
這節(jié)我們來聊一下用戶留存的話題,用戶留存有多重要呢?“不留存,就去死”,聽起來還是有點聳人聽聞的對吧。說到留存,不得不先弄清楚用戶畫像,所謂“知己知彼,百戰(zhàn)不殆!”
很多大佬們往往更關(guān)注留存這一環(huán)節(jié),那么這一環(huán)節(jié)有什么奇妙的地方呢?由于這一章內(nèi)容較多,小P給大家找到了思維導(dǎo)圖方便大家理解:
首先,書中關(guān)于用戶留存舉了BranchOut的反例:從2012年1月開始,短短幾個月時間里,BranchOut的總用戶數(shù)增長到2500萬,月活躍用戶一度達(dá)到1400萬,并且完成了C輪融資。就是這樣一個看起來前景一片大好的社交網(wǎng)站,是怎么最后淪落到到處找買家賤賣的下場呢?
歸根結(jié)底,就是沒有注重用戶的留存問題,團(tuán)隊把精力全部放在了用戶獲取上。其實這樣的事情在國內(nèi)我們也見過不少,很多app都有過聲勢浩大的階段,但后來卻逐漸消失在我們的視野中。我們?nèi)ソY(jié)合產(chǎn)品的“S”曲線就會發(fā)現(xiàn),這類產(chǎn)品在當(dāng)時巨大的用戶增量面前,并不足以承擔(dān),并且很可能會對產(chǎn)品造成很大的負(fù)擔(dān),產(chǎn)品功能及各方面不夠匹配這么大的用戶量,一味的增長反而會加速產(chǎn)品走向下坡。其實,我們首先要認(rèn)清一個公式:
凈用戶增長=新用戶加入-老用戶流失
這也就意味著我們的流失數(shù)最起碼要與新用戶數(shù)保持持平,才會實現(xiàn)增長。然而現(xiàn)實中,很多新人會被眼前的新用戶數(shù)沖昏頭腦,而忘記產(chǎn)品現(xiàn)有功能是否能滿足大量用戶基本使用需求以及是否能滿足小眾用戶的特殊需求。所以,出現(xiàn)這些問題也就可以理解了。
我們再來定義下留存,女主說:衡量留存,我們推薦使用計算同一用戶群不同時間的留存率(Retention rate)來繪制留存曲線(Retention curve),有時候也叫做進(jìn)行同期群分析(Cohort Analysis)。簡而言之,就是把同一時期加入的用戶放在一起,橫向追蹤他們在接下來幾個月、一年的時間里,是不是還持續(xù)使用這個產(chǎn)品,有多大比例流失了,在什么時間流失了,從而了解用戶隨時間變化的留存情況。在定義留存這個環(huán)節(jié)中,首先我們需要明確定義自己產(chǎn)品留存關(guān)鍵行為以及用戶的天然使用周期,這樣我們就可以著手繪制留存曲線圖了。想要畫出一個周留存曲線,只需以下四步:
1. 記錄每一周首次完成關(guān)鍵行為的用戶數(shù),也就是激活用戶數(shù)。
2. 追蹤這些用戶在接下來的每一周里繼續(xù)完成關(guān)鍵行為的數(shù)量。
3. 通過前兩步,計算每一周有關(guān)鍵行為的用戶占首周激活用戶數(shù)的百分比。
4. 把百分比數(shù)據(jù)畫成曲線圖,就是你的留存曲線了。
步驟4
那么,從這個留存曲線當(dāng)中我們能看出什么呢?
橫向觀察時:用戶的流失是不可避免的,但好的留存曲線應(yīng)該是變得越來越平
縱向觀察時:隨著產(chǎn)品的改善,以及各種留存手段的幫助,后來加入的用戶其留存曲線的
的斜率應(yīng)該比之前加入的用戶的平緩。
同樣,用戶留存周期也是分階段的。
1. 新用戶激活階段:包括新用戶的注冊、激活流程和整體的新用戶體驗。這一階段的主要目標(biāo)是幫助新用戶上手,快速發(fā)現(xiàn)產(chǎn)品達(dá)到Aha時刻。
2. 中期留存階段:是指用戶完成了首次關(guān)鍵行為之后繼續(xù)熟系產(chǎn)品,發(fā)現(xiàn)更多的價值。主要目標(biāo)是幫助用戶形成使用習(xí)慣。
3. 長期留存階段:這時用戶對產(chǎn)品的使用已經(jīng)非常熟悉,主要目標(biāo)是讓用戶經(jīng)?;貋硎褂卯a(chǎn)品,感受到產(chǎn)品的核心價值,避免用戶的流失。
4. 流失用戶階段:這一階段是針對已經(jīng)流失的用戶,主要目標(biāo)是讓用戶重新發(fā)現(xiàn)產(chǎn)品價值,喚回用戶。
不同階段,目標(biāo)也不同。把握住留存的各個階段,實操起來才會更輕松。
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(zhuǎn)換:從基礎(chǔ)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(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)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(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)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(yù)期算子的內(nèi)涵、作用與應(yīng)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(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)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(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、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(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)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(zhǔn)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(jìn)行 HTTP 網(wǎng)絡(luò)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(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、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(xué)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(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)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(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)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(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)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(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)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(wù)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(dǎo)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