雷鋒網(wǎng)按：本文作者陳維賢，雪橙金服運(yùn)營(yíng)經(jīng)理。

無(wú)論是工具類App、購(gòu)物類App、社區(qū)類app、音頻類app、還是游戲類App，都有一個(gè)重要的數(shù)據(jù)指標(biāo)——用戶留存率。因?yàn)锳pp的用戶留存率越高，意味著用戶使用產(chǎn)品的時(shí)間越長(zhǎng)，他們能夠?yàn)楫a(chǎn)品帶來(lái)現(xiàn)金流和資本估值也就越高。

內(nèi)容留人、功能留人、好友留人、物質(zhì)激勵(lì)、情感留人、個(gè)人品牌推薦、線下活動(dòng)等只是常見(jiàn)的提升用戶留存率的運(yùn)營(yíng)手段，為了更加有效和科學(xué)性的進(jìn)行用戶運(yùn)營(yíng)工作，運(yùn)營(yíng)需要做的是運(yùn)營(yíng)手段執(zhí)行前的用戶留存率數(shù)據(jù)分析，和運(yùn)營(yíng)手段執(zhí)行后的留存率提升效果評(píng)估。

1 什么是用戶留存率

在互聯(lián)網(wǎng)行業(yè)中，用戶在某段時(shí)間內(nèi)開(kāi)始使用應(yīng)用，經(jīng)過(guò)一段時(shí)間后，仍然繼續(xù)使用該應(yīng)用的用戶，被認(rèn)作是該應(yīng)用的留存用戶，這部分留存用戶占當(dāng)時(shí)新增用戶的比例即為留存率。

例如：7月份某旅行app新增用戶500，這500人在8月份啟動(dòng)過(guò)應(yīng)用的有250人，9月份啟動(dòng)過(guò)應(yīng)用的有200人，10月份啟動(dòng)過(guò)應(yīng)用的有150人，則說(shuō)明7月的這波新增用戶一個(gè)月后的留存率是50%，兩個(gè)月后的留存率40%，三個(gè)月后的留存率是30%。

留存用戶和留存率體現(xiàn)了應(yīng)用的質(zhì)量和保留用戶的能力。如果一款產(chǎn)品不僅能夠滿足用戶的核心需求，而且可以比較好的、比較快的、比較方便地滿足客戶的核心需求，那么這塊產(chǎn)品的用戶留存率基本不會(huì)太差。

2 常用留存數(shù)據(jù)分析工具

目前市面上有蠻多專業(yè)的數(shù)據(jù)機(jī)構(gòu)在提供數(shù)據(jù)統(tǒng)計(jì)服務(wù)，使用比較多的移動(dòng)應(yīng)用統(tǒng)計(jì)平臺(tái)大概有3、4家，國(guó)外比較流行的是Flurry，功能上非常全面；另外就是Google Analytics也推出了移動(dòng)版，但是其在國(guó)內(nèi)基本無(wú)法正常使用。而在國(guó)內(nèi)的統(tǒng)計(jì)分析平臺(tái)中目前比較有名的是友盟、TalkingData以及無(wú)需埋點(diǎn)即可實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)分析的GrowingIO。

這些工具都擁有非常強(qiáng)大數(shù)據(jù)分析能力，以用戶量較大的友盟為例，它除了可以做用戶留存率分析，還可以對(duì)新增用戶、啟動(dòng)情況、版本分布、用戶構(gòu)成、渠道分銷、運(yùn)營(yíng)商情況、管理等指標(biāo)都能十分清晰地統(tǒng)計(jì)出來(lái)。

3 用戶留存率圖表

當(dāng)產(chǎn)品植入數(shù)據(jù)統(tǒng)計(jì)分析工具的SDK，通常情況下數(shù)據(jù)分析工具的后臺(tái)就會(huì)自動(dòng)生成用戶留存率報(bào)表。

上圖是友盟統(tǒng)計(jì)為某產(chǎn)品提供的在7月4日——7月10日這個(gè)時(shí)間段里的新用戶留存報(bào)表。像GrowingIO 這樣的工具，為了讓運(yùn)營(yíng)更加方便的掌握產(chǎn)品的用戶留存率趨勢(shì)，在數(shù)據(jù)報(bào)表的基礎(chǔ)上還提供了留存曲線圖。

這是一個(gè)常見(jiàn)的留存曲線，我們把它分成了三個(gè)部分：第一部分是振蕩期，第二部分是選擇期，第三部分是平穩(wěn)期。其中振蕩期的優(yōu)化空間最大，將振蕩期引起用戶流失的問(wèn)題解決（引導(dǎo)頁(yè)/核心功能優(yōu)化），可以有效的提升其他兩個(gè)時(shí)期的用戶留存率。

4 用戶留存分析流程

第一步：分組

用戶留存分析的第一步是按照不同的（時(shí)間/渠道/行為等）維度進(jìn)行用戶分組。比如我們?cè)趯?duì)用戶留存率進(jìn)行日常的數(shù)據(jù)分析時(shí)，通常是按照單個(gè)自然日進(jìn)行分組，然后對(duì)任意時(shí)間段內(nèi)獲取到的新用戶在留存率上的表現(xiàn)做出個(gè)報(bào)表。

上圖是某社區(qū)類APP按照用戶的獲取日期進(jìn)行了一個(gè)用戶留存情況的分組。從圖中可以看到具體每一天的用戶留存表現(xiàn)情況。比如在6月28日這天獲得的用戶，一天后留存率27.8%，兩天后留存率是13.5%，三天后留存率是11.3%。

如果想深度地挖掘哪里出了問(wèn)題才導(dǎo)致這款社區(qū)型app的次日留存率這么低，只有這種圖是不夠的，我們還需要進(jìn)一步地分析用戶行為分析。

第二步：對(duì)比

運(yùn)營(yíng)想通過(guò)對(duì)用戶留存率的數(shù)據(jù)分析找到優(yōu)化方案和檢驗(yàn)運(yùn)營(yíng)策略效果，最核心分析的方法是根據(jù)用戶行為進(jìn)行分組的比較，因?yàn)?strong>絕對(duì)的數(shù)值在大多數(shù)場(chǎng)合下是沒(méi)有意義的，只有通過(guò)在不同維度之間做數(shù)據(jù)的比較分析，能幫助運(yùn)營(yíng)找到數(shù)據(jù)變化的原因。

比如對(duì)于百度貼吧客戶端來(lái)說(shuō)想驗(yàn)證看貼對(duì)新用戶的留存效果，則可以對(duì)同樣是來(lái)自A渠道的新用戶進(jìn)行（有使用看貼/未使用看貼）行為分組比較。通過(guò)比較可以知道使用過(guò)看貼功能的新用戶和非使用過(guò)該功能的新用戶，在三日留存率上相差50%以上（說(shuō)明看貼對(duì)新用戶留存用正向促進(jìn)作用）。

如果進(jìn)一步的進(jìn)行分組留存率分析的話，可以是對(duì)在看貼功能內(nèi)瀏覽了3篇貼子的新用戶和僅瀏覽1篇貼子的新用戶進(jìn)行分析，看他們?cè)诹舸媛噬系牟町惐憩F(xiàn)，要是瀏覽3篇貼子的用戶留存率大于1篇貼子的留存率，那么下一步則需要加強(qiáng)內(nèi)容質(zhì)量的把關(guān)，提升看的功能的PV/UV的百分比。

5 用戶留存數(shù)據(jù)分析案例

當(dāng)運(yùn)營(yíng)采取了某個(gè)運(yùn)營(yíng)手段來(lái)提升用戶留存率時(shí)，則可以通過(guò)對(duì)運(yùn)營(yíng)手段覆蓋到的新用戶留存率和未覆蓋的新用戶留存率做對(duì)比分析，來(lái)驗(yàn)證手段的有效性。

除了剛才提到的貼吧看貼的案例，這里再分享一個(gè)中東的數(shù)字音樂(lè)流app通過(guò)數(shù)據(jù)分析來(lái)改進(jìn)其引導(dǎo)頁(yè)以獲得更高新用戶留存率的例子（屬于通過(guò)數(shù)據(jù)分析尋找優(yōu)化方案的例子）。

這款app的初版引導(dǎo)頁(yè)由三個(gè)部分組織，分別為引導(dǎo)用戶定制自己的音樂(lè)、選擇自己喜歡的音樂(lè)類型、選擇對(duì)應(yīng)類型的音樂(lè)家，然后根據(jù)用戶的選擇進(jìn)行個(gè)性化的首頁(yè)內(nèi)容（音樂(lè)）推薦。

類似這種通過(guò)引導(dǎo)頁(yè)來(lái)獲取用戶信息，幫助用戶快速的在產(chǎn)品內(nèi)找到自己感興趣的內(nèi)容，從而提高用戶使用率和活躍度的方式在國(guó)內(nèi)的app用的也蠻多，可是大家都在這么做的情況下，自己的引導(dǎo)頁(yè)對(duì)提升新用戶留存的效率到底有多高呢？

為了解決上述的問(wèn)題，該app負(fù)責(zé)人進(jìn)行了如下的分析：將Amplitude（移動(dòng)數(shù)據(jù)分析工具）植入該音樂(lè)app引導(dǎo)頁(yè)的每個(gè)步驟，提取數(shù)據(jù)進(jìn)行分析與驗(yàn)證。他的數(shù)據(jù)分析的思路是將一段時(shí)間內(nèi)所有完成了三個(gè)引導(dǎo)頁(yè)的用戶都篩選出來(lái)，然后再計(jì)算他們?cè)谶@之后持續(xù)回訪產(chǎn)品的比例，同時(shí)也將這段時(shí)間里未完成三個(gè)引導(dǎo)頁(yè)的用戶篩選出來(lái)，將這些用戶的留存率與完成的引導(dǎo)頁(yè)的用戶留存率做對(duì)比。

經(jīng)過(guò)數(shù)據(jù)分析發(fā)現(xiàn)的完成三個(gè)引導(dǎo)頁(yè)的用戶多了47%的可能性成為長(zhǎng)期用戶（和沒(méi)完成的相比）。那么問(wèn)題來(lái)了，既然引導(dǎo)頁(yè)對(duì)于提升用戶留存率的效果，那該如何進(jìn)一步的提升完成引導(dǎo)頁(yè)的新用戶占總新增用戶的比例呢（什么原因?qū)е麓蠹也辉敢馔瓿梢龑?dǎo)頁(yè)里的任務(wù)）？

該app負(fù)責(zé)人對(duì)三個(gè)引導(dǎo)頁(yè)的新用戶點(diǎn)擊情況進(jìn)行漏斗模型分析，發(fā)現(xiàn)從第二個(gè)引導(dǎo)頁(yè)到第三個(gè)引導(dǎo)頁(yè)的流失率達(dá)到15%（按照負(fù)責(zé)人解釋的原因是在中東，用戶聽(tīng)歌認(rèn)臉多于認(rèn)音樂(lè)的類型?。?/span>。此外第一頁(yè)到第二頁(yè)雖然流失率不大，但是為了進(jìn)一步提升走完引導(dǎo)頁(yè)的用戶比例，該app負(fù)責(zé)人認(rèn)為可以將引導(dǎo)頁(yè)第一部分“Personalize Anghami”取消，因?yàn)檫@部分信息對(duì)更精準(zhǔn)的用戶推薦的幫助幾乎為零。

經(jīng)過(guò)以上兩輪的數(shù)據(jù)分析后，這個(gè)數(shù)字音樂(lè)流app改版后的引導(dǎo)頁(yè)變現(xiàn)只有兩個(gè)部分了，并且在展示元素上也做了優(yōu)化。

用戶留存率的交叉對(duì)比分析，除了可以用來(lái)做運(yùn)營(yíng)手段的有效性驗(yàn)證和功能優(yōu)化分析之外，其實(shí)還可以用在當(dāng)產(chǎn)品數(shù)據(jù)出現(xiàn)異常時(shí)的原因探究。下面再舉一個(gè)案例來(lái)說(shuō)明如何通過(guò)對(duì)比留存率，找到在運(yùn)營(yíng)過(guò)程中出現(xiàn)產(chǎn)品數(shù)據(jù)變化的原因。

有個(gè)工具型app最近DAU（日活躍用戶）上升的效果不錯(cuò)，DAU在一個(gè)月時(shí)間的時(shí)間里提升了3萬(wàn)，環(huán)比增加明顯。第一步先對(duì)數(shù)據(jù)進(jìn)行初步分析，發(fā)現(xiàn)該月新增用戶環(huán)比幾乎為零。

然后觀察新用戶的留存率，發(fā)現(xiàn)留存率在這個(gè)月大概提升了3個(gè)百分點(diǎn)，和產(chǎn)品同學(xué)溝通后發(fā)現(xiàn)月初發(fā)布了新版。為了查看是否為新版本更新帶來(lái)的留存率增長(zhǎng)，于是進(jìn)一步篩選查看了新版本的留存，發(fā)現(xiàn)新版留存率比整體是偏的，而新版在產(chǎn)品上并沒(méi)有很大的變化，所以問(wèn)題很可能是推廣的流量。

后來(lái)分析發(fā)現(xiàn)，新增的C渠道作為這個(gè)月的主推渠道，量占了40%，但留存率卻比總體還要高，所以最終的原因就是新版本在C渠道的推廣獲得了更多與產(chǎn)品定位相符的用戶。

總的來(lái)說(shuō)，用戶留存數(shù)據(jù)分析幫助運(yùn)營(yíng)進(jìn)行更加科學(xué)、可量化的用戶運(yùn)營(yíng)管理，同時(shí)為運(yùn)營(yíng)工作找到了一個(gè)新的價(jià)值標(biāo)準(zhǔn)：提升用戶留存率！

比如當(dāng)你策劃了一個(gè)內(nèi)容分享活動(dòng)，在不知道用戶留存率這個(gè)概念時(shí)只會(huì)說(shuō)分享數(shù)少，通過(guò)分享引入的新用戶多少，如果為這個(gè)分享活動(dòng)加上用戶留存率這個(gè)價(jià)值衡量指標(biāo)的話，則可以添加“參與分享活動(dòng)的新用戶與非參與活動(dòng)的新用戶留存率的對(duì)比，以及通過(guò)分享鏈接進(jìn)入到產(chǎn)品的新用戶與正常渠道進(jìn)入產(chǎn)品的新用戶留存對(duì)比。

雷鋒網(wǎng)注：作者陳維賢，百度前員工，小紅書早期社區(qū)運(yùn)營(yíng)與推廣工人。微信公眾號(hào)“產(chǎn)品菜鳥(niǎo)匯”，分享運(yùn)營(yíng)視角下的互聯(lián)網(wǎng)的有趣好貨。本文由人人都是產(chǎn)品經(jīng)理授權(quán)發(fā)布于雷鋒網(wǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系授權(quán)并保留出處和作者，不得刪減內(nèi)容。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。