新用戶留存分析

??????? 在用戶行為領(lǐng)域呀伙,通過(guò)數(shù)據(jù)分析方法的科學(xué)應(yīng)用,經(jīng)過(guò)理論推導(dǎo)添坊,能夠相對(duì)完整地揭示用戶行為的內(nèi)在規(guī)律剿另。基于此幫助企業(yè)實(shí)現(xiàn)多維交叉分析贬蛙,幫助企業(yè)建立快速反應(yīng)雨女、適應(yīng)變化的敏捷商業(yè)智能決策。結(jié)合近期的項(xiàng)目阳准,在此整理用戶留存分析方法氛堕。

指標(biāo)定義

新用戶分析的【留存】

次日留存:當(dāng)日登錄,次日也登錄野蝇。如:用戶1號(hào)登錄讼稚,2號(hào)也登錄,則屬于【次日留存】

用戶 7日留存: 當(dāng)日登錄了绕沈,第7日也登錄了锐想。如用戶1號(hào)登錄,7號(hào)也登錄乍狐,則屬于【7日留存】

?活躍用戶的【流失】

7日流失: 當(dāng)日登錄赠摇,之后連續(xù)7日未登錄,視為當(dāng)日的流失用戶-澜躺。如:用戶1號(hào)登錄蝉稳,2-8號(hào)都未登錄,則屬于1號(hào)(統(tǒng)計(jì)日)的【7日流失】

活躍用戶的【回流】

7日回流: 過(guò)去連續(xù)7日未登錄掘鄙,當(dāng)天登錄(除去當(dāng)天新增用戶) 如:用戶1-7號(hào)連續(xù)未登錄耘戚,8號(hào)登錄,則屬于【7日回流】


???????? 一操漠、什么是留存分析收津?

??????? 留存分析是一種用來(lái)分析用戶參與情況/活躍程度的分析模型饿这,考察進(jìn)行初始行為的用戶中,有多少人會(huì)進(jìn)行后續(xù)行為撞秋。這是用來(lái)衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要方法长捧。

留存分析可以幫助回答以下問(wèn)題:

一個(gè)新用戶在未來(lái)的一段時(shí)間內(nèi)是否完成了產(chǎn)品期許他完成的行為?如充值等吻贿;

某個(gè)社交產(chǎn)品改進(jìn)了新注冊(cè)用戶的引導(dǎo)流程串结,期待改善用戶注冊(cè)后的參與程度,如何驗(yàn)證舅列?

想判斷某項(xiàng)產(chǎn)品改動(dòng)是否奏效肌割,如新增了一個(gè)邀請(qǐng)好友的功能,觀察是否有人因新增功能而多使用產(chǎn)品幾個(gè)月帐要?

?????? 二把敞、為什么要做留存分析?為何不直接看活躍用戶占比榨惠?

??????? 如果產(chǎn)品目前處于快速增長(zhǎng)階段奋早,很有可能新用戶中的活躍用戶數(shù)增長(zhǎng)掩蓋了老用戶活躍度的變化。按初始行為時(shí)間分組的留存分析可以消除用戶增長(zhǎng)對(duì)用戶參與數(shù)據(jù)帶來(lái)的影響赠橙。通過(guò)留存分析耽装,你可以將用戶按照注冊(cè)時(shí)間分段查看,得出類(lèi)似如下結(jié)論:

“三月份改版前简烤,該月注冊(cè)的用戶 7 天留存只有 15%剂邮;但是四月份改版后,該月注冊(cè)的用戶 7 天留存提高到了 20%横侦』用龋”

????? 三、留存分析模型特點(diǎn)與價(jià)值

?????? 科學(xué)的留存分析模型具有靈活條件配置——根據(jù)具體需求篩選初始行為或后續(xù)行為的細(xì)分維度枉侧,針對(duì)用戶屬性篩選合適的分析對(duì)象的特點(diǎn)葫慎。那么担巩,留存分析有哪些價(jià)值呢纽门?

????? 1酝陈、留存率是判斷產(chǎn)品價(jià)值最重要的標(biāo)準(zhǔn),揭示了產(chǎn)品保留用戶的能力

??????? 留存率反映的實(shí)際上是一種轉(zhuǎn)化率翼虫,即由初期的不穩(wěn)定的用戶轉(zhuǎn)化為活躍用戶屑柔、穩(wěn)定用戶、忠誠(chéng)用戶的過(guò)程珍剑。隨著統(tǒng)計(jì)數(shù)字的變化掸宛,運(yùn)營(yíng)人員可看到不同時(shí)期用戶的變化情況,從而判斷產(chǎn)品對(duì)客戶的吸引力招拙。

?????? 2唧瘾、宏觀上把握用戶生命周期長(zhǎng)度以及定位產(chǎn)品可改善之處

??????? 通過(guò)留存分析措译,可以查看新功能上線之后,對(duì)不同群體的留存是否帶來(lái)不同效果? 可以判斷產(chǎn)品新功能或某活動(dòng)是否提高了用戶的留存率饰序?結(jié)合版本更新领虹、市場(chǎng)推廣等諸多因素結(jié)合,砍掉使用頻率低的功能求豫,實(shí)現(xiàn)快速迭代驗(yàn)證塌衰,制定相應(yīng)的策略。

????? 四蝠嘉、留存分析應(yīng)用場(chǎng)景

??????? 場(chǎng)景一:游戲行業(yè)提升活躍猾蒂、留存——如何精準(zhǔn)找到玩家“流失點(diǎn)”?

?????? 游戲的生命周期的時(shí)長(zhǎng)差異是晨、玩家的游戲粘度,直接體現(xiàn)了游戲的競(jìng)爭(zhēng)能力和盈利能力舔箭。玩家對(duì)游戲的直觀感受罩缴、游戲難度曲線、游戲節(jié)奏的松弛层扶、游戲福利等游戲內(nèi)涵都能夠?qū)е掠螒蛲婕伊魇镎隆U_找到玩家流失原因,是促進(jìn)玩家镜会、活躍挽留玩家的第一步(比如統(tǒng)計(jì)出流失玩家的等級(jí)分布檬寂,判斷玩家流失與關(guān)卡設(shè)置的相關(guān)性)。

?????? 場(chǎng)景二:了解新用戶的留存

?????? 運(yùn)營(yíng)人員想從總體上看用戶留存的情況是否越來(lái)越好了戳表⊥爸粒可根據(jù)新用戶啟動(dòng) APP 的時(shí)間按日或按月進(jìn)行分組,得到同期群匾旭,觀察該群體用戶發(fā)生投資的 7 日留存镣屹、14 日留存或 30 日留存(可自由選擇),可以通過(guò)比較不同的同期群价涝,也可以看每天留存率的變化趨勢(shì)女蜈。

?????? 對(duì)于 7 日或者 30 日仍留下來(lái)做投資的用戶,顯然是一批忠誠(chéng)度非常高的用戶色瘩,什么樣的用戶群體有這么高的留存率伪窖?

舉例:

以某天的新用戶為例,一共有 1931 個(gè)新用戶居兆,在第 7 天有 68 人留下來(lái)了覆山,點(diǎn)擊“ 68 ”這個(gè)數(shù)字,我們進(jìn)入了用戶列表界面史辙,能夠看到留存下來(lái)的用戶的一些詳細(xì)的基礎(chǔ)信息汹买,比如借款次數(shù)佩伤,借款金額、年齡等晦毙。

通過(guò)總借款次數(shù)以及借款金額生巡,可進(jìn)行用戶質(zhì)量評(píng)估;通過(guò)年齡可以分析到金融平臺(tái)吸引的群體用戶的年齡分布见妒。

若想深度挖掘高留存用戶有哪些共性特征孤荣、具體操作流程,以作為后序產(chǎn)品優(yōu)化與改進(jìn)的借鑒须揣,則可使用用戶分群功能盐股,命名為“ 4 – 10 號(hào) 7 日留存用”然后通過(guò)用戶路徑等其他分析模型進(jìn)一步深度分析。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末耻卡,一起剝皮案震驚了整個(gè)濱河市疯汁,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌卵酪,老刑警劉巖幌蚊,帶你破解...
    沈念sama閱讀 212,657評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異溃卡,居然都是意外死亡溢豆,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,662評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)瘸羡,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)漩仙,“玉大人,你說(shuō)我怎么就攤上這事犹赖《铀” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 158,143評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵峻村,是天一觀的道長(zhǎng)漱挎。 經(jīng)常有香客問(wèn)我,道長(zhǎng)雀哨,這世上最難降的妖魔是什么磕谅? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,732評(píng)論 1 284
  • 正文 為了忘掉前任,我火速辦了婚禮雾棺,結(jié)果婚禮上膊夹,老公的妹妹穿的比我還像新娘。我一直安慰自己捌浩,他們只是感情好放刨,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,837評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著尸饺,像睡著了一般进统。 火紅的嫁衣襯著肌膚如雪助币。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 50,036評(píng)論 1 291
  • 那天螟碎,我揣著相機(jī)與錄音眉菱,去河邊找鬼。 笑死掉分,一個(gè)胖子當(dāng)著我的面吹牛俭缓,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播酥郭,決...
    沈念sama閱讀 39,126評(píng)論 3 410
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼华坦,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了不从?” 一聲冷哼從身側(cè)響起惜姐,我...
    開(kāi)封第一講書(shū)人閱讀 37,868評(píng)論 0 268
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎椿息,沒(méi)想到半個(gè)月后载弄,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,315評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡撵颊,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,641評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了惫叛。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片倡勇。...
    茶點(diǎn)故事閱讀 38,773評(píng)論 1 341
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖嘉涌,靈堂內(nèi)的尸體忽然破棺而出妻熊,到底是詐尸還是另有隱情,我是刑警寧澤仑最,帶...
    沈念sama閱讀 34,470評(píng)論 4 333
  • 正文 年R本政府宣布扔役,位于F島的核電站,受9級(jí)特大地震影響警医,放射性物質(zhì)發(fā)生泄漏亿胸。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 40,126評(píng)論 3 317
  • 文/蒙蒙 一预皇、第九天 我趴在偏房一處隱蔽的房頂上張望侈玄。 院中可真熱鬧,春花似錦吟温、人聲如沸序仙。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,859評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)潘悼。三九已至律秃,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間治唤,已是汗流浹背棒动。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,095評(píng)論 1 267
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留肝劲,地道東北人迁客。 一個(gè)月前我還...
    沈念sama閱讀 46,584評(píng)論 2 362
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像辞槐,于是被迫代替她去往敵國(guó)和親掷漱。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,676評(píng)論 2 351