(shí)新增用戶的比例即為留存率。

例如，7 月份某旅行 app 新增用戶 500，這 500 人在 8 月份啟動(dòng)過(guò)應(yīng)用的有 250 人，9 月份啟動(dòng)過(guò)應(yīng)用的有 200 人，10 月份啟動(dòng)過(guò)應(yīng)用的有 150 人，則說(shuō)明7月的這波新增用戶一個(gè)月后的留存率是 50%，兩個(gè)月后的留存率 40%，三個(gè)月后的留存率是 30%。說(shuō)完了留存，我們?cè)賮?lái)看看留存分析。

留存分析是一種用來(lái)分析用戶參與情況和活躍程度的分析模型，考察進(jìn)行初始行為的用戶中，有多少人會(huì)進(jìn)行后續(xù)行為。

三、用戶留存的特點(diǎn)

這是一個(gè)常見的留存曲線，可以把它分成了三個(gè)部分：第一部分是振蕩期，第二部分是選擇期，第三部分是平穩(wěn)期。

1.振蕩期

我們可以看到新用戶進(jìn)入網(wǎng)站或者是下載 APP 的人數(shù)在前幾天劇烈地減少，由 100% 幾天就變成了百分之十幾或者更低，這個(gè)期叫振蕩期。在這個(gè)階段，我們主要關(guān)注用戶激活，在這個(gè)階段中，我們需要讓用戶迅速低成本地感受到產(chǎn)品的核心價(jià)值，快速達(dá)到”aha moment”（驚喜時(shí)刻）。

2.選擇期

過(guò)了振蕩期以后就是選擇期，一般情況下，客戶在這段時(shí)間之內(nèi)對(duì)我們的產(chǎn)品有了初步的了解，他開始探索我們公司的產(chǎn)品，看看這個(gè)產(chǎn)品有沒有滿足他的一些核心需求。在這個(gè)階段我們關(guān)注老用戶的留存提升，需要打造好產(chǎn)品的核心功能，培養(yǎng)用戶對(duì)產(chǎn)品的使用習(xí)慣。

3.平穩(wěn)期

過(guò)了選擇期就是平穩(wěn)期，留存率進(jìn)入一個(gè)相對(duì)穩(wěn)定的階段。在這個(gè)階段我們就要思考產(chǎn)品對(duì)用戶的長(zhǎng)期價(jià)值是什么？如何才能讓用戶反復(fù)體驗(yàn)到產(chǎn)品的價(jià)值？總之，只有做好每個(gè)階段的留存分析和提升，留存曲線才能整體改善。

四、如何分析留存數(shù)據(jù)

1.時(shí)間分組

留存分析中使用最多的就是在時(shí)間分組，然后觀察這組用戶隨著時(shí)間的演進(jìn)而產(chǎn)生的變化。如圖所示，當(dāng)然這個(gè)表也可以制作前文所提到的曲線。通過(guò)統(tǒng)計(jì)某日新增、活躍或產(chǎn)生特殊行為、滿足特定條件的用戶在未來(lái)一段時(shí)間內(nèi)的留存用戶變化曲線，可以總結(jié)用戶從新增到流失的時(shí)間周期，并找到留存率明顯下降的關(guān)鍵環(huán)節(jié)。

同時(shí)，通過(guò)對(duì)比各個(gè)渠道、活動(dòng)、關(guān)鍵行為的用戶后續(xù)留存變化，發(fā)現(xiàn)提升用戶留存率的影響因素，例如領(lǐng)取過(guò)優(yōu)惠券的用戶留存率比沒有領(lǐng)取優(yōu)惠券的用戶留存率更高。

一般情況下，新用戶在第二日流失 30~50%，一周后僅剩 10% 也是非常普遍的，并且很多用戶根本沒有使用到產(chǎn)品的核心功能就流失了。基于這個(gè)結(jié)論，近些年來(lái)，運(yùn)營(yíng)活動(dòng)和產(chǎn)品設(shè)計(jì)方向上越來(lái)越針對(duì)新用戶的前一周做關(guān)懷或新手任務(wù)，強(qiáng)化用戶去體驗(yàn)到產(chǎn)品的基本功能。例如信用卡首刷禮，互聯(lián)網(wǎng)理財(cái)產(chǎn)品贈(zèng)送新戶加息券等。

另外，我們還可以將不同渠道來(lái)的用戶進(jìn)行群組的劃分，將所有渠道的留存比例排序后，可以非常容易發(fā)現(xiàn)某些渠道帶來(lái)用戶規(guī)模較大，卻留存卻很低，這時(shí)可以停止向這些低效的渠道投入費(fèi)用，將節(jié)省很多營(yíng)銷費(fèi)用。

2.行為分組

針對(duì)流失高/留存高的用戶群組進(jìn)行一對(duì)一的用戶行為分析，統(tǒng)計(jì)留存/流失用戶的行為特征，特別是針對(duì)流失用戶，通過(guò)流失用戶的行為分析總結(jié)流失原因，從而提升留存率。例如新增后次日流失的用戶行為特征表現(xiàn)為打開首頁(yè)后瀏覽了 30 秒退出，也沒有進(jìn)入頻道頁(yè)和詳情頁(yè)，而次日留存用戶的特征表現(xiàn)為首次訪問(wèn)大于 3 分鐘，瀏覽路徑深，那么可以判斷用戶次日流失原因?yàn)椴涣私猱a(chǎn)品能力導(dǎo)致，需要加強(qiáng)用戶引導(dǎo)。

另外，用戶的行為與產(chǎn)品的功能模塊息息相關(guān)，我們可以還可以將產(chǎn)品的功能模塊的使用進(jìn)行分組研究，并對(duì)功能模塊進(jìn)行優(yōu)化。

按照上述思路，留存用戶分析可以針對(duì)不同群組用戶建立留存曲線，觀察不同特征用戶的留存情況，從而找出影響因素。

五、用戶留存分析的流程

具體的方案可以是：

1.定義高價(jià)值留存用戶

2.通過(guò)數(shù)據(jù)特征梳理出，吸引用戶留存的功能或利益

3.分析用戶高價(jià)值留存用戶訪問(wèn)路徑和習(xí)慣

4.定位高價(jià)值非留存用戶的

5.通過(guò)數(shù)據(jù)特征梳理出，高價(jià)值非留存用戶在探索產(chǎn)品功能和利益遇到的障礙

6.針對(duì)障礙特征再想出針對(duì)的調(diào)整政策

7.用戶畫像調(diào)研，佐證分析結(jié)論

六、案例：提升泛娛樂(lè)類 App新用戶留存

主要是給用戶提供內(nèi)容消費(fèi)，而且?guī)в幸欢ǖ纳缃粚傩裕虼擞脩舻娜栈钴S人數(shù)和留存人數(shù)就十分重要。根據(jù)這個(gè)產(chǎn)品目前的留存數(shù)據(jù)，認(rèn)為他們的新用戶留存還有很大的提升空間，想要通過(guò)數(shù)據(jù)分析的方式找到增長(zhǎng)著力點(diǎn)，主要是通過(guò)降低新用戶上手成本，提升新用戶留存。

1.了解新用戶留存現(xiàn)狀

首先，我們需要了解新用戶的留存現(xiàn)狀進(jìn)行分析，因?yàn)樵u(píng)估一個(gè)產(chǎn)品的狀態(tài)，都是進(jìn)行產(chǎn)品優(yōu)化之前不可回避的環(huán)節(jié)。

通過(guò)對(duì)新訪問(wèn)用戶和全部訪問(wèn)用戶的留存曲線對(duì)比分析，我們會(huì)發(fā)現(xiàn)新用戶的留存明顯低于全部用戶，那么從這個(gè)角度來(lái)說(shuō)，新用戶的留存就是很大的一個(gè)增長(zhǎng)點(diǎn)。

剛剛我們講到，對(duì)于新用戶來(lái)說(shuō)，Onboarding 上手激活的環(huán)節(jié)非常重要。能否讓用戶在第一次使用產(chǎn)品時(shí)就能迅速低成本地感知到產(chǎn)品價(jià)值， 決定了新用戶的激活率。

2.確定激活目標(biāo)

談到激活，我們常常會(huì)講到「Aha Moment」，即用戶體驗(yàn)產(chǎn)品時(shí)發(fā)現(xiàn)核心價(jià)值并產(chǎn)生重復(fù)使用動(dòng)力的驚喜時(shí)刻。不同產(chǎn)品的「Aha Moment」也有所不同，比如 LinkedIn 是一周添加 5 個(gè)社交關(guān)系，F(xiàn)acebook 是 10 天內(nèi)添加 7 個(gè)好友。

我們需要根據(jù)自己的產(chǎn)品，來(lái)找到用戶的 Aha Moment，幫助用戶盡可能快地觸達(dá)產(chǎn)品價(jià)值。首先我們需要知道哪些功能可能使新用戶感受到產(chǎn)品價(jià)值，可以利用第三方數(shù)據(jù)數(shù)據(jù)工具，對(duì)使用過(guò)不同功能的用戶留存率進(jìn)行分析對(duì)比，找到留存率最高的產(chǎn)品功能。

通過(guò)對(duì)比不同功能的留存率，找到新用戶使用后留存率有明顯提升的功能，再結(jié)合新用戶上手功能成本的高低，來(lái)進(jìn)一步縮小范圍確定新用戶的激活目標(biāo)。

3.評(píng)估新用戶激活狀況

確定好激活目標(biāo)后，我們可以開始評(píng)估新用戶的激活狀況，有針對(duì)性地對(duì)不同的用戶進(jìn)行運(yùn)營(yíng)。在這個(gè)案例中，新訪客有 30% 未激活， 對(duì)于這部分用戶我們要做的事情就是提升激活率；其余已激活的新訪客，和老訪客優(yōu)化的方向有點(diǎn)類似，就是如何去提升留存，讓他們持續(xù)使用產(chǎn)品。

渠道是用戶旅途的起點(diǎn)，不同渠道過(guò)來(lái)的新用戶會(huì)有一定的差異，他們?cè)L問(wèn)意圖或者目標(biāo)都可能不一致。因此，我們可以看看不同渠道的新用戶激活狀況。這里我們可以從新用戶激活比例和留存率來(lái)看下不同渠道用戶的差異。

可以發(fā)現(xiàn)，有的渠道激活率和留存率都低，那么就可能是渠道人群對(duì)產(chǎn)品的需求匹配度低，這部分情況更多的是需要對(duì)渠道進(jìn)行調(diào)整；有的渠道，可能是激活率低但激活留存率略高于整體，那則可能渠道用戶較為精準(zhǔn)，這需要進(jìn)一步研究業(yè)務(wù)數(shù)據(jù)。

4.激活時(shí)間與留存影響

對(duì)于未激活的新用戶，什么激活時(shí)機(jī)比較重要，未激活的用戶對(duì)留存有怎樣的影響？

從上面這張圖里我們會(huì)發(fā)現(xiàn)，新用戶的激活時(shí)機(jī)應(yīng)該越快越好。綠色的曲線是當(dāng)天來(lái)了被激活的新用戶，下面這條紅色的線是當(dāng)天來(lái)了沒有被激活的新用戶?？梢园l(fā)現(xiàn)紅色這條線的留存是非常非常低的，也就是說(shuō)，如果一個(gè)新用戶沒有在使用產(chǎn)品的第一天完成激活行為，那么他流失的可能性會(huì)非常的高，基本上默認(rèn)為流失。

所以在說(shuō)到新用戶的激活時(shí)，基本上指的都是在用戶進(jìn)入產(chǎn)品的當(dāng)天，就能完成核心行為，認(rèn)識(shí)到產(chǎn)品的核心價(jià)值。

5.新用戶激活功能分析

如何在產(chǎn)品內(nèi)提升新用戶的激活？在問(wèn)這個(gè)問(wèn)題之前，我們可以思考一下，為什么新用戶沒有被激活，他們是在哪里流失掉的？這樣我們才能找到用戶流失的關(guān)鍵步驟進(jìn)行優(yōu)化。

我們可以根據(jù)新用戶激活的主要路徑構(gòu)建漏斗，通過(guò)漏斗的每一步轉(zhuǎn)化數(shù)據(jù)可以定位到新用戶激活的主要流失環(huán)節(jié)，并結(jié)合用戶分群與細(xì)查等工具進(jìn)一步剖析流失原因。

在第一個(gè)主要流失環(huán)節(jié)，我們通過(guò)用戶分群篩選出這個(gè)環(huán)節(jié)沒有被激活的新用戶，通過(guò)用戶細(xì)查來(lái)查看這些新用戶的行為軌跡，可以發(fā)現(xiàn)一半以上的訪客都是在注冊(cè)登錄的環(huán)節(jié)流失的。從典型的用戶行為軌跡可以發(fā)現(xiàn)很多用戶都卡在了登錄注冊(cè)這個(gè)步驟，他們根本就沒有去接觸到實(shí)際的激活環(huán)節(jié)。

那么對(duì)于這部分用戶的激活優(yōu)化，我們就可以將激活步驟提前，不需要注冊(cè)/登錄，進(jìn)來(lái)就可以看到內(nèi)容。

在第二個(gè)主要流失環(huán)節(jié)中，我們發(fā)現(xiàn)小部分用戶已經(jīng)到達(dá)了列表頁(yè)，也就是說(shuō)觸達(dá)到了實(shí)際的激活步驟，但他們卻沒有點(diǎn)擊具體內(nèi)容，是不是列表內(nèi)容對(duì)用戶的吸引力不夠？這個(gè)列表是由用戶關(guān)注、產(chǎn)品推薦等多個(gè)內(nèi)容組成的，可能是列表中用戶關(guān)注產(chǎn)生的內(nèi)容較少，那么我們需要對(duì)關(guān)注行為進(jìn)行更好的引導(dǎo)，提升內(nèi)容對(duì)用戶的吸引力。

針對(duì)這樣的流失情況，我們對(duì)產(chǎn)品進(jìn)行了一個(gè)調(diào)整將激活步驟提前，可以發(fā)現(xiàn)新用戶留存有明顯提升。 但具體來(lái)說(shuō)，原來(lái)沒有接觸到實(shí)際激活步驟的訪客中有一半都已經(jīng)成功被激活，上線后新用戶的留存率也有明顯提高。

七、小結(jié)

留存用戶分析的目的在于總結(jié)用戶生命周期特征，并通過(guò)精細(xì)化分析找出用戶留存/流失的原因，本質(zhì)上是幫助我們了解自身產(chǎn)品留住用戶的能力，指導(dǎo)我們?nèi)ピ囼?yàn)、迭代和優(yōu)化我們的產(chǎn)品。更重要的是，通過(guò)留存分析可以幫助改進(jìn)商業(yè)模式，決策下一步行動(dòng)。

來(lái)源：數(shù)獵天下DataHunter（DataHunter01）