用戶運(yùn)營:5步學(xué)會用戶留存數(shù)據(jù)分析
無論是工具類App、購物類App、社區(qū)類app、音頻類app、還是游戲類App,都有一個(gè)重要的數(shù)據(jù)指標(biāo)——用戶留存率。因?yàn)锳pp的用戶留存率越高,意味著用戶使用產(chǎn)品的時(shí)間越長,他們能夠?yàn)楫a(chǎn)品帶來現(xiàn)金流和資本估值也就越高。
內(nèi)容留人、功能留人、好友留人、物質(zhì)激勵、情感留人、個(gè)人品牌推薦、線下活動等只是常見的提升用戶留存率的運(yùn)營手段,為了更加有效和科學(xué)性的進(jìn)行用戶運(yùn)營工作,運(yùn)營需要做的是運(yùn)營手段執(zhí)行前的用戶留存率數(shù)據(jù)分析,和運(yùn)營手段執(zhí)行后的留存率提升效果評估。
1 什么是用戶留存率
在互聯(lián)網(wǎng)行業(yè)中,用戶在某段時(shí)間內(nèi)開始使用應(yīng)用,經(jīng)過一段時(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月份啟動過應(yīng)用的有250人,9月份啟動過應(yīng)用的有200人,10月份啟動過應(yīng)用的有150人,則說明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%。
留存用戶和留存率體現(xiàn)了應(yīng)用的質(zhì)量和保留用戶的能力。如果一款產(chǎn)品不僅能夠滿足用戶的核心需求,而且可以比較好的、比較快的、比較方便地滿足客戶的核心需求,那么這塊產(chǎn)品的用戶留存率基本不會太差。
2 常用留存數(shù)據(jù)分析工具
目前市面上有蠻多專業(yè)的數(shù)據(jù)機(jī)構(gòu)在提供數(shù)據(jù)統(tǒng)計(jì)服務(wù),使用比較多的移動應(yīng)用統(tǒng)計(jì)平臺大概有3、4家,國外比較流行的是Flurry,功能上非常全面,另外就是Google Analytics也推出了移動版,但是其在國內(nèi)基本無法正常使用。而在國內(nèi)的統(tǒng)計(jì)分析平臺中目前比較有名的是友盟、TalkingData以及無需埋點(diǎn)即可實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)分析的GrowingIO。
這些工具都擁有非常強(qiáng)大數(shù)據(jù)分析能力,以用戶量較大的友盟為例,它除了可以做用戶留存率分析,還可以對新增用戶、啟動情況、版本分布、用戶構(gòu)成、渠道分銷、運(yùn)營商情況、管理等指標(biāo)都能十分清晰地統(tǒng)計(jì)出來。
友盟的其他數(shù)據(jù)分析能力
3 用戶留存率圖表
當(dāng)產(chǎn)品植入數(shù)據(jù)統(tǒng)計(jì)分析工具的SDK,通常情況下數(shù)據(jù)分析工具的后臺就會自動生成用戶留存率報(bào)表。
友盟提供的用戶留存率報(bào)表
上圖是友盟統(tǒng)計(jì)為某產(chǎn)品提供的在7月4日——7月10日這個(gè)時(shí)間段里的新用戶留存報(bào)表。像GrowingIO?這樣的工具,為了讓運(yùn)營更加方便的掌握產(chǎn)品的用戶留存率趨勢,在數(shù)據(jù)報(bào)表的基礎(chǔ)上還提供了留存曲線圖。
GrowingIO的用戶留存曲線
這是一個(gè)常見的留存曲線,我們把它分成了三個(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。其中振蕩期的優(yōu)化空間最大,將振蕩期引起用戶流失的問題解決(引導(dǎo)頁/核心功能優(yōu)化),可以有效的提升其他兩個(gè)時(shí)期的用戶留存率。
優(yōu)化振蕩期后的留存效果曲線圖變化
4 用戶留存分析流程
第一步:分組
用戶留存分析的第一步是按照不同的(時(shí)間/渠道/行為等)維度進(jìn)行用戶分組。比如我們在對用戶留存率進(jìn)行日常的數(shù)據(jù)分析時(shí),通常是按照單個(gè)自然日進(jìn)行分組,然后對任意時(shí)間段內(nèi)獲取到的新用戶在留存率上的表現(xiàn)做出個(gè)報(bào)表。
某社區(qū)類app的用戶留存情況解讀
上圖是某社區(qū)類APP按照用戶的獲取日期進(jìn)行了一個(gè)用戶留存情況的分組。從圖中可以看到具體每一天的用戶留存表現(xiàn)情況。比如在6月28日這天獲得的用戶,一天后留存率27.8%,兩天后留存率是13.5%,三天后留存率是11.3%。
如果想深度地挖掘哪里出了問題才導(dǎo)致這款社區(qū)型app的次日留存率這么低,只有這種圖是不夠的,我們還需要進(jìn)一步地分析用戶行為分析。
第二步:對比
運(yùn)營想通過對用戶留存率的數(shù)據(jù)分析找到優(yōu)化方案和檢驗(yàn)運(yùn)營策略效果,最核心分析的方法是根據(jù)用戶行為進(jìn)行分組的比較,因?yàn)榻^對的數(shù)值在大多數(shù)場合下是沒有意義的,只有通過在不同維度之間做數(shù)據(jù)的比較分析,能幫助運(yùn)營找到數(shù)據(jù)變化的原因。
比如對于百度貼吧客戶端來說想驗(yàn)證看貼對新用戶的留存效果,則可以對同樣是來自A渠道的新用戶進(jìn)行(有使用看貼/未使用看貼)行為分組比較。通過比較可以知道使用過看貼功能的新用戶和非使用過該功能的新用戶,在三日留存率上相差50%以上(說明看貼對新用戶留存用正向促進(jìn)作用)。
新用戶看貼和不看貼的三日留存率比較
如果進(jìn)一步的進(jìn)行分組留存率分析的話,可以是對在看貼功能內(nèi)瀏覽了3篇貼子的新用戶和僅瀏覽1篇貼子的新用戶進(jìn)行分析,看他們在留存率上的差異表現(xiàn),要是瀏覽3篇貼子的用戶留存率大于1篇貼子的留存率,那么下一步則需要加強(qiáng)內(nèi)容質(zhì)量的把關(guān),提升看的功能的PV/UV的百分比。
5?用戶留存數(shù)據(jù)分析案例
當(dāng)運(yùn)營采取了某個(gè)運(yùn)營手段來提升用戶留存率時(shí),則可以通過對運(yùn)營手段覆蓋到的新用戶留存率和未覆蓋的新用戶留存率做對比分析,來驗(yàn)證手段的有效性。除了剛才提到的貼吧看貼的案例,這里再分享一個(gè)中東的數(shù)字音樂流app通過數(shù)據(jù)分析來改進(jìn)其引導(dǎo)頁以獲得更高新用戶留存率的例子。(屬于通過數(shù)據(jù)分析尋找優(yōu)化方案的例子)
音樂app的第一版引導(dǎo)頁
這款app的初版引導(dǎo)頁由三個(gè)部分組織,分別為引導(dǎo)用戶定制自己的音樂、選擇自己喜歡的音樂類型、選擇對應(yīng)類型的音樂家,然后根據(jù)用戶的選擇進(jìn)行個(gè)性化的首頁內(nèi)容(音樂)推薦。
類似這種通過引導(dǎo)頁來獲取用戶信息,幫助用戶快速的在產(chǎn)品內(nèi)找到自己感興趣的內(nèi)容,從而提高用戶使用率和活躍度的方式在國內(nèi)的app用的也蠻多,可是大家都在這么做的情況下,自己的引導(dǎo)頁對提升新用戶留存的效率到底有多高呢?
為了解決上述的問題,該app負(fù)責(zé)人進(jìn)行了如下的分析:將Amplitude(移動數(shù)據(jù)分析工具)植入該音樂app引導(dǎo)頁的每個(gè)步驟,提取數(shù)據(jù)進(jìn)行分析與驗(yàn)證。他的數(shù)據(jù)分析的思路是將一段時(shí)間內(nèi)所有完成了三個(gè)引導(dǎo)頁的用戶都篩選出來,然后再計(jì)算他們在這之后持續(xù)回訪產(chǎn)品的比例,同時(shí)也將這段時(shí)間里未完成三個(gè)引導(dǎo)頁的用戶篩選出來,將這些用戶的留存率與完成的引導(dǎo)頁的用戶留存率做對比。
驗(yàn)證第一個(gè)問題的Amplitude事件
經(jīng)過數(shù)據(jù)分析發(fā)現(xiàn)的完成三個(gè)引導(dǎo)頁的用戶多了47%的可能性成為長期用戶(和沒完成的相比)。那么問題來了,既然引導(dǎo)頁對于提升用戶留存率的效果,那該如何進(jìn)一步的提升完成引導(dǎo)頁的新用戶占總新增用戶的比例呢?(什么原因?qū)е麓蠹也辉敢馔瓿梢龑?dǎo)頁里的任務(wù))
驗(yàn)證第二個(gè)問題的Amplitude界面
該app負(fù)責(zé)人對三個(gè)引導(dǎo)頁的新用戶點(diǎn)擊情況進(jìn)行漏斗模型分析,發(fā)現(xiàn)從第二個(gè)引導(dǎo)頁到第三個(gè)引導(dǎo)頁的流失率達(dá)到15%(按照負(fù)責(zé)人解釋的原因是在中東,用戶聽歌認(rèn)臉多于認(rèn)音樂的類型?。4送獾谝豁摰降诙撾m然流失率不大,但是為了進(jìn)一步提升走完引導(dǎo)頁的用戶比例,該app負(fù)責(zé)人認(rèn)為可以將引導(dǎo)頁第一部分“Personalize Anghami”取消,因?yàn)檫@部分信息對更精準(zhǔn)的用戶推薦的幫助幾乎為零。
經(jīng)過以上兩輪的數(shù)據(jù)分析后,這個(gè)數(shù)字音樂流app改版后的引導(dǎo)頁變現(xiàn)只有兩個(gè)部分了,并且在展示元素上也做了優(yōu)化。
音樂app的第二版引導(dǎo)頁
用戶留存率的交叉對比分析,除了可以用來做運(yùn)營手段的有效性驗(yàn)證和功能優(yōu)化分析之外,其實(shí)還可以用在當(dāng)產(chǎn)品數(shù)據(jù)出現(xiàn)異常時(shí)的原因探究。下面再舉一個(gè)案例來說明如何通過對比留存率,找到在運(yùn)營過程中出現(xiàn)產(chǎn)品數(shù)據(jù)變化的原因。
有個(gè)工具型app最近DAU(日活躍用戶)上升的效果不錯,DAU在一個(gè)月時(shí)間的時(shí)間里提升了3萬,環(huán)比增加明顯。第一步先對數(shù)據(jù)進(jìn)行初步分析,發(fā)現(xiàn)該月新增用戶環(huán)比幾乎為零。
然后觀察新用戶的留存率,發(fā)現(xiàn)留存率在這個(gè)月大概提升了3個(gè)百分點(diǎn),和產(chǎn)品同學(xué)溝通后發(fā)現(xiàn)月初發(fā)布了新版。為了查看是否為新版本更新帶來的留存率增長,于是進(jìn)一步篩選查看了新版本的留存,發(fā)現(xiàn)新版留存率比整體是偏的,而新版在產(chǎn)品上并沒有很大的變化,所以問題很可能是推廣的流量。
后來分析發(fā)現(xiàn),新增的C渠道作為這個(gè)月的主推渠道,量占了40%,但留存率卻比總體還要高,所以最終的原因就是新版本在C渠道的推廣獲得了更多與產(chǎn)品定位相符的用戶。
總的來說,用戶留存數(shù)據(jù)分析幫助運(yùn)營進(jìn)行更加科學(xué)、可量化的用戶運(yùn)營管理,同時(shí)為運(yùn)營工作找到了一個(gè)新的價(jià)值標(biāo)準(zhǔn):提升用戶留存率!比如當(dāng)你策劃了一個(gè)內(nèi)容分享活動,在不知道用戶留存率這個(gè)概念時(shí)只會說分享數(shù)少,通過分享引入的新用戶多少,如果為這個(gè)分享活動加上用戶留存率這個(gè)價(jià)值衡量指標(biāo)的話,則可以添加“參與分享活動的新用戶與非參與活動的新用戶留存率的對比,以及通過分享鏈接進(jìn)入到產(chǎn)品的新用戶與正常渠道進(jìn)入產(chǎn)品的新用戶留存對比。
#專欄作家#
陳維賢,雪橙金服運(yùn)營經(jīng)理,人人都是產(chǎn)品經(jīng)理專欄作家。百度前員工,小紅書早期社區(qū)運(yùn)營與推廣工人。微信公眾號“產(chǎn)品菜鳥匯”,分享運(yùn)營視角下的互聯(lián)網(wǎng)的有趣好貨。
本文系作者授權(quán)發(fā)布,未經(jīng)許可,不得轉(zhuǎn)載。
拿國外案例舉例不如拿自己案例舉例
非常好
舉的案例非常棒!
說好的5步呢
單獨(dú)的數(shù)字只有通過不同維度的數(shù)據(jù)分析才能顯示出其價(jià)值。
??
?? 很受教
我覺得也可以通過借助第三方的活動運(yùn)營工具,活動盒子,在各個(gè)熱點(diǎn)日子里、節(jié)日里、自己品牌活動日等創(chuàng)建并發(fā)布各種活動等,通過用戶的參與度提升用戶對APP的好感度、信任度以及期待值等達(dá)到有效留存。 ?? ?? ??
?? ??