数据运营:如何利用数据分析提高用户留存?

数据运营

 

获取用户只是第一步,但留住用户才是所有产品最终目标。

1月15日,多闪、马桶MT和聊天宝同时亮相,引发了“围剿微信”的热议,但个推大数据发布的一份数据报告显示,一个半月过去了,这三款应用的成绩都有些不理想。

数据运营:如何利用数据分析提高用户留存?

如图所示,在发布会和网络热议的带动下,三款应用在 15-16 日两天迎来了用户的爆发式增长,但从上线第三天起,三款应用的新增用户数开始暴跌至几乎同一水平。获取用户只是第一步,留住用户才是所有产品最终目标。今天我们就来说说如何用数据分析来提升用户留存率。

一、为什么要做好产品的留存

1.提高用户增长速率,降低获客成本

留存对活跃用户增长有长期影响,在这里我们具体模拟一个产品增长状况。假设一个产品每周获取一百个新用户,新用户的次周留存率在 60%。

数据运营:如何利用数据分析提高用户留存?

左边这张图,每周用户的次周留存率的绝对值减少 3%,即本周留存率 60%,下周留存率为 57%,以此类推。而右边这张图,留存率绝对值减少 1%。

每周的活跃用户构成是本周新用户和之前每周留存下来的老用户。经过 29 周后,左图中的之前留存老用户基本上就衰减为 0 ,而右图中可以看到最早获取的用户仍有部分能在 29 周后留下来。对比两种情况,它们的拉新量一致,留存率仅有 2% 绝对值的区别,但是 29 周之后,用户的量的比例为 1:2。这个图就比较为形象的说明了,留存率对于活跃用户量增长的重要性。

除此之外,《硅谷增长黑客实战笔记》的作者,曲卉老师,在对9位顶级增长黑客的采访中,有九分之四的人选择了留存作为最喜欢的增长杠杆。因为留存可以带来巨大的复利效应,同时维系老用户和获取新用户的成本比例大概是1:5。

2.留存是判断产品价值最重要的标准

留存率反映的实际上是一种转化率,即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程。随着统计数字的变化,运营人员可看到不同时期用户的变化情况,从而判断产品对客户的吸引力。

3.把握用户生命周期长度以及优化产品

通过留存分析,可以查看新功能上线之后,对不同群体的留存是否带来不同效果? 可以判断产品新功能或某活动是否提高了用户的留存率?结合版本更新、市场推广等诸多因素结合,砍掉使用频率低的功能,实现快速迭代验证,制定相应的策略。

综上所述,如果产品不能留住用户,我们的产品就像一个镂空的篮子,倒入的水越多流失的也越多,这意味着我们的产品是无法实现可持续增长的。此外,在流量越来越贵背景下,留住老用户显得愈发重要。

对于用户而言,留存率越高,说明产品对用户的核心需求把握的越好,用户对产品产生强烈的依赖;对于产品而言,留存率越高,说明产品的活跃用户越多,转化为忠实用户的比例会越大,越有利于产品变现能力的提升。

二、到底什么是用户留存

在商业世界里,我们最理想的是让用户的生命周期(使用产品的)跟随产品的生命周期保持一致,这样产品才能良性健康发展下去,但实际并非如此。

在互联网行业当中,因为拉新或推广的活动把客户引过来,用户在某段时间内开始应用并使用,经过一段时间后,仍然继续使用该应用的用户,被认作是该应用的留存用户,这部分留存用户占当时新增用户的比例即为留存率。

例如,7 月份某旅行 app 新增用户 500,这 500 人在 8 月份启动过应用的有 250 人,9 月份启动过应用的有 200 人,10 月份启动过应用的有 150 人,则说明7月的这波新增用户一个月后的留存率是 50%,两个月后的留存率 40%,三个月后的留存率是 30%。说完了留存,我们再来看看留存分析。

留存分析是一种用来分析用户参与情况和活跃程度的分析模型,考察进行初始行为的用户中,有多少人会进行后续行为。

三、用户留存的特点

数据运营:如何利用数据分析提高用户留存?

这是一个常见的留存曲线,可以把它分成了三个部分:第一部分是振荡期,第二部分是选择期,第三部分是平稳期。

1.振荡期

我们可以看到新用户进入网站或者是下载 APP 的人数在前几天剧烈地减少,由 100% 几天就变成了百分之十几或者更低,这个期叫振荡期。在这个阶段,我们主要关注用户激活,在这个阶段中,我们需要让用户迅速低成本地感受到产品的核心价值,快速达到”aha moment”(惊喜时刻)。

2.选择期

过了振荡期以后就是选择期,一般情况下,客户在这段时间之内对我们的产品有了初步的了解,他开始探索我们公司的产品,看看这个产品有没有满足他的一些核心需求。在这个阶段我们关注老用户的留存提升,需要打造好产品的核心功能,培养用户对产品的使用习惯。

3.平稳期

过了选择期就是平稳期,留存率进入一个相对稳定的阶段。在这个阶段我们就要思考产品对用户的长期价值是什么?如何才能让用户反复体验到产品的价值?总之,只有做好每个阶段的留存分析和提升,留存曲线才能整体改善。

四、如何分析留存数据

1.时间分组

数据运营:如何利用数据分析提高用户留存?

留存分析中使用最多的就是在时间分组,然后观察这组用户随着时间的演进而产生的变化。如图所示,当然这个表也可以制作前文所提到的曲线。通过统计某日新增、活跃或产生特殊行为、满足特定条件的用户在未来一段时间内的留存用户变化曲线,可以总结用户从新增到流失的时间周期,并找到留存率明显下降的关键环节。

同时,通过对比各个渠道、活动、关键行为的用户后续留存变化,发现提升用户留存率的影响因素,例如领取过优惠券的用户留存率比没有领取优惠券的用户留存率更高。

一般情况下,新用户在第二日流失 30~50%,一周后仅剩 10% 也是非常普遍的,并且很多用户根本没有使用到产品的核心功能就流失了。基于这个结论,近些年来,运营活动和产品设计方向上越来越针对新用户的前一周做关怀或新手任务,强化用户去体验到产品的基本功能。例如信用卡首刷礼,互联网理财产品赠送新户加息券等。

另外,我们还可以将不同渠道来的用户进行群组的划分,将所有渠道的留存比例排序后,可以非常容易发现某些渠道带来用户规模较大,却留存却很低,这时可以停止向这些低效的渠道投入费用,将节省很多营销费用。

2.行为分组

针对流失高/留存高的用户群组进行一对一的用户行为分析,统计留存/流失用户的行为特征,特别是针对流失用户,通过流失用户的行为分析总结流失原因,从而提升留存率。例如新增后次日流失的用户行为特征表现为打开首页后浏览了 30 秒退出,也没有进入频道页和详情页,而次日留存用户的特征表现为首次访问大于 3 分钟,浏览路径深,那么可以判断用户次日流失原因为不了解产品能力导致,需要加强用户引导。

另外,用户的行为与产品的功能模块息息相关,我们可以还可以将产品的功能模块的使用进行分组研究,并对功能模块进行优化。

按照上述思路,留存用户分析可以针对不同群组用户建立留存曲线,观察不同特征用户的留存情况,从而找出影响因素。

五、用户留存分析的流程

数据运营:如何利用数据分析提高用户留存?

具体的方案可以是:

1.定义高价值留存用户

2.通过数据特征梳理出,吸引用户留存的功能或利益

3.分析用户高价值留存用户访问路径和习惯

4.定位高价值非留存用户的

5.通过数据特征梳理出,高价值非留存用户在探索产品功能和利益遇到的障碍

6.针对障碍特征再想出针对的调整政策

7.用户画像调研,佐证分析结论

六、案例:提升泛娱乐类 App新用户留存

主要是给用户提供内容消费,而且带有一定的社交属性,因此用户的日活跃人数和留存人数就十分重要。根据这个产品目前的留存数据,认为他们的新用户留存还有很大的提升空间,想要通过数据分析的方式找到增长着力点,主要是通过降低新用户上手成本,提升新用户留存。

1.了解新用户留存现状

首先,我们需要了解新用户的留存现状进行分析,因为评估一个产品的状态,都是进行产品优化之前不可回避的环节。

数据运营:如何利用数据分析提高用户留存?

通过对新访问用户和全部访问用户的留存曲线对比分析,我们会发现新用户的留存明显低于全部用户,那么从这个角度来说,新用户的留存就是很大的一个增长点。

刚刚我们讲到,对于新用户来说,Onboarding 上手激活的环节非常重要。能否让用户在第一次使用产品时就能迅速低成本地感知到产品价值, 决定了新用户的激活率。

2.确定激活目标

谈到激活,我们常常会讲到「Aha Moment」,即用户体验产品时发现核心价值并产生重复使用动力的惊喜时刻。不同产品的「Aha Moment」也有所不同,比如 LinkedIn 是一周添加 5 个社交关系,Facebook 是 10 天内添加 7 个好友。

我们需要根据自己的产品,来找到用户的 Aha Moment,帮助用户尽可能快地触达产品价值。首先我们需要知道哪些功能可能使新用户感受到产品价值,可以利用第三方数据数据工具,对使用过不同功能的用户留存率进行分析对比,找到留存率最高的产品功能。

数据运营:如何利用数据分析提高用户留存?

通过对比不同功能的留存率,找到新用户使用后留存率有明显提升的功能,再结合新用户上手功能成本的高低,来进一步缩小范围确定新用户的激活目标。

3.评估新用户激活状况

确定好激活目标后,我们可以开始评估新用户的激活状况,有针对性地对不同的用户进行运营。在这个案例中,新访客有 30% 未激活, 对于这部分用户我们要做的事情就是提升激活率;其余已激活的新访客,和老访客优化的方向有点类似,就是如何去提升留存,让他们持续使用产品。

渠道是用户旅途的起点,不同渠道过来的新用户会有一定的差异,他们访问意图或者目标都可能不一致。因此,我们可以看看不同渠道的新用户激活状况。这里我们可以从新用户激活比例和留存率来看下不同渠道用户的差异。

数据运营:如何利用数据分析提高用户留存?

可以发现,有的渠道激活率和留存率都低,那么就可能是渠道人群对产品的需求匹配度低,这部分情况更多的是需要对渠道进行调整;有的渠道,可能是激活率低但激活留存率略高于整体,那则可能渠道用户较为精准,这需要进一步研究业务数据。

4.激活时间与留存影响

对于未激活的新用户,什么激活时机比较重要,未激活的用户对留存有怎样的影响?

数据运营:如何利用数据分析提高用户留存?

从上面这张图里我们会发现,新用户的激活时机应该越快越好。绿色的曲线是当天来了被激活的新用户,下面这条红色的线是当天来了没有被激活的新用户。可以发现红色这条线的留存是非常非常低的,也就是说,如果一个新用户没有在使用产品的第一天完成激活行为,那么他流失的可能性会非常的高,基本上默认为流失。

所以在说到新用户的激活时,基本上指的都是在用户进入产品的当天,就能完成核心行为,认识到产品的核心价值。

5.新用户激活功能分析

如何在产品内提升新用户的激活?在问这个问题之前,我们可以思考一下,为什么新用户没有被激活,他们是在哪里流失掉的?这样我们才能找到用户流失的关键步骤进行优化。

数据运营:如何利用数据分析提高用户留存?

我们可以根据新用户激活的主要路径构建漏斗,通过漏斗的每一步转化数据可以定位到新用户激活的主要流失环节,并结合用户分群与细查等工具进一步剖析流失原因。

在第一个主要流失环节,我们通过用户分群筛选出这个环节没有被激活的新用户,通过用户细查来查看这些新用户的行为轨迹,可以发现一半以上的访客都是在注册登录的环节流失的。从典型的用户行为轨迹可以发现很多用户都卡在了登录注册这个步骤,他们根本就没有去接触到实际的激活环节。

那么对于这部分用户的激活优化,我们就可以将激活步骤提前,不需要注册/登录,进来就可以看到内容。

在第二个主要流失环节中,我们发现小部分用户已经到达了列表页,也就是说触达到了实际的激活步骤,但他们却没有点击具体内容,是不是列表内容对用户的吸引力不够?这个列表是由用户关注、产品推荐等多个内容组成的,可能是列表中用户关注产生的内容较少,那么我们需要对关注行为进行更好的引导,提升内容对用户的吸引力。

针对这样的流失情况,我们对产品进行了一个调整将激活步骤提前,可以发现新用户留存有明显提升。 但具体来说,原来没有接触到实际激活步骤的访客中有一半都已经成功被激活,上线后新用户的留存率也有明显提高。

七、小结

留存用户分析的目的在于总结用户生命周期特征,并通过精细化分析找出用户留存/流失的原因,本质上是帮助我们了解自身产品留住用户的能力,指导我们去试验、迭代和优化我们的产品。更重要的是,通过留存分析可以帮助改进商业模式,决策下一步行动。

 

作者:罗志恒,授权青瓜传媒发布。

来源:数猎天下DataHunter(DataHunter01)

扫一扫 微信咨询

联系我们 青瓜传媒 服务项目

商务合作 联系我们

本文经授权 由青瓜传媒发布,转载联系作者并注明出处:https://www.opp2.com/120573.html

《免责声明》如对文章、图片、字体等版权有疑问,请联系我们广告投放 找客户 找服务 蘑菇跨境
企业微信
运营大叔公众号