在做產(chǎn)品運(yùn)營的工作中，用戶留存率是大家最常關(guān)注的關(guān)鍵指標(biāo)之一，那么如何更高效從用戶留存中，找到一些關(guān)于用戶增長的線索，制定對應(yīng)的增長策略呢？

1. 用戶留存與用戶活躍的整體認(rèn)知

1.1 留存與用戶活躍的底層內(nèi)核

1. 關(guān)于留存促活，其本質(zhì)是伴隨著用戶體量的增長，不斷針對不同類型的用戶，找到性價比最優(yōu)的轉(zhuǎn)化、成長路徑，再施加引導(dǎo)激勵。
2. 產(chǎn)品的長期價值成立和穩(wěn)定，是留存+促活能夠產(chǎn)生意義的前提；
3. 不同業(yè)務(wù)類型+屬性的產(chǎn)品，在思考“留存”時的關(guān)注重點(diǎn)注定不同；
4. 產(chǎn)品形態(tài)+功能越豐富、用戶行為越多，想要做好“留存、促活”的技術(shù)含量就越高；
5. 典型用戶轉(zhuǎn)化、成長路徑清晰 + 用戶使用習(xí)慣行為閉環(huán)形成后，一個用戶激勵體系可以顯著通過產(chǎn)品化放大內(nèi)增長的效率。

1.2 增長/留存工作方法

大多數(shù)人以為的增長/留存工作流程如下圖：

但實際增長/留存工作流程應(yīng)如下圖：

• 所有的“增長”工作最終都有構(gòu)建典型用戶路徑并引導(dǎo)和激勵用戶，形成轉(zhuǎn)化。
• 增長/留存/促活工作的基本前提，都在于你要擁有一個「明確、可被驅(qū)動的用戶轉(zhuǎn)化/成長路徑」。
• 我們在一款產(chǎn)品上所有工作的目的，要么是為了發(fā)現(xiàn)它，要么是為了放大它。并且這個成長路徑也可能會不斷變化。

2. 通過用戶留存數(shù)據(jù)分析問題

2.1 留存曲線的定義

說到留存曲線，那邊需先解釋一下什么是留存率和流失率。

從上述的定義引申，留存曲線就是：持續(xù)追蹤不同時期開始活躍的用戶群的留存率隨時間的變化趨勢。

2.2 如何繪制留存曲線

2.2.1 確定關(guān)鍵行為的核心思路

• 初始行為：完成哪種初始行為的用戶才能定義為留存用戶？
• 回訪行為：用戶再次訪問產(chǎn)品時，需要完成什么行為才能成為留存用戶？

然后初始行為和回訪行為在多數(shù)情況時是一樣的，當(dāng)然在某些特定場景的產(chǎn)品中也是存在不同的，關(guān)鍵還跟需求本身決定的。

2.2.2?選擇時間周期的方法

不同產(chǎn)品的天然使用周期是不同的，如：

• 投資類產(chǎn)品：每周~每月；
• 社交類產(chǎn)品：每天；
• 游戲類產(chǎn)品：每天；
• 內(nèi)容類產(chǎn)品：每天~每周；
• 保險類產(chǎn)品：每周~每月；

在不知道產(chǎn)品的天然使用周期時，該怎么著手去尋找這個時間周期呢？

做法：分析月活用戶的一個月內(nèi)的活躍天數(shù)的占比分布；

• 將月活用戶作為分母；
• 進(jìn)一步劃分某個月里不同活躍天數(shù)的用戶各種所占比重；
• 找到用戶占比最大的活躍天數(shù)項，即為該留存曲線的用戶天然使用周期。

2.2.3 收集數(shù)據(jù)并制作表單

• 記錄每一個周期首次完成初始行為的用戶數(shù)，一般情況即為激活用戶數(shù)；
• 追蹤這些用戶在接下來的每一個周期內(nèi)繼續(xù)完成回訪行為的數(shù)量，一般情況即為有留存關(guān)鍵行為的用戶數(shù)；
• 通過1和2，計算你每個周期有回訪行為的用戶數(shù)占首個周期激活用戶數(shù)的百分比。

通過上述操作，即可得到如2.4.案例中提供的留存數(shù)據(jù)表單。

2.3 如何從留存曲線中尋找留存問題

2.3.1 評估曲線的基本形態(tài)

1.下滑型

留存曲線：說明未達(dá)到PMF。

專注于改變產(chǎn)品以找到某種針對核心用戶群的價值定位，然后在此用戶群基礎(chǔ)上拓展。此時不要開始盲目拉新，否則只能“無本之木”。

2.趨平型

留存曲線：說明產(chǎn)品達(dá)到了PMF。

表明嘗試過該產(chǎn)品的用戶中，有一定比例人群發(fā)現(xiàn)了其中的價值且在一段時間后持續(xù)使用它，可以開始拉新。

3.微笑型

留存曲線：不僅能達(dá)到PMF，還有大量的回流用戶。

最理想的留存曲線，一般只存在于特定類型的產(chǎn)品里。

2.3.2 對比行業(yè)均值，觀測變化趨勢

在我們分析產(chǎn)品的用戶留存時，也要結(jié)合產(chǎn)品所屬行業(yè)的整體趨勢。與頭部產(chǎn)品比較數(shù)據(jù)差異性以及產(chǎn)品差異。

觀測變化趨勢的思考模式：

• 根據(jù)時間維度進(jìn)行對比；
• 根據(jù)增長策略實時前后的效果進(jìn)行對比。

將新的留存曲線與舊的的留存曲線進(jìn)行對比，觀測新留存趨勢是否較舊留存曲線起點(diǎn)更高，斜率更小，曲線更平滑。

2.4 案例分析

本節(jié)小編通過一個簡單的案例來介紹一下如何通過統(tǒng)計的留存數(shù)據(jù)來發(fā)現(xiàn)一些增長線索。

通過鏈接(https://shimo.im/sheets/K8dqhKtQ8GJPw38P/MODOC/)，我們可以看到一份周留存數(shù)據(jù)(虛擬數(shù)據(jù)，不涉及機(jī)密數(shù)據(jù))，假設(shè)這是一份音頻產(chǎn)品的用戶周留存數(shù)據(jù)表。

首先假設(shè)該數(shù)據(jù)的統(tǒng)計前提如下：

• 留存行為：首次登錄
• 時間周期：周
• 回訪行為：再次登錄
• 留存率：首次完成登錄后的用戶中，有多少用戶，在下一周內(nèi)，完成再次登錄的行為。

因為這是周留存數(shù)據(jù)表，所以在進(jìn)行分析前，需要對數(shù)據(jù)進(jìn)行可視化處理。小編比較懶，直接用Excel進(jìn)行數(shù)據(jù)可視化處理。

先繪制了平均留存曲線圖，如下：

通過上圖我們可以發(fā)現(xiàn)如下幾個趨勢現(xiàn)象：

• 首周留存僅有85%，也就意味著有15%的用戶在首次下載后再無登錄行為；
• 第一個月的次留數(shù)據(jù)迅速下滑至61%后，下滑速度明顯減緩，趨于平穩(wěn)下滑中；
• 從第3周至第17周，數(shù)據(jù)基本保持在50%-60%之間；
• 從第18周至第36周，數(shù)據(jù)再次跌落一個檔次，穩(wěn)定保持在39%-43%之間；
• 從第37周至第45周，數(shù)據(jù)首先迎來一次大幅跌落2個百分點(diǎn)后，進(jìn)行震蕩下跌至35%；
• 從第46周后，數(shù)據(jù)跌落幅度提高并最終跌落至23%；
• 綜上所述，此留存曲線圖是一個下滑性留存曲線；

那么就上述的這些現(xiàn)象，我們再將案例中的留存數(shù)據(jù)表進(jìn)行近一步的處理，得到留存熱力分布圖，如下：

通過周留存環(huán)比圖（紅色代表優(yōu)，綠色代表差），進(jìn)步驗證上述結(jié)論。

將上述數(shù)據(jù)熱力圖放大后，可以發(fā)現(xiàn)幾點(diǎn)數(shù)據(jù)異常，也可能是增長線索：

• 從下載量表中，可以明顯發(fā)現(xiàn)「2018/4/22」「2018/9/23」「2018/11/18」「2018/12/23」四個時間段的下載量與前后時段的下載量存在明顯差距。
• 在「2018/4/22」，即第16周，整體數(shù)據(jù)指標(biāo)遠(yuǎn)低于前后數(shù)據(jù)接近10個百分點(diǎn)，存在明顯的異常部分；
• 從熱力圖可發(fā)現(xiàn)，第46周起，數(shù)據(jù)可能出現(xiàn)異常，出現(xiàn)明顯的下跌。為了驗證猜測，將橫向熱力圖（環(huán)比）改為縱向熱力圖（同比），如下圖所示：

從數(shù)據(jù)趨勢，再次印證上面的猜測是正確的。

根據(jù)上述數(shù)據(jù)分析，提出假設(shè)：

1. 首周平均留存僅為85%，有15%的用戶在首次下載后變流失掉了?？赡苁乔劳茝V不精準(zhǔn)導(dǎo)致的結(jié)果，也可能是用戶在首次登錄后并未達(dá)到激動時刻，以至于快速流失掉了。
2. 在「2018/4/22」，即第16周，下載量激增，同比增長1倍之多?？赡苁窃黾恿诵碌那榔毓獠⒓右赃\(yùn)營活動跟進(jìn)。但留存率卻直線下降，猜測可能是新活動效果未達(dá)到用戶的期望效果，新運(yùn)營活動帶來的留存率遠(yuǎn)低于原有激活流程帶來留存率，以至拉低了整個大盤數(shù)據(jù)。
3. 在「2018/9/23」，下載量達(dá)到全年峰值，并且周留存率也達(dá)到全年最高水平，猜測行為是可能增加的新的用戶激勵限時活動，并加大渠道曝光力度，在同比熱力圖可發(fā)現(xiàn)「2018/9/23」后整體留存數(shù)據(jù)有短期的明顯提升。
4. 從「2018/11/18」開始下載量成斷崖式下跌，并直接影響了全年用戶的留存走勢。猜測可能出現(xiàn)大版本優(yōu)化，整體產(chǎn)品定位轉(zhuǎn)型，但效果不理想。

結(jié)合用戶生命周期，得到以下增長線索：

新用戶激活階段：

• 北極星指標(biāo)：新用戶激活率
• 判定依據(jù)：通過生命周期提升用戶留存的策略中，提升新用戶激活率優(yōu)先級最高，因為可達(dá)到的影響最大，操作難度最低。
• 數(shù)據(jù)現(xiàn)象：首周平均留存僅為85%。
• 增長策略：提升渠道推廣精準(zhǔn)度、提升新用戶達(dá)到激活時刻的占比。
• 執(zhí)行方案：通過數(shù)據(jù)精細(xì)化分析不同渠道的留存用戶占比和活躍用戶占比，找到優(yōu)化方向，提升渠道渠道投放精準(zhǔn)率和轉(zhuǎn)化率。
• 優(yōu)化新用戶激活流程，提升新用戶達(dá)到激活時刻的占比。

新用戶留存階段：

• 北極星指標(biāo)：新用戶首月留存率
• 判定依據(jù)：通過生命周期提升用戶留存的策略中，提升新用戶留存率優(yōu)先級排第2位，因為雖影響效果與提升新用戶激活率相仿，但操作難度較之偏高。
• 數(shù)據(jù)現(xiàn)象：新用戶首月留存率僅有63%。數(shù)據(jù)成長空間較大。
• 增長策略：提升新用戶達(dá)到激活時刻的占比，提升新用戶激活率
• 執(zhí)行方案：構(gòu)建用戶畫像，拆解不同用戶維度下的用戶使用產(chǎn)品的目的和行為。通過數(shù)據(jù)精細(xì)化分析不同使用目的用戶的留存占比和活躍用戶占比，找到優(yōu)化方向，提高不同分組的用戶的新用戶激活策略。

流失用戶召回階段：

• 北極星指標(biāo)：新用戶召回率
• 數(shù)據(jù)現(xiàn)象：從第36周開始留存率明顯下跌，從39%下跌至23%。
• 判定依據(jù)：通過生命周期提升用戶留存的策略中，提升流失用戶召回率優(yōu)先級排第3位，因影響效果不如前兩項，且操作難度也不易。
• 增長策略：召回認(rèn)同產(chǎn)品定位，對產(chǎn)品有使用需求的但已流失的用戶。
• 執(zhí)行方案：通過短信Push等行為進(jìn)行營銷活動推送；
• 進(jìn)一步提高優(yōu)質(zhì)內(nèi)容的精準(zhǔn)投放（坑位展示，Push推送等）；

關(guān)于基礎(chǔ)留存數(shù)據(jù)分析的內(nèi)容就分享到這。

作者：楊三季

來源：楊三季 （ zyjn2020）