1. 爱运营首页
  2. 网站运营
  3. 用户运营

用户留存分析

导读:一组数据可以告诉你用户留存的重要性——若用户保留率提高10%,那么业务价值将提高30%以上

01

什么是用户留存

进入互联网下半场后,互联网流量竞争愈发激烈,获客成本不断提升,企业不可能无限制的投入成本拉取新用户,那么最大限度的保证用户的留存就变得异常重要。

怎么理解留存呢?想必大家小学一定做过“蓄水池”的题目。一个游泳池,有一个进水管,灌满水需要X小时。有一个出水管,放完一池子水需要Y小时。问如果两个水管一起开,几小时会把池子的水灌满。小时候觉得出题的人太傻了,怎么会有这种情况发生,进水管出水管一起开。但长大后,特别是在互联网行业,发现这样的事情太普遍了。用大量的成本去获客,但由于各种各样的问题,导致用户留不下来,最后白忙活一场。对比来看,进水管就好比获客,出水管就好比用户流失,池子中的水就是留存。当进水管的水量有限,出水管的水量却越来越大,留给自己只能是一个空池子。中国有个歇后语叫做”狗熊掰玉米,掰一个扔一个“,也可以用来形容这种场景

为什么说留存重要呢?中国著名的数据分析产品公司Growing IO曾模拟过这样一个场景:假设有2个产品A和B,两个产品每周都能获取100位新用户,新用户的次周留存率都是60%,往后每周B产品的留存率都要比A产品高2个百分点。这样经过 29周,A产品的用户仅有700位,B产品的用户却达到了1400位。是不是非常令人吃惊。对比两种情况,他们的拉新量一致,留存率仅有 2% 的区别,但是 29 周之后,用户的比例竟然变成了 1:2。也就是说大约半年后,产品B的用户就是产品A的两倍。这组对比数字形象的说明了用户留存的重要性。

用户留存分析

所以说现在的企业越来越关注留存,很多运营或者产品的负责人,一年核心的KPI就是提高3%的留存率,看着3%这个数字不高,但却能带来巨大的收益;但话说回来,别看3%这个数字不大,但想提高也并没有那么容易,这里就需要科学有效的分析,找到合适的留存分析模型。

02

留存分析模型

多长时间算留存,怎么样才算留存,这个因业务类型而异。就拿滴滴来说,他的用户分为B/C两端。对于B端用户,也就是司机,开车是职业,所以是一个高频的行为。留存时间窗口的选择需要短一些,次日留存,3日留存,7日留存等。而对于C端用户来说,打车只能算是一个中频行为,天天打车的用户毕竟还是少数。留存的时间窗口就可以从7日开始算,也就是7日留存,14日留存等。

留存分析模型重点在于对用户的分群,分析不同类型用户的留存情况,找到差异,定位解决问题:

模型一:新老用户同期群分析(Cohort Analysis)方法

同期群是用户分析最普遍的方法,在著名的《精益数据分析》中也被多次提到。比如用每周的新用户,观察相同时间间隔后的表现。例如图一,2019/1/1的新用户在第一周的留存率是49%,但2019/2/5的新用户在第一周的留存率是却只有40%,这就说明新用户的留存率在下降,需要重点关注。并且可以对比后续每周的表现,看是否好转。

为什么要区分新老用户呢?因为新老用户对于产品的反应是有很大差别的,一定要区分来看。比如你第一次去京东,由于不熟悉这家电商,很有可能逛逛就走了;但如果你是一个京东的老用户,登录京东后就很可能产生购物行为。通过区分新老,能够清晰的看到这两种用户的表现,便于发现到底是哪种用户发生了问题。

如果是新用户的留存下降,很可能是新用户没有快速的感受到产品的核心价值。比如物流,用户的主要诉求就是快,那么对于新用户是否能让他感受到这个价值。如果是老用户的留存率下降,也许是产品的体验在变差,或者受其他竞品的影响。

用户留存分析

图一 新用户同期群分析

用户留存分析

图二 老用户同期群分析

模型二:渠道同期群分析方法

企业经常采取多种渠道来获客。有线上的方式,比如百度搜索或者抖音短视频等;有新媒体的方式,比如公众号,知乎等;有线下的方式,比如线下沙龙和公众活动。各种渠道的获客都需要成本的,我们需要知道是哪种渠道的新用户留存高,留存率高说明这是高价值渠道,我们可以在这里做更多的投入。

比如图三,可以明显观察到,渠道一用户的留存率明显高于渠道二和渠道三,说明渠道一的用户和产品的契合度更高,为高质量渠道,应该在这里加大投入。

用户留存分析

图三 渠道同期群分析

模型三:产品功能留存矩阵

一个产品一般具有很多功能,通过分析了解各个功能的价值,找到各个功能的提升空间,进而通过功能优化来整体提升用户留存。

以图四为例,矩阵的横轴是功能的留存率,表示当前功能的用户黏性;纵轴是活跃用户的数量。做出这样一个矩阵后,我们就可以看到不同的功能在矩阵中的位置分布。

1 比如橘色代表的功能就是产品的核心功能,使用率和留存率都很高,我们要保证核心功能的体验越来越好,并持续监控使用情况,防止意外发生;

2 比如绿色代表的功能,这个功能虽然使用的人数不多,但留存率非常高,说明这个功能的体验很好,我们要尽量引导用户使用这个功能;

3 而对于红色代表的功能,虽然使用的用户很多,但留存率不高。也许是这个功能有用,但体验不好;也许是这个功能本身就是鸡肋;所以我们要继续深入分析,来决定是优化功能还是直接下线

用户留存分析

图四 产品功能留存矩阵

03

留存分析的注意事项

需要注意的是,虽然有了这么多模型,但一定不能生搬硬套,要根据业务的实际情况运用。在分析留存的时候,经常会遇到以下几个问题:

1 只关注留存,忽视活跃。一般情况下,留存是活跃的结果。如果只看留存,就会变成事后诸葛亮,并且于事无补。比如一个用户之前每天都会登录APP,突然有一个月,每周才登录一两次,又过了一个月,这个用户就流失了。如果只统计留存,拿到的只是结果,应该对用户的活跃也做监控,才能做到事前预警。

2 不懂业务,单纯计算留存率。有的同学以为算个留存率就完事了。但老板也许会问。这个留存率是否正常呢?比如促销活动的留存率多少算正常?行业其他竞品的留存率是多少?怎么定义新用户?结果统统答不上来,那计算这个留存率有什么意义是呢。对业务越熟悉,做留存分析的时候才会更深入,才能提供更多的价值

3 希望让所有用户留存下来。这是不可能的,即使微信也做不到。这就是需要通过我们的分析,来确定哪些才是我们的目标用户,我们的产品和策略都应该向这种用户倾斜。而不是通过不断的补贴,来增加用户的黏性,结果只会养一批”羊毛党“,并且让我们自己迷失产品和策略的方向。

原文始发于微信公众号(数据分析官)

去年今日运营文章

  1. 2019:  拼多多如何通过现金来进行拉新?(0)
  2. 2019:  工作20年的100条职场建议(0)
  3. 2019:  一文带你全面了解内容运营及其发展趋势(0)
  4. 2019:  干货|电商大促活动怎么做?(0)
  5. 2019:  产品分析报告模版-拼多多APP产品分析报告(0)

本文转载于微信公众号(数据分析官),本文观点不代表爱运营立场,转载请联系原出处。如内容、图片有任何版权问题,请联系爱运营处理。

发表评论

登录后才能评论