从0到1搭建产品留存分析体系

  • 时间:
  • 浏览:34498
资本寒冬下  ,大家都在谈增长  ,DAU(日活跃用户数)似乎已经成为企业和媒体描述产品增长的标配指标 。然而  ,单独的DAU增长能否成为产品的护身符  ?要想实现长久稳定的用户增长  ,我们还遗漏了哪些  ?
 
本文将结合两个案例  ,和大家分享留存、Magic Number和以用户增长为目标的产品迭代策略  。
 
一、什么是真正的用户增长
 
留存  ,顾名思义 ,就是用户在你的网站/APP中留下来、持续使用的意思  。留存的概念简单易懂  ,但是能深入了解留存本质的人还是很少的 。
 
(一)增长与留存的关系

 
上面这张图中:新用户来到我们的产品  ,随着时间的推移逐渐流失;虽然总体上用户数是在不断增长的  ,但是流逝的用户也逐渐增多  。
 

上面这张图中:虽然新用户进来后有一定流失 ,但还是有较高的留存;随着时间的推移  ,用户总数上升非常快  ,这才是真正的增长  。
 
很多企业花大钱吸引新客户  ,比如O2O行业常见的“首单免费”模式 。虽然当天的DAU有很大的提升 ,但其实这些用户都是一些负资产;因为很多人享受到第一次优惠就走了 ,这是不科学的增长方式  。
 
要想实现真正的增长  ,首先我们的产品得满足用户的核心价值  ,然后通过运营方式让用户留下来、持久使用我们的产品  。我们不能老是看DAU ,而应该更多关注留存;只有留存提升才能实现真正的增长  。
 
(二)产品什么时候做增长
 
不是任何阶段产品都可以快速增长的  ,在快速增长之前  ,你需要对你的产品进行精准的定位  。我们需要确定产品有人用、用户有一定的市场规模、有清晰的商业模式  ,这就是产品和市场相匹配(Product Market Fit , PMF)的概念  。
 

一旦我们找到了PMF  ,我们就要考虑逐步去做增长 ,这里面很重要的一点就是数据驱动  。
 
二、留存分析都有哪些方法论
 
(一)数据分析方法概论
 
给大家介绍一个非常朴素的数据分析方法论  ,它适用于大部分数据分析场景  ,包括留存分析  。
 

首先我们通过日常的数据监控来发现问题, 然后根据问题去设立一个解决目标  ,并且用数据去探索 。探索问题的过程中 ,原因可能会多种多样;我们会建立各种各样的假设  ,根据假设进行试验  ,最后后根据实验结果去检验假设 。这样循环直到我们找到一个满意的结果 ,然后用来优化产品或运营  。
 
(二)留存分析框架
 
常见的AARRR模型包括五个环节  ,在这里面留存分析分为两个阶段:新用户留存分析和产品留存分析  。
 

首先是新用户留存分析  ,用户刚刚使用我们产品的时候  ,决定用户去留的就是它  。我们基本上只有一次机会去展示我们产品 ,一定要把我们产品最有价值的东西展示给出来  ,不然用户就流失了  。
 
第二个是产品留存分析  。新用户留下来以后持续使用你的产品  ,他会逐渐去挖掘、探索产品的不同功能的特点  。这个时候我们需要一个功能去打动用户  ,做出新花样让用户觉得你的产品很好  ,只有这样用户才会长久留下来 。后面我会和大家分享的Magic Number  ,就是这样一个数据分析工具  。
 
三、新用户留存分析:Sidekick增长过程
 
Sidekick 是一家做强化Email 功能的SaaS公司  ,它可以做一些个性化的邮件  ,还可以监控收邮件的人是否打开了邮件  。他们通过数据监控发现 ,新用户的留存率在持续大幅度下降  。
 

 
(一)流失用户分析
 
针对新用户流失严重的问题 ,我们制定出一个目标:希望提升第一周的留存率  。为了达成目标  ,我们需要进行数据探索  ,做流失用户画像分析  ,看看流失用户都有哪些特征  。
 
我们分析了流失用户使用我们产品的次数  ,发现近60%的流失用户只用了一次我们的产品就流失了  。这说明在用户进入我们产品时 ,第一次体验不好或者没有发现产品价值的话  ,用户就会流失  。
 

通过进一步的流失用户访谈发现:30%的用户没有感受到产品价值  ,30%的用户表示不理解产品的用途  。这两类问题的核心在于如何让用户快速发现我们产品的价值  ,而且占了60%  ,需要优先解决  。
 
(二)产品迭代探索
 
提升留存主要有两大思路  ,一是改变产品或者技术 ,二是通过运营进行人工干预  。既然用户没有及时发现我们产品的价值  ,回归到刚才的方法论 ,我们可以进行系列探索  。
 
尝试1:砍掉使用频率低的功能
 
既然用户没有及时发现我们产品的价值  ,那我们就尝试砍掉复杂难懂的功能、突出核心功能 。试验结果发现留存率不但没有提升、反而继续下降 。
 

尝试2:提示客户发现产品核心价值
 
用户不知道我们的产品核心价值是什么  ,那么对新用户进行产品内提示呢  ?结果显示留存率继续下降 ,尝试并没有收到什么好的效果  。
尝试3:产品操作引导视频
 
既然用户不知道怎么用我们的产品  ,那么我们就又尝试做一个引导视频;其实很多公司都在这么做 ,最后数据表明还是不行  。
 

尝试4:直接在邮箱内使用产品
 
大概做了20多个试验后才发现了一个可行的方法  ,当用户下载安装完产品后 ,提示用户:你可以去你的邮箱使用我们的产品、追踪邮件了 。
 

因为用户发现产品从网页上下载 ,想当然认为是在网站上直接使用 ,所以客户端产品的留存率非常低  。于是他们给用户一个提示–––你可以去邮箱直接使用 ,加了这句话后  ,留存效果就好多了  。

这个是数据的结果 ,之前是蓝色那条线的  ,最后慢慢提升成黄色那条 。通过这个案例  ,我们可以对留存分析的方法论、数据分析的过程有一个清晰的认识;而且产品迭代的过程没有那么简单 ,需要反复探索、循环  。
 
四、产品功能留存分析:Magic Number探索实践
 
(一)产品功能留存分析方法论
 
新用户的留存率提升以后  ,我们面临第二个问题  ,将处于平稳期的留存曲线上移  。如何提升用户的整体留存度  ,提升平稳期的留存曲线  ,我总结了三个方法  。
 
第一 ,分析不同功能模块的留存趋势  ,增加产品的粘性 。
 
第二  ,分析不同功能模块的访问人数和活跃度  。
 
第三  ,分析用户使用功能的路径  ,找出流失原因 ,降低流失率 。
 
(二)Magic Number探索实践
 
一个用户使用了我们网站或者APP的某些功能、做了某些动作 ,然后留下来持续使用我们的产品、成为忠诚的用户  。这说明用户的行为和留存率之间是有一些相关性的  ,我们要找出这种相关性  ,然后去看是否有因果关系 。
 
Magic Number可能有些抽象  ,我们需要对其量化  。给大家举几个例子  ,Facebook发现用户10天内添加7个好友的留存度更高 ,Twitter发现用户10天内关注30个大V的留存率更高 。这些Magic Number都是通过数据分析、数据挖掘的方式找出来的 ,并且有一套完成的方法论 。
 

第一步  ,确定产品 on boarding 功能  。
 
一个社交类APP可能有多个on boarding功能  ,包括登录、添加好友、添加关注、发送消息、点赞、分享、上传文件等等  。
 
第二步  ,分析用户行为与最终留存度之间的相关性 。
 
用户一周内点击7次关注用户的留存度为57.5%  ,一周内点击5次关注博客的留存度为54.4%  ,一周内点击6次点赞或者评论的留存度为52.6%  ,均为强相关 。
 
第三步  ,筛选出合适的Magic Number  。
 
根据公司目前的发展战略、操作成本、可执行性、A/B测试筛选出合适的Magic Number  。假如这个APP产品目前发展战略是快速获取新用户、扩大市场  ,那我们可以将“一周内添加7个新用户”作为最终的Magic Number  。
 
第四步  ,找到了最终的Magic Number  ,我们需要去执行、运营好它  。
 
比如在这个社交APP里面鼓励用户添加好友  ,为用户更加精准的推荐好友  。从而实现最初的目的 ,培养用户产品使用习惯、提高用户粘度  ,促进增长  。
 
一旦留存提升上来  ,我们就可以做用户变现或者传播推荐 ,这样我们的用户才会慢慢增长  。通过不断的市场拉新  ,留存的用户慢慢沉淀下来  ,成为我们的重要用户  ,是可以变现的 。而那些不稳定的用户  ,我们还要做各样的产品和运营方面的改进 ,让他们逐渐变成留存用户、然后开始变现  。
 
只有用户的留存度提升上来了 ,我们才能真正实现活跃用户的增长  。

移动应用产品推广服务:APP推广服务  青瓜传媒广告投放

本文作者@檀润洋  由(青瓜传媒)整理发布  ,转载请注明作者信息及出处  !