導(dǎo)讀
留存,是指用戶在 App、網(wǎng)站等應(yīng)用上使用過,并一段時(shí)間后仍有使用。留存分析模型是一種衡量用戶健康度/參與度的方法,超越下載量、DAU 等這樣的虛榮指標(biāo),深入了解用戶的留存和流失狀況,發(fā)現(xiàn)影響產(chǎn)品可持續(xù)增長的關(guān)鍵因素,指導(dǎo)市場決策、產(chǎn)品改進(jìn)、提升用戶價(jià)值等等。
▌留存分析能解決哪些問題?
1、上個(gè)月做了一次產(chǎn)品迭代,如何評估其效果?是否完成了產(chǎn)品經(jīng)理期望完成的行為?
2、作為一個(gè)社交App,在注冊后不添加好友和添加 10 個(gè)好友的用戶后續(xù)留存有差異嗎?
3、短期留存低,長期留存一定很差嗎?
4、兩個(gè)推廣渠道帶來不同的用戶,哪個(gè)渠道的用戶更有可能是的高價(jià)值用戶?
5、近 30 天注冊的用戶,半個(gè)月都沒有回訪的用戶比例是多少?
▌為什么用戶留存這么重要?
這就好比非常經(jīng)典的“注水放水”數(shù)學(xué)題。我們每天都會面對新增用戶,也會面對流失用戶,池子里剩下的水就是活躍用戶;而留存分析就是分析多少用戶進(jìn)來了,多少用戶流失了,具體情況是什么,對整個(gè)產(chǎn)品的影響究竟有哪些影響……
如果不做好留存,用戶進(jìn)一個(gè)走一個(gè),產(chǎn)品就永遠(yuǎn)不能做增長。以圖中為例,假設(shè)每月新增1000個(gè)用戶,且沒有任何人流失,那四個(gè)月之后,大概會有24000個(gè)用戶,但在實(shí)際情況中,這種假設(shè)是不成立的。有人進(jìn)就有人出,所以假設(shè)每個(gè)月新增1000個(gè)用戶,留存率做到90%(這其實(shí)是一個(gè)非常高的值),兩年后,每個(gè)月大概會持續(xù)9000個(gè)用戶。這時(shí)會發(fā)生什么呢?假設(shè)每月新增的1000個(gè)人是固定的,留存率是90%,24個(gè)月之后,該產(chǎn)品用戶總數(shù)將不會再發(fā)生大的變化。因此做好留存分析至關(guān)重要。
▌如何構(gòu)建常見的三類留存?
首先我們需要了解,留存是基于某個(gè)用戶群體的初始行為時(shí)間來計(jì)算的,描述發(fā)生了某個(gè)行為的同期群,在一段時(shí)間后是否發(fā)生了期望的行為。
初始行為和回訪行為均可以是任意事件或者某個(gè)具體的事件。
通常用的三類留存可以這樣來構(gòu)建,以移動端應(yīng)用為例,我們可以通過易觀方舟來分析新增用戶、活躍用戶留存以及自定義留存率。
1、了解新增用戶留存
可選擇【初始行為 = 首次啟動,回訪行為 = 任意事件】,即可分析用戶在首次使用應(yīng)用后的留存情況。
2、了解活躍用戶留存
可選擇條件【初始行為 = 任意事件,回訪行為 = 任意事件】,即可分析活躍的用戶后續(xù)使用應(yīng)用的情況。
3、自定義留存
相較分析新增/活躍用戶的總體留存情況,我們更關(guān)注核心事件用戶留存情況:
例如,對于電商的運(yùn)營,比較關(guān)注的一個(gè)指標(biāo)是復(fù)購率,我們可以定義【 初始行為 = 支付訂單,回訪行為 = 支付訂單】 來了解用戶的復(fù)購行為,用戶多長時(shí)間會產(chǎn)生復(fù)購,我們點(diǎn)到任意數(shù)據(jù)節(jié)點(diǎn),可以看到詳細(xì)說明,比如此處代表的是2019年2月4日支付訂單的用戶是1729人,在第3日,即2月7日,這些用戶中又有32人支付訂單;
我們在此節(jié)點(diǎn)查看分群概覽或保存用戶分群,進(jìn)一步分析這些忠實(shí)用戶的行為特征;
如果想了解某類商品的復(fù)購率情況,可以在事件行為上增加條件。比如想了解家電類商品的復(fù)購率,同時(shí)在初始行為和后續(xù)行為上添加條件,選擇商品分類包含家電,可以查看家電類產(chǎn)品的復(fù)購情況。
文:易觀@Analysys易觀(enfodesk)、
首席增長官CGO薦讀小紅書推廣:
更多精彩,關(guān)注:增長黑客(GrowthHK.cn)
增長黑客(Growth Hacker)是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度,梳理整合產(chǎn)品發(fā)展的因素,實(shí)現(xiàn)低成本甚至零成本帶來的有效增長…
本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/cgo/19474.html