產品經理：從0到1搭建產品留存分析體系

本文作者：檀潤洋，數據分析產品 GrowingIO 數據分析師。 加州大學聖地亞哥分校碩士，曾任職美國 Emas Pro、 Kyocera 分析師，豐富的數據分析技術和案例實戰經驗。回國后加入 GrowingIO，致力於為客戶構建數據模型，實現業務增長。本文首發於GrowingIO 博客和公眾號，授權轉載。

資本寒冬下，大家都在談增長，DAU（日活躍用戶數）似乎已經成為企業和媒體描述產品增長的標配指標。然而，單獨的DAU增長能否成為產品的護身符？要想實現長久穩定的用戶增長，我們還遺漏了哪些？

本文將結合兩個案例，和大家分享留存、Magic Number和以用戶增長為目標的產品迭代策略。

一、什麼是真正的用戶增長

留存，顧名思義，就是用戶在你的網站/APP中留下來、持續使用的意思。留存的概念簡單易懂，但是能深入了解留存本質的人還是很少的。

（一）增長與留存的關係

上面這張圖中：新用戶來到我們的產品，隨著時間的推移逐漸流失；雖然總體上用戶數是在不斷增長的，但是流逝的用戶也逐漸增多。

上面這張圖中：雖然新用戶進來後有一定流失，但還是有較高的留存；隨著時間的推移，用戶總數上升非常快，這才是真正的增長。

很多企業花大錢吸引新客戶，比如O2O行業常見的「首單免費」模式。雖然當天的DAU有很大的提升，但其實這些用戶都是一些負資產；因為很多人享受到第一次優惠就走了，這是不科學的增長方式。

要想實現真正的增長，首先我們的產品得滿足用戶的核心價值，然後通過運營方式讓用戶留下來、持久使用我們的產品。我們不能老是看DAU，而應該更多關注留存；只有留存提升才能實現真正的增長。

（二）產品什麼時候做增長

不是任何階段產品都可以快速增長的，在快速增長之前，你需要對你的產品進行精準的定位。我們需要確定產品有人用、用戶有一定的市場規模、有清晰的商業模式，這就是產品和市場相匹配（Product Market Fit , PMF）的概念。

一旦我們找到了PMF，我們就要考慮逐步去做增長，這裡面很重要的一點就是數據驅動。二、留存分析都有哪些方法論

（一）數據分析方法概論

給大家介紹一個非常樸素的數據分析方法論，它適用於大部分數據分析場景，包括留存分析。

首先我們通過日常的數據監控來發現問題, 然後根據問題去設立一個解決目標，並且用數據去探索。探索問題的過程中，原因可能會多種多樣；我們會建立各種各樣的假設，根據假設進行試驗，最後后根據實驗結果去檢驗假設。這樣循環直到我們找到一個滿意的結果，然後用來優化產品或運營。

（二）留存分析框架

常見的AARRR模型包括五個環節，在這裡面留存分析分為兩個階段：新用戶留存分析和產品留存分析。

首先是新用戶留存分析，用戶剛剛使用我們產品的時候，決定用戶去留的就是它。我們基本上只有一次機會去展示我們產品，一定要把我們產品最有價值的東西展示給出來，不然用戶就流失了。

第二個是產品留存分析。新用戶留下來以後持續使用你的產品，他會逐漸去挖掘、探索產品的不同功能的特點。這個時候我們需要一個功能去打動用戶，做出新花樣讓用戶覺得你的產品很好，只有這樣用戶才會長久留下來。後面我會和大家分享的Magic Number，就是這樣一個數據分析工具。

Sidekick 是一家做強化Email 功能的SaaS公司，它可以做一些個性化的郵件，還可以監控收郵件的人是否打開了郵件。他們通過數據監控發現，新用戶的留存率在持續大幅度下降。

（一）流失用戶分析

針對新用戶流失嚴重的問題，我們制定出一個目標：希望提升第一周的留存率。為了達成目標，我們需要進行數據探索，做流失用戶畫像分析，看看流失用戶都有哪些特徵。

我們分析了流失用戶使用我們產品的次數，發現近60%的流失用戶只用了一次我們的產品就流失了。這說明在用戶進入我們產品時，第一次體驗不好或者沒有發現產品價值的話，用戶就會流失。

通過進一步的流失用戶訪談發現：30%的用戶沒有感受到產品價值，30%的用戶表示不理解產品的用途。這兩類問題的核心在於如何讓用戶快速發現我們產品的價值，而且佔了60%，需要優先解決。

（二）產品迭代探索

提升留存主要有兩大思路，一是改變產品或者技術，二是通過運營進行人工干預。既然用戶沒有及時發現我們產品的價值，回歸到剛才的方法論，我們可以進行系列探索。

嘗試1：砍掉使用頻率低的功能

既然用戶沒有及時發現我們產品的價值，那我們就嘗試砍掉複雜難懂的功能、突出核心功能。試驗結果發現留存率不但沒有提升、反而繼續下降。

用戶不知道我們的產品核心價值是什麼，那麼對新用戶進行產品內提示呢？結果顯示留存率繼續下降，嘗試並沒有收到什麼好的效果。

既然用戶不知道怎麼用我們的產品，那麼我們就又嘗試做一個引導視頻；其實很多公司都在這麼做，最後數據表明還是不行。

大概做了20多個試驗后才發現了一個可行的方法，當用戶下載安裝完產品后，提示用戶：你可以去你的郵箱使用我們的產品、追蹤郵件了。

因為用戶發現產品從網頁上下載，想當然認為是在網站上直接使用，所以客戶端產品的留存率非常低。於是他們給用戶一個提示–––你可以去郵箱直接使用，加了這句話后，留存效果就好多了。

這個是數據的結果，之前是藍色那條線的，最後慢慢提升成黃色那條。通過這個案例，我們可以對留存分析的方法論、數據分析的過程有一個清晰的認識；而且產品迭代的過程沒有那麼簡單，需要反覆探索、循環。

四、產品功能留存分析：Magic Number探索實踐

（一）產品功能留存分析方法論

新用戶的留存率提升以後，我們面臨第二個問題，將處於平穩期的留存曲線上移。如何提升用戶的整體留存度，提昇平穩期的留存曲線，我總結了三個方法。

第一，分析不同功能模塊的留存趨勢，增加產品的粘性。

第二，分析不同功能模塊的訪問人數和活躍度。

第三，分析用戶使用功能的路徑，找出流失原因，降低流失率。

（二）Magic Number探索實踐

一個用戶使用了我們網站或者APP的某些功能、做了某些動作，然後留下來持續使用我們的產品、成為忠誠的用戶。這說明用戶的行為和留存率之間是有一些相關性的，我們要找出這種相關性，然後去看是否有因果關係。

Magic Number可能有些抽象，我們需要對其量化。給大家舉幾個例子，Facebook發現用戶10天內添加7個好友的留存度更高，Twitter發現用戶10天內關注30個大V的留存率更高。這些Magic Number都是通過數據分析、數據挖掘的方式找出來的，並且有一套完成的方法論。

一個社交類APP可能有多個on boarding功能，包括登錄、添加好友、添加關注、發送消息、點贊、分享、上傳文件等等。

第二步，分析用戶行為與最終留存度之間的相關性。

用戶一周內點擊7次關注用戶的留存度為57.5%，一周內點擊5次關注博客的留存度為54.4%，一周內點擊6次點贊或者評論的留存度為52.6%，均為強相關。

第三步，篩選出合適的Magic Number。

根據公司目前的發展戰略、操作成本、可執行性、A/B測試篩選出合適的Magic Number。假如這個APP產品目前發展戰略是快速獲取新用戶、擴大市場，那我們可以將「一周內添加7個新用戶」作為最終的Magic Number。

第四步，找到了最終的Magic Number，我們需要去執行、運營好它。

比如在這個社交APP裡面鼓勵用戶添加好友，為用戶更加精準的推薦好友。從而實現最初的目的，培養用戶產品使用習慣、提高用戶粘度，促進增長。

一旦留存提升上來，我們就可以做用戶變現或者傳播推薦，這樣我們的用戶才會慢慢增長。通過不斷的市場拉新，留存的用戶慢慢沉澱下來，成為我們的重要用戶，是可以變現的。而那些不穩定的用戶，我們還要做各樣的產品和運營方面的改進，讓他們逐漸變成留存用戶、然後開始變現。

只有用戶的留存度提升上來了，我們才能真正實現活躍用戶的增長。