
01、什么是aha 時刻
Aha時刻也叫驚喜時刻,是用戶第一次認識到產(chǎn)品價值時,脫口而出“啊哈,原來這個產(chǎn)品可以幫我做這個啊?!焙唵蝸碚f就是用戶第一次使用時候的驚喜體驗。
Aha時刻主要發(fā)生在用戶激活階段,它是用戶激活的關鍵。當用戶被吸引來,并不是所有都會轉化成活躍用戶,但如果用戶獲得Aha時刻,即從產(chǎn)品中發(fā)現(xiàn)了價值,就會順利轉化成活躍用戶,而且較容易轉化成粘性較高的忠誠用戶。
Aha時刻也并不是虛無縹緲的,他有一些具體的規(guī)律:清晰、具體、可量化。總的來說,他可以用一句話來描述:(誰)在(多長時間內(nèi))完成(多少次)(什么行為)?
以下列舉出幾個代表性APP的用戶Aha時刻:
支付寶,7天內(nèi)穩(wěn)定使用支付寶3個以上的功能。
Faceu激萌,一天利用濾鏡完成1張照片的美化。
Airbnb,6個月時間完成首次訂單,并且有4星以上評價
02、aha 時刻的價值
單個用戶在產(chǎn)品中的生命周期包含四個階段,拉新 -> 激活 -> 留存 -> 流失, 由于現(xiàn)在拉新的成本越來越大, 所以我們希望的是拉來一個用戶, 他們都能夠盡可能的留下來, 所以拉承一體化的打法非常重要。
不當當是把用戶從渠道利用采買的方法拉過來, 同時要做好用戶來到我們app 上的承接, 那么怎么做做承接呢, 就需要針對用戶進行相對應的aha 時刻的分析, 去發(fā)現(xiàn)留存的aha時刻
當我們找到用戶的aha 時刻, 我們就可以針對性的引導用戶去讓他們達到他們的aha 時刻, 從而提高相應的留存
比如我們玩抖音的時候, 通過數(shù)據(jù)分析發(fā)現(xiàn) 7天內(nèi) 用濾鏡拍了 三個視頻的用戶的留存率會大大提高, 那么作為產(chǎn)品經(jīng)理就可以去引導用戶多用濾鏡去拍視頻, 同時對于濾鏡本身的功能我們也可以相對應的進行優(yōu)化
03、如何挖掘aha 時刻
那么我們?nèi)绾稳ネ诰蚓唧w一款app 他們的aha moment 呢, 我們以留存為例子, 聊聊怎么利用數(shù)據(jù)分析去挖掘 用戶留存的 aha moment。
1. 特征行為提取
拿某直播app 作為例子, 與留存的相關的行為可以分為 登錄行為, 觀看行為, 彈幕行為, 付費行為, 然后在每一個大的行為分類進行小的指標的刻畫。
比如去描述登錄的行為我們就可以用 30天登錄天數(shù), 7天登錄天數(shù), 還可以用比率型指標, 像最近30天的登錄天數(shù)和過去30天的登錄的天數(shù)的比值, 這個反應了用戶活躍度的變化
2. 相關性分析
我們以y=1 表示用戶留存, 0 表示用戶不留存(流失),這樣每一個用戶就可以用0 和1 表示他留不留存下來
同時我們把用戶的每一個行為特征都用具體的數(shù)字去量化出來, 比如用戶的觀看行為, 我們就可以用30天每天的平均觀看時長來表示, 觀看時長越長可能就代表用戶對直播的app 越感興趣,
同樣的其他的數(shù)據(jù), 比如發(fā)彈幕等等也是從其他維度去刻畫用戶的行為特征, 那么我們就可以得到比如用戶 a, 30天觀看天數(shù)XX天, 日均觀看時長xx 分鐘, 是否留存, 這樣很多行的數(shù)據(jù).
每一個用戶一行, 然后我們就可以用之前的講過的相關性分析的方法(_相關性分析法請見數(shù)據(jù)分析方法和思維—相關性分析法 ),去挖掘哪些行為和留存相關, 因為挖掘用戶aha moment 的前提是要保證這些行為是跟我們研究的留存是有關系的。
留存相關最大的四大因素:
?30天或者7天登錄天數(shù)(cor: 0.66)
?30天觀看品類個數(shù)(cor: 0.44)
?30天觀看主播數(shù) (cor: 0.37)
?30天日均觀看時長(cor: 0.26)
這里的cor 代表每一個行為特征和留存的相關性大小, cor 的值越大代表相關性越大。
3. aha moment 的計算
發(fā)現(xiàn)了影響留存了原因以后, 我們就要尋找這些行為是達到一個怎么樣的值以后, 會大大影響留存的概率, 所以我們計算了30天登錄天數(shù), 7天登錄天數(shù), 月日均觀看時長, 30天觀看主播數(shù), 30天觀看品類數(shù)和留存的關系 下面是畫出來的圖
拿30天登錄天數(shù)作為例子, 橫軸就是 30天內(nèi)不同登錄天數(shù), 縱軸就是留存率, 當橫軸為7的時候, 留存率趨于穩(wěn)定, 這時候就達到較穩(wěn)定的狀態(tài)也被稱作 aha moment.
我們可以發(fā)現(xiàn)幾個神奇的aha moment
月登錄4天
周登錄三天
月觀看7個主播數(shù)
月觀看4個品類數(shù)
月日均觀看時長4分鐘
這里的aha moment 說明用戶在一個月登錄4天, 一周登錄三天, 月觀看7個主播數(shù), 月觀看4個品類數(shù), 月日均觀看時長4分鐘, 會大大提高用戶的留存率
4. 業(yè)務價值
當我們找到用戶的aha moment 的時候, 我們就要跟產(chǎn)品或者運營一起討論溝通, 如何通過現(xiàn)在端內(nèi)一些產(chǎn)品的功能的優(yōu)化提高用戶的登錄天數(shù), 觀看主播數(shù)等等。
比如登錄天數(shù), 我們就可以利用比如登錄簽到領取禮包的方式誘發(fā)用戶去登錄, 讓用戶達到具體的aha moment 的數(shù)字, 比如一周引導用戶登錄3天就可以領取一個大獎
比如觀看的主播數(shù), 我們就可以利用比如用戶在觀看直播間的時候推薦一些相關的主播, 這些主播可能是用戶喜歡的同種類型的主播或者根據(jù)用戶的興趣標簽選出來的可能喜歡的主播
因為所有的策略 要圍繞 用戶+ 需求+ 場景去設計的, 用戶在觀看直播間的時候, 這是一種場景, 在這個場景下用戶是有一定需求是可以給我推我可能喜歡的主播
這樣產(chǎn)品的承接形態(tài)也比較自然
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10