数据运营:如何利用数据分析提高用户留存? |
您所在的位置:网站首页 › 数据分析怎样快速入门 › 数据运营:如何利用数据分析提高用户留存? |
0
分享至
用微信扫码二维码 分享至好友和朋友圈 一、数据运营终极目标 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,几个月过去了,这三款应用的成绩很糟糕,甚至已经销声匿迹了。 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。 好的数据指标,有五个要点可供参考: (1)能够反映用户需求的满足、产品核心价值以及发展趋势。这些指标变好了能说明公司是在往好的方向上发展。 (2)好的数据指标是可比较的。比较在不同的时间段,用户群体,竞争产品之间的表现,可以更好的洞察产品的实际走向。 (3)易懂、可控。很容易地理解、记住,方便统计。 (4)好的数据指标多数时候是一个比率。 (5)指标随业务而进化。不同阶段的关键性指标应该是随着业务的变化而变化的。 在数据指标提出的基础上,我们按照产品逻辑进行指标的归纳整理,使之条理化。 新用户的次日留存率是我们订制的一个核心目标,但实际上,只看次日留存率还是不够的,还需要综合考察影响用户留存率的多种因素,才能更准确的了解产品的健康发展。如图1所示,是常用的一种指标体系,包含:用户新增、用户活跃、付费、其他数据。 二、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%。 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。 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。 三、数据分析 数据统计包括:用户数据和产品数据;用户数据包括:年龄、性别、学历、职业、星座和地区等内容,通过这些数据的收集整理,可以描绘出用户画像图,进而更加详尽了解用户习惯; 产品数据包括:产品浏览时间(打开和关闭)、消费金额、消费次数、模块转化次数等,利用这些数据可以很好的了解产品是否符合市场发展趋势,是否满足好用户的需求。 产品分析包括:用户分析和产品分析。用户分析数据包括:注册率、转化率、留存率、流失率、用户忠诚度判别等等;通过对用户数据的分析,可以了解市场未来发展趋势、用户需求趋势,进而更好的把握市场、把握用户需求。 产品分析包括:用户对产品的整体使用情况分析(使用时长、使用时段、使用频次等)、产品自身情况(用户体验模型建立、用户对各个模块的喜爱程度等)。通过对产品的分析,可以了解用户习惯,提升产品质量,增加用户的忠诚度。 数据便是生产力,是指数据工作者将数据价值直接通过前台产品作用于消费者。时髦点讲,叫数据变现。随着大数据时代的到来,公司管理层越来越重视这一点。大数据时代带来了大的机会,但也可能是大灾难。 如果不能利用数据产生价值,那么,它就是一个灾难——产生的数据越多,存储的空间、浪费的资源就越多。 四、如何分析留存数据? 1.时间分组 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、用户留存分析过程 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、行为标记思路 行为标记法,就是将大动作的优化,大的项目上线及时标注在数据报表中。以便在后面通过数据检验是否是有效。因为大部分的优化导致的结果,都是“滞后”的,也就是说,一个大的优化动作,可能在1个月后才能体现出来效果,甚至是半年后才会有效果。 当然,也有些优化动作是即时的,比如宝贝标题对于搜索结果的影响。无论怎样,在运营过程中我们要明确的知道,哪些事情是花费了大量时间有效的,哪些是无效的。 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。 部分内容来源于网络,若侵删! 特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. /阅读下一篇/ 返回网易首页 下载网易新闻客户端 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |