对一家互联网公司来说,如果没有设置单独的数据运营岗,那么用户运营是和数据最贴近,也必须是最了解用户的。
用户运营核心的方法论就三个:拉新,促活和留存。拉新可以作为渠道推广单独讨论,而促活和留存则相辅相成。
非运营岗,或者其他类型的运营,通常只会注重一个活跃数据的果,而不会注意活跃数据的因。我们在这里就抽丝剥茧,教大家比较快速地了解活跃体系。
互联网公司对活跃用户的定义大同小异,主要以用户打开APP一次记为一个活跃用户。
按此基础可以在时间维度引申出周活跃用户,月活跃用户。即在一个自然周内打开一次APP,则本周为周活跃用户。月活跃用户同理。
我们假设有一款新产品,这是它四个月内的活跃数据。嗯,看来不错。
产品专注的市场领域不同,活跃用户数天差地别。一款小众的垂直领域产品和泛社交类产品,单纯看活跃用户数,你很难界定它们好坏。
好的数据指标,都应该是比例或比率。
我们设定一个新指标,活跃率:某一时间段内活跃用户在总用户量的占比。
按照时间维度引申,有日活跃率DAU,周活跃率WAU,月活跃率等MAU。
例:月活跃,本月活跃用户在截止月末的总注册用户中占比。
一般而言:活跃用户数,看的是产品的市场体量。活跃率,看的是产品的健康度。
实际得承认,不同产品,用户需求(高频或低频)不同,活跃率也有差异。用户运营更多的职责是监控活跃率的变化,并且提升它。
看,我们的活跃用户数上升,活跃率下降,这对新产品来说很正常。你不能要求每一个用户都使用我们产品不是?
别急,我还没补刀呢。
我们统计了注册用户数,那么我们也可以统计出本月新增用户数,很简单,两个月相减。
是不是看出来什么了?
要知道,按照活跃的定义,新注册的用户肯定是打开APP的用户,他也一定是活跃的用户。
所以,我们拿每月的注册总用户数减去新增用户数,计算老用户数。并且将新老用户的活跃率独立出来。
指标拆分后,我们发现老用户的活跃率比预期低。实际在产品早期、渠道投入资源推广、或一次成功的病毒营销后,因为新增用户数量的暴涨,总是会带动活跃数的上升。
A产品打算在五月份做大投入,在APP上进行活动,希望用户大力参与,同时在B渠道进行推广。在常规的统计指标中,发现活跃数据上升。事后分析发现活跃为新增活跃,老用户的活跃数据没有显著上升。配合其他活动数据,证实活动效果较差。
C产品获得投资后,通过大规模的烧钱推广,获得一个正向的活跃数据反馈。此时活跃有不小可能是由新增用户撑起的。产品自身的打磨若不好,老用户活跃率不会提高,这也是我们常说的留存概念。导致钱白白浪费不少。
产品进入稳定期后,有了一定用户规模,新增活跃一般对活跃数据就不会有大的影响了。那么以新老用户区分活跃统计就够了?我们简单定义三个场景:
- 用户A下载产品后,把玩了一段时间,发现这是他想要的功能,爱不释手,成为发烧用户;
- 用户B下载产品后,看了几眼就不再使用。产品2.0发布后,觉得有个新特性不错,于是回来继续使用,逐渐成为活跃份子;
- 用户C从网上看到随便下载的,用了产品觉得一般,吐槽几句并且卸载,不再使用;
用户包含各种类型,反应了不同群体的特征和想法。在使用整个产品的周期中,我们应定义更全面的指标:
流失用户:有一段时间没有再打开产品,那么我们就视为流失用户,根据产品的属性,可以按30天,60天,90天等划分。
不活跃用户:有一段时间没有打开产品,为了和流失区分开来,需要选择无交集的时间范围。比如流失用户是60天以上没打开产品,那么不活跃则是0~60天没打开。
回流用户:有一段时间没用产品,之后突然回来再次使用,则称为回流用户。回流用户是活跃用户,且是由流失用户或不活跃用户唤回而来。
活跃用户:一段时间内打开过产品。
忠诚用户:也可以叫超级活跃用户,长期持续使用产品,比如连续四周,或者一个月内15天等。
现在我们发现,不论是活跃用户还是不活跃用户的维度,都一下子丰富了起来。
通俗的理解一下用户活跃的变化
上文ABC的三位用户活跃路径为:
A:新增—活跃—忠诚
B:新增-不活跃-回流-活跃-忠诚
C:新增-不活跃-流失
回到一开始那款产品的数据,我们将分解后的新指标统计出来。(定义忠诚用户一个月内有15天活跃;流失用户为两个月没打开过)
(以上数据以月末当天的统计为准)
你看,指标开始变得复杂了。产品有长期使用的忠实用户,也有流失用户。有用户回来继续使用,也有用户不怎么爱用产品。
数据是为了方便讲解随手编的。实际的情况可能会更复杂,可以根据情况灵活应对。
用户活跃可以简化为一个最简单的公式:新增用户的数量要大于流失用户的增加量。可以想成一个水池,运营会一直往里灌水,但是水池也会漏水,如果漏水速度太大,那么水池就干了。一款产品可能因为市场竞争、拉新乏力导致新增用户数下降,也可能因为产品改动,运营策略失误造成后续流失用户变多。
将数据制作图表:
(活跃用户和不活跃用户可以拆分出来,周活跃同理)
用户运营们可以按照日、周、月维度维护三张报表,监控活跃数据的变化(建议花更多精力在周报表上)。
如果是一个好的用户运营,他会继续思考:每天有多少活跃用户变得不活跃?有多少忠诚用户变得不活跃?又有多少流失用户被我们唤回来等,并且分别是什么原因引起的。
怎么样更详细的监控活跃数据的变化呢?我们引入桑基(Sankey)图的概念。
这时,活跃数据比单纯的表格清晰多了,而且我们也能够显著观察到不同活跃层的变化。万千变化,存乎一图。
有了数据和趋势,我们应该聚焦更多精力到怎么去应用在运营和业务上。
观察忠诚用户,发现他们有什么特征,为什么爱用我们产品。同样的道理,我们也能观察流失用户;
忠诚或流失用户是否在推广渠道上有显著差异(配合新增留存数据)。
某一段时间回流用户增加,是产品更新,市场推广,还是活动营销?
本周,变成不活跃的用户比以前多,要不要做一次用户访谈看下原因?
活跃的用户用Push营销,流失的用户用短信营销,这是不是一个好方法?
以上种种,皆是用户运营需要考虑,也是要和各部门协同解决,贯彻整个产品一生的运营方向。
活跃类指标有一个显著特点需要明白,它们都是后见性的指标,也就是事情发生后我们才能观察到。比如我们发现某一段时间流失数据(假定两个月没打开APP为流失)上升,往前倒推两个月,发现当时刚好展开一次活动,那么我们有理由相信活动造成了一批用户卸载,可惜运营此时已经无能无力。先见性预防比后见性观察对运营更重要。
根据不同的用户活跃状态,依据产品的特性能采取很多运营手段。这是精准化运营的第一步。接下来则是划分用户层次等,进行更精准的运营,不过那是另外的话题了。
用户运营路漫漫修远兮,用我偶然得之的一句话做结尾吧。
别低头,活跃会掉,别流泪,报表会笑。
Tips:
1.以上主要针对移动产品,对网站,或者网站手机端混合,乃至微信端。可能要采用另外一套统计逻辑,这里不展开了。
2.市面有许多第三方应用或SDK能达到类似的数据统计。不过我建议,若只能统计,不能拿到数据,为了后续运营还是辛苦点做一套活跃统计系统写入数据库吧。
3.下一期,我们可以引申出用户运营的其他框架,或者怎么用有趣的桑基图,做更性感的分析。
————————
欢迎大家关注我的微信公众号:tracykanc
作者:秦路
链接:https://zhuanlan.zhihu.com/p/22300453
相关阅读:获取新增用户,运营都应该知道的事
去年今日运营文章
- 2023: 大厂公积金缴纳比例一览,12%已是王者(0)
- 2020: 工作高效的人都有这些习惯(0)
- 2020: 4个步骤,让用户更好地生产内容(0)
- 2020: 一个增长产品经理浅谈用户增长是什么?(0)
- 2020: 一直被剁手:你给双11账单,我给你赚钱指南(0)
原创文章,作者:爱运营,如若转载,请注明出处:https://www.iyunying.org/yunying/83585.html