精益数据分析卡片:留存分析

大数据 数据分析
留存分析的根本目的在于留住用户,根据分析结果制定对应的策略,以及规划好产品迭代以更好的保证用户的稳定。本文带来数据分析工具之留存分析。

留存分析的根本目的在于留住用户,根据分析结果制定对应的策略,以及规划好产品迭代以更好的保证用户的稳定。

[[204377]]

虚荣指标的假面

许多创业公司都喜欢强调自己的用户数。曾听某个朋友说起,他的公司对外号称有1400万企业级注册用户,他们的用户增长趋势如图所示:

精益数据分析卡片:留存分析

然而总用户数就是一个典型的虚荣指标,这个数字只会随着时间增长(经典的“单调递增函数”)。它并不能传达关于用户行为的信息:他们在做什么?是否对你有价值?他们中的很多人可能只是注册一下,就再没有使用过。

一个公司真正需要关注的指标,是可付诸行动的指标。例如留存率,这个指标揭示了产品留住用户的能力,因此显得格外关键。当产品做出调整时,这个指标也会相应地变化。如果调整的思路是正确的,这个比率就应该上升。这就意味着,它可以指导你试验、学习和迭代。

如你所见,这是数据分析工具系列的第 4 篇:留存分析。

留存的“庐山真面目”

what留存?

留存,顾名思义,就是用户在你的网站/app中留下来,持续使用。一个用户,在你的产品上留存得越久,带来的收入就越高。 反复返工提供给

精益数据分析卡片:留存分析
留存的价值

引用《打造 10 亿美金产品的核心秘密:用户参与层级模型》中的例子:

精益数据分析卡片:留存分析

现在有两个公司A和B。A 公司每月新增 500 万用户,月留存是 80%;B 公司每月新增 250 万用户,月留存是 95%。

精益数据分析卡片:留存分析

如果两个产品的留存率不变,六个月之后,他们的月度活跃用户(MAU)见上图,A 公司领先。

精益数据分析卡片:留存分析

三年之后,B 公司拥有 4200 万用户,超过了 A 公司的 2500 万用户。且 B 公司的增长曲线比 A 公司漂亮得多。这就是留存率的巨大影响,复合增长的价值。

解析留存

先来看看次日留存率的计算公式:次日留存率 = 次日留存用户 / 当日新增用户。

由此,可以拆分出留存的三个核心元素:用户、时间、留存动作。

用户

用户是留存分析的对象,一般可以从这两个角度进行分析:

(1)从用户的获取角度分析

通过不同渠道获取的用户的留存率是不同的。举个栗子,一个主打奢侈品交易的电商APP,如果在今日头条投放广告获取用户,恐怕用户看一眼就走人了。

在不同时段获取的用户的留存率也是不同的。举个栗子,一个午夜电台APP,如果用户在早上下载后收听,很可能因为没有找到想听的内容而卸载APP。

(2)从用户的行为角度分析

用户能否留下来,取决于产品功能设计是否满足了用户的核心需求。所以,我们需要了解新用户使用过哪些功能,或者说发生过什么行为后,他们留下来了。

我们希望新用户在使用产品时能尽早产生惊喜感——这就是我想要的!希望他们能快速发现产品价值,并且留下来。值得一提的是,用户路径图就能帮助我们发现用户是如何一步步发现产品价值的。

时间

这里的时间,特指用户的在产品上的使用时间。对于不同时期,我们应该有不同策略,总的来说,在振荡期和选择期,我们应该关注新用户的留存,进入平稳期以后,着重关注产品功能留存。

精益数据分析卡片:留存分析
留存动作

不同的用户行为对我们的价值是不一样的,例如使用初级功能的免费用户和使用高级功能的付费用户。所以,我们需要查看不同人群的留存情况,当一个付费用户变为免费用户,某种程度上也可以看做一种流失。

留存实战:Airbnb,从卖盒装麦片到13亿美元

2008年,Airbnb刚刚成立,因为资金短缺不得不依靠售卖盒装麦片获取收入。然而副业很快失败,到了2009年,Airbnb每周的收入仅200美元,差点破产。在生死存亡的边缘,他们获得硅谷创业教父保罗·格雷厄姆的投资。格雷厄姆事后承认:“这群甚至可以靠卖麦片来挣取收入的人,他们的项目死不了。”

[[204381]]
Airbnb曾卖过的盒装麦片

利用竞争对手提升用户留存

Airbnb成立之初,该领域***的竞争对手Craigslist拥有Airbnb艳羡的海量用户基数。尽管 Airbnb一直试图靠塑造差异化的产品形态来将自己与竞争对手区隔开,但一个不可否认的事实是:对于订房这样的供需平台服务而言,用户数的多少是人们选择的首要因素。因为:

  • 供方会选择潜在消费者最多的平台发布信息
  • 消费者会挑货品足够充足的市场来比价下单

意识到这点后,Airbnb推出了一项功能:允许用户在Airbnb发布信息的同时,方便地将相同的信息内容复制一份同步发布到Craigslist上。用户在Airbnb发布信息后,就会收到一封电子邮件,告知用户:将该信息同时发布到Craigslist可以帮助您每月增加500美元的收入,您只需要点击这个链接,剩下的交给我们来为您完成。于是用户往往会不假思索地点击链接,毕竟这没什么坏处,反倒是增加了许多房源出租信息的曝光量。

精益数据分析卡片:留存分析

这项功能为Airbnb带来了意想不到的效果:

  • 来自Craigslist的回流撑起了Airbnb的人气,许多人纷纷加入注册,发布出更多出租的信息;
  • 原本习惯去Craigslist发布信息的用户,开始变成Airbnb的用户,因为现在只要在一处发布就能同时出现在两处;
  • 原本的Airbnb用户的黏性更强了,因为他们确确实实在这里获得了更多的收入。

优化用户体验提升用户留存

2009年,Airbnb发现那年夏天的成交情况并不乐观。于是创始人开始着手调研此事,他们四处飞行,总共在24家不同的家庭旅店订房体验,试图找出问题根源。

***终于水落石出,许多在Airbnb上张贴招租信息的人,并不懂得如何在发布内容时尽可能展现出房间***的一面。他们拙劣的拍摄技术和糟糕的文案组织,掩盖了房屋本身的优势,让远在世界另一头的人隔着屏幕难以做出判断。

“好吧,这事一点也不奇怪,没有人会为了不知道会买到的什么玩意儿而付钱。”创始人说。

遇到这种问题,一般网站的做法是给用户群发邮件,教会他们如何去拍照,并给他们评估打分。但Airbnb采用了一种看似低效,实则奏效的方式。他们花5000美金租借了一部高档相机,挨家挨户免费为纽约的许多招租者的房屋拍摄照片。好卖相带来了好的收益。纽约当地的订房量很快上涨了两三倍,月底时Airbnb的收入整整增加了一倍。这一做法日后被复制到了巴黎、伦敦、迈阿密等地。

受益于专业摄影师拍照的房屋,相较同类能获得两到三倍的订单量,随后Airbnb也能从屋主那里额外得到每月约1025美金的分成。到2012年,已经有2000余位自由摄影师受雇于 Airbnb,在六大洲拍摄了超过13000间房屋。

精益数据分析卡片:留存分析
专业摄影师介入后Airbnb的流量增长情况

利用社交网络提升用户留存

Airbnb这种新兴模式的优势如下:

  • 相比专业酒店宾馆,人们往往可以以便宜30%~80%的价格入住家庭旅店
  • 能与当地人交流结识,成为朋友

然而与此同时,潜在的风险也同时出现:不法分子可能借机从事盗窃、抢劫、非法集会等犯罪活动。

Airbnb若想继续成长,就必须解决用户之间的信任危机。于是2011年夏天,Airbnb开放了社交网络连接功能,允许用户连接他们的Facebook账号。当启用社交网络连接功能后,人们可以看到自己与房主之间的共同好友是谁,或是哪些朋友曾经租住了这间房。人们也可以根据屋主的地理位置、性别等信息进行搜索,找出感兴趣的房源。

当这一产品特性上线后,创始人很快宣布,Airbnb上已有16516967对好友关系,并且持续猛增。在通过社交网络解决了最基本的人与人的信任问题后,人们得以方便地考察房东的背景资料,选择合适的入住对象。来自同一座城市、同一所大学、同一个街区的好友之间的联系与交易也更为紧密。

写在***

留存分析,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。而更重要的,是大家务必理解虚荣指标与可付诸行动的指标的区别:

  • 虚荣指标:一切无法帮助你决策下一步行动的指标
  • 可付诸行动的指标:能揭示信息,指明方向,帮助你改进商业模式,决策下一步行动的指标

漏斗分析到这里就结束了,下一篇,我会带来A/B测试。欢迎关注我的数据分析工具系列,我会讲述如何改善用户体验,提升转化,帮助你更好地运用数据驱动产品运营。

责任编辑:未丽燕 来源: 36大数据
相关推荐

2013-01-29 09:57:23

数据分析

2015-09-17 18:53:17

诸葛io

2015-09-21 15:35:18

诸葛io

2016-11-25 12:22:46

云计算

2012-09-11 11:29:25

2014-01-22 15:34:00

数据分析

2017-11-15 10:34:25

大数据精益化数据分析

2015-08-14 10:28:09

大数据

2017-04-11 09:08:02

数据分析Python

2015-08-11 15:52:52

大数据数据分析

2024-04-18 08:30:00

留存分析模型数据分析

2017-05-16 15:27:32

精益敏捷代码

2017-11-22 17:46:28

大数据精益分析

2021-11-11 11:27:55

大数据分析系统

2020-05-13 11:32:28

数据分析数值分析

2017-12-13 10:04:05

2013-02-25 10:44:13

数据分析大数据关联分析

2015-10-26 10:41:10

数据分析思想指南

2022-11-14 10:36:55

数据科学数据分析

2024-03-10 21:00:33

点赞
收藏

51CTO技术栈公众号