Zi 字媒體

作為 AARRR 的第三個環節，留存至關重要。因為留存是一切增長的基礎，在留存上的每一個進步，都會讓其他的因素有所進步：比如病毒傳播、用戶生命價值、回報周期等等。留存的重要性不言而喻，但是如何將留存率大幅提高呢？今天這篇文章，就給大家介紹一下留存分析的三個典型應用場景：渠道留存、新用戶留存、產品功能留存。掌握了這三個留存分析的典型應用場景，提升留存率就是分分鐘的事啦！GrowingIO AARRR 系列文章第三篇 - 留存分析的三個典型應用場景渠道留存現在人口、流量紅利不斷下跌，獲客成本居高不下，市場投放人員在不同的渠道進行投放時，一定要對渠道做深入的留存分析，才能更好地調整策略，提高渠道投放的 ROI 。我們要宏觀觀察用戶的生命進程情況，最佳的辦法就是從用戶導入期就開始。基於不同的獲客渠道對用戶進行留存分析，觀察從不同渠道進來的新用戶，在後續一段時間內對產品的使用情況，就能更好地把握渠道質量，比如後續的付費、粘性、價值量、CAC 成本等。特別是對於一些獲客成本較高的互聯網金融產品來說，好的渠道分析可以在一定程度上減少羊毛黨的出現，比如 A 渠道的新用戶因為某次優惠活動進來，但是在後續的留存上表現很差，幾乎沒有投資行為。那麼就可以思考這個渠道用戶和產品的匹配度，進而調整投放策略。新用戶留存對新用戶的留存來說，儘快觸達 Aha moment 是核心。那麼如何提取產品的核心價值，儘快地傳遞給用戶？找到你產品的魔法數字。之前有很多「增長黑客」的故事講到過魔法數字這個概念：比如 Linkedln 發現：第一周增加 5 個新社交關係的用戶，留存率很高；Facebook 發現：在註冊第一周里增加 10 個好友用戶，留存率很高；Twitter 發現：在第一周有 30 個 follwers（追隨者） 的用戶，留存率很高。這些魔法數字都是在用戶行為的留存分析中發現的。那麼如何發現自己產品的魔法數字呢？明確衡量的目標：對於我們來說，第一周的留存和次周留存之間的關係非常重要。具體來說，我們希望找出用戶的那些次周留存高的行為。找到新用戶留存較高的早期 Onboarding 行為：比如登錄次數，信息發送個數，關注人數，分享次數，點贊次數等。分別計算在一定時間內這些行為和次周留存的相關關係：找出在第一周不同行為的次數和次周留存率之間的關係。但是這樣的流程說明，你可能需要對一個功能進行近百次的排列組合：而現在，在 GrowingIO 的留存魔法師功能中，你只要定義了自己的產品，系統就會自動基於存量用戶數據進行數據分析，幫你迅速得到魔法數字。這個功能真正讓留存分析的計算更智能，更簡單，更好用：另一種情況是，對於你的產品來說，沒有非常突出的魔法數字，那麼就儘可能地優化 Onboarding 流程。將流失的用戶分群出來，觀察他們的行為路徑或者抽樣調研，把他們流失的原因找到，解決問題。大部分新用戶流失的原因都是，沒有迅速感受到產品的價值；跟自己想的不一樣；Onboarding 過程太複雜，不容易上手。找到用戶流失的原因后，就要針對性地優化產品。比如砍掉不必要的功能，提供更流暢的指導流程，將具有核心價值的功能放在更顯眼的位置等等。但是不論做什麼優化，都需要持續地觀察和對比用戶的留存情況，在不斷的測試和監控中，用戶才會一點點穩步地增長。比如我們之前講過一個 Sidekick 優化留存的案例，他們從 12 月份到 5 月份用了半年時間，不斷地進行假設、驗證、分析、觀察才讓新用戶留存有了很大的提升。功能留存一個專門從事 IT 項目跟蹤的權威機構曾經對很多大型機構進行研究，發現每家公司、每個團隊都可以做出很多功能，但在大部分產品里，50% 的功能基本上沒有被用戶使用，30% 的功能很少被使用，20% 的功能才是經常被用戶所使用的。與其增加更多的功能，我們不如思考一下哪些功能可以更好地留住用戶。如果說留存是最大的一個核心指標，那麼拆解到產品功能上，就是提高單個功能的留存。產品經理要做的是，將自己產品的所有功能進行盤點，建立產品功能留存矩陣。使用用戶佔比：某個周期內使用當前功能的用戶量與該周期的活躍用戶量的比例。功能留存率：當前周期再次使用該功能的用戶與上個周期使用該功能用戶的比例，可以看出當前功能的用戶黏性。第一象限的功能，功能留存率和活躍用戶佔比都比較高，說明這是產品的核心功能，已經達到PMF（Product Market Fit）；第二象限的功能，留存率較低，但活躍用戶佔比較高，說明用戶對這個功能是有需求的，但是功能本身並沒有滿足用戶；第三象限的，價值不高，但也有可能是設置類的低頻基礎性必要功能；第四象限，留存率高，但是使用佔比低，可能是符合用戶需求的功能，但是很多用戶沒有注意到這個功能。產品功能的留存優化應該針對第二、四象限，即完善第二象限的功能，將第四象限的功能放在更顯眼的位置，引導用戶更多地使用。需要注意的是，不要輕易地砍掉功能，因為功能之間的相關性，導致砍掉可能會影響到下一個流程。留存分析是深度分析的一個維度，而且需要長期持續跟蹤。具體分析過程中，還要結合版本更新，推廣等諸多因素，才能找到用戶的最佳周期，進而制定相應的留存策略，才能更好的實現商業變現。關於 GrowingIOGrowingIO 是基於用戶行為的新一代數據分析產品，吸取國內外數據分析的最佳實踐，顛覆傳統數據採集流程漫長、耗時耗力的弊病，創新一套秒級數據採集和分析解決方案，為用戶獲取全量、實時用戶行為數據，並提供業內領先增長諮詢服務，為產品和用戶增長提供決策支持，用數據驅動企業增長。GrowingIO 的留存功能非常強大，可以基於渠道、功能、用戶行為等做留存的追蹤和對比；更推出了留存魔法師功能，讓你迅速找到自己產品的魔法數字！點擊【閱讀原文】，立即免費試用使用留存魔法師，成為增長魔法師！↓↓↓