1. 首页
  2. 大数据

留存分析:如何高效实现活跃用户增长?(含产品化方法)

 

文章将:漏斗分析、路径分析、留存分析 相同点和差异点结合分析,对比之间的差异和相关性,可参考;

最近一直在写数据理论和机器学习相关的文章,好久没有写点实践相关的了。今天分享一下关于用户留存分析的逻辑细节及常见的产品化思路。

关于分析方法相关的内容,之前有写过《RFM分析的实现细节》《漏斗分析及产品化》《归因分析的详细逻辑》《路径分析的细节及产品化》,都是读者关注比较高的内容,大家可以参考。   

01

什么是留存分析

首先,我们看看什么是留存分析。

(1)可视化呈现

我想,这个图大家应该都不陌生:

640-15

是的,这是一个典型的用户留存分析图。

通常来讲,在这个图的左侧第一列是用户的获取时间,右侧是用户在后续第一天(周、月)、第二天(周、月)……依然有操作行为的用户数量以及留存率。这里的留存率=具体后序天用户数量÷用户获取天的总用户量(即上图中的第二列)。

时间粒度可以是天、周、月,甚至是年均可。

(2)分析的内容及意义

其实从上面的图中,包括留存分析的名称中,我们也能看出来,留存分析是用来分析新获取的用户在获取后的一段时间内,在网站或者APP的留存情况的分析。

直击本质,其实留存分析是将用户按照日期维度进行展开,看在展开日期中的行为表现,而主要看的是是否还属于网站用户,即留存。

这样展开后,一个非常大的好处是,可以分析用户的留存质量,避免出现新用户过多掩盖掉留存质量差的状况。

(3)关于留存分析的概况指标

当然了,上面的可视化的留存分析图比较复杂,主要是涉及到了一个日期的矩阵,虽然很直观,但是信息比较分散。有时为了汇报、做分析,或者建立北极星指标(可参考《北极星指标实战》),我们需要一个更概况的指标。

这一般就是日期留存率。比如:7日留存率、14日留存率、次日留存、月留存率等(注意30日留存和月留存不是一个概念,周留存和7日留存也不一样)。

强调:只说留存率不提日期就是耍流氓。因为明显时间越长留存越少,不同时间周期的留存是没有对比意义的。

具体计算比较好理解了,就是按照上图,将符合对应日期留存的用户加和做分子,对应的总用户做分母。

通过这一番操作,用一个指标衡量留存情况,就更加便捷了。

 

02

留存、漏斗与路径分析

我们之前其实分享过《路径分析》《漏斗分析》。留存分析是否和上述两个分析有一些关联呢?

答案是肯定的。

(1)相同点

这三个分析内容,都是针对用户的分析。

640-16

具体而言,都是针对用户在一段时间内,在不同的核心路径、或者产品环节发生的行为表现分析。

(2)差异点

这三个分析的侧重点是不同的。

  • 漏斗分析:侧重于核心产品流程,比如搜索、浏览、加购、下单、支付环节,分析用户在各个环节的转化流失情况。

  • 路径分析:侧重于明细的产品环节的链路流转,主要是了解用户在各个模块、各个产品环节之间是如何进行操作行为的。

  • 留存分析:侧重于分析用户随着时间变化的活跃情况。

(3)关联(这部分很重要哦)

其实,这三者也是有一定关联的。

我们可以把漏斗分析看作是一个概括的分析,分析一段时间内用户在核心产品流程上的转化率、流失情况。漏斗分析是事先固化了具体的行为链路,比如先搜索、后加购、再下单、支付。

但实际呢?用户的行为是千变万化的,肯定有用户加购以后又进行了搜索,或者下单以后进行了浏览等。所以不是按照漏斗分析这么理想的顺序来的。那如果想去分析用户具体的在各个产品环节的跳转路径,就需要将用户实际的行为顺序拆解开进行分析,这就是路径分析。

但这不代表漏斗分析没有意义。它固化了流程,也简化抽象了流程,虽然不能反映细节的路径关系,但是能分析整体的各个环节的转化。

漏斗和路径分析都更加注重于产品环节。如果想分析时间层面用户的行为表现呢?对,从产品环节中选择两个环节(或者两个衍生逻辑的环节),按照时间维度展开,就是留存分析了。

这是个人对于这几个分析的一点看法。

 

03

留存分析的产品化实现

最后我们简单聊聊关于留存分析的产品化实践。

(1)开始结束行为

首先,要明确的是开始和结束日期行为的定义。我们上文提过,留存分析看的是两个产品环节之间的时间展开。我们看神策的产品设计:

640-17

最顶端就是选择开始结束行为。

通常呢,我们看的是开始环节是注册行为,结束是用户登陆行为,这可以反映用户的留存,没有疑问。那如果开始日期是注册,结束日期是用户的购买呢?是不是也可以反映用户的留存呢?只不过比登陆更严格了。因此,不同的开始结束行为的定义,对于留存的统计,是有很大差异的。

具体用什么行为,还是要针对分析场景具体分析。不过在公司实践中,往往关注用户的留存质量用的是比较宽的逻辑,即关注的是注册用户的后续登陆行为,顶多是浏览,不会看比较偏后链路的行为(比如购买)。

为啥呢?

因为后续环节应该算作是用户的链路转化。既然用户已经回到网站了,那就可以用弹窗、优惠券等方式触达,和留存关系这件事,其实已经不大了。而且后链路的行为叠加了产品的漏斗损失,导致留存分析叠加其他因素,分析的意义减弱。

(2)分析周期

第二个重要的参数就是分析的日期范围以及时间力度。

时间范围比较好理解,即看哪个日期范围的用户行为。时间力度是啥意思呢?

640-18

对,这就是上文说的,7日留存和次周留存是不一样的。时间力度指的是我们分析留存是以日为单位、还是周、月。

(3)留存图

这个就是我们最开始抛出来的图表了,神策的图表包括两部分:

640-19

另外还有一部分是趋势图,这里就不放了,感兴趣的朋友可以自己看看。

(4)用户细分

当然,还有就是用户的细分。比如看整体新用户的留存表现,或者男性用户的留存表现等。

640-20

关于留存分析,今天就分享这些,关于如何基于留存分析进行用户运营,我后面单独分享。欢迎大家继续关注!

发表评论

登录后才能评论