数据化运营管理_互联网行业(三)(存留篇)

文章转载自知乎专栏“撩撩数据吧”。原文链接:https://zhuanlan.zhihu.com/p/21304519?refer=jiago

#文前小絮#文章内容条理性不足,为了避免给大家造成误导,这里首先理一理日活、存留、复购、流失这几个概念。

日活:每天活跃的用户量,这个相对好理解,但有一些公司不会关注活跃数量,只关注订单量分布以及下单用户量分布。

存留:注册后在一定时间内有登录行为,存留更关注的的是产品行为,对存留的影响一般是产品的体验、质量、核心功能等,对存留的分析的目的一般也是落地在产品上。通过对产品功能的调整、优化,来提高存留率。

复购:在一定时间内再次购买行为,复购更关注的是消费行为,对复购的影响一般是商品或服务的质量、售后体验、用户消费满意度等,对复购的分析也会落地到商品或服务上。

流失:根据公司关注的内容不同,对流失的定义也不同,关注存留的将一定时间内没有登陆行为的定义为流失,关注复购的将一定时间内没有消费的定位为流失。通过对存留情况的分析,也能从一定的角度反映流失情况,但是可以对流失进行更细致的分析。

有的公司只关注存留(不销售商品或服务的),有的只关注复购,也有同时关注两者的,两者的分析方法也有很多相同的地方。下面先介绍日活和存留。


正文

日活/存留

在互联网行业,通过各个渠道或者活动把用户吸引过来,但是过一段时间就会有用户流失走掉,当然也会有一部分用户留下来,留下来这部分用户就叫做存留用户。互联网行业的拉新成本现在都很高,要投入广告、投入时间,这些都是成本。如果用户还没有产生什么价值就流失了,那一定是亏了。相反,拉过来的用户,存留的时间越长,产生的价值也就越大,也才能弥补其他流失用户所产生的损失。因此,提高用户的存留时间,也是提高公司收入,为公司创造更多价值的重要一环。

有些公司只关注用户日活量(每天的活跃用户量),有时虽然看着也不少,但其中可能也隐藏着问题,日活用户包括新用户和存留的老用户,如果存留的老用户越来越少,由拉新过来的用户来掩盖了存留的问题,是公司成本的巨大浪费。短期来看,如果存留正常,这么好的拉新效果,本可以给公司带来更高的日活量;往长期看,拉新的难度系数和成本会随着时间而上涨的,如果没有好的存留,仅仅靠拉新难以长期维持一个健康的日活量,存留率的健康也是公司发展的根本要素之一。

分析目标:通过分析用户的日活/存留,来帮助运营人员发现问题、监控数据,为调整策略提供数据支持,达到提高日活/存留的效果。

分析角度:

1.日活监控,观察用户活跃数据,分析日活健康度

2.观察存留规律,定位存留阶段,辅助市场活动、市场策略定位等

3.对比不同用户、产品功能的存留情况,分析产品价值、辅助产品调整

分析方法:

1.日活监控,观察用户活跃数据,分析日活健康度

这里说日活有些片面了,因为并不是所有的公司关注的都是日活,根据公司产品定位的不同,关注的活跃周期也会不同,游戏、知乎、叫车等可能会重点关注日活,但是例如旅游、租车、家装这种订单密集度不高的,会根据自身的情况关注周活或者月活。尽管分析的活跃周期不同,但是分析方法类似,下面就仅以日活来举例。

活跃用户一般可以分为以下三类:

有些公司可能不太关注回流(一定时间内没有登陆的用户再次登陆)这部分用户,我将它列出来,是认为了解回流用户的日活情况在一些场合中是有价值的,例如活动期间、发优惠券测试,是否会对流失用户的回流产生了作用。

上图中采用堆积面积图,其面积大小为各类型用户数,堆积总高度为总活跃用户数。对于日活数据来说,相对理想的情况是老用户占比较高,为活跃用户主力,并且呈现逐步上升的趋势,代表产品对新用户的粘性较好,总体拉新存留大于流失用户。否则,要么是新用户的存留率过低,要么是老用户的流失率过高,都需要进行调整。(尤其是新用户活跃数量相对较高的情况,提升空间相对比较大)

上图中,可以看出在5月19日之前的日活平稳,老用户数占比也比较平稳,在19日之后老用户占比逐步升高,并且可以注意到在5月19日之后的几天内,回流用户是有一定程度的上升的。我们可以想象为,该产品在5月19日到22日之间举办了一些活动,或者是产品上进行了调整,拉动了流失用户的回流,并且提升了产品的粘性。

2.观察存留规律,定位存留阶段,辅助市场活动、市场策略定位等

存留规律分析应该分开对待,一部分高频小额订单(例如外卖)这种互联网公司,其分析模式类似于游戏、知乎、SasS平台,会以日为单位来分析存留。

如上图所示,这种用户登录频率较高的应用,可以通过上图分成三个阶段,过滤期、试探期、平稳期。刚开始接触一个应用的用户中,有大量的用户是质量不高的用户,不可避免的要经历一个存留率大幅下降的阶段,但这一阶段周期一般较短(我认为这一阶段可能更多的是应用筛选用户)。在这一阶段过去之后,用户会对应用进行详细的试探,是否让自己满意,这段期间也会有部分用户流失。最后留下的就是相对稳定的用户了。

可以通过对产品的调整,来提升各阶段的存留率,上图中5月3日的存留情况相比于4月13日的已经大幅好转。这种对比图有助于观察跟踪产品的调整效果。

一些以订单为盈利模式的互联网公司,如果也关注存留率的话,一般会将存留分析的时间周期拉大到周或者月,要让用户每天登陆花钱下单,是难为用户了。

上图可称之为手枪图,该图可以看出用户存留的整体情况,存留率有没有越来越高,产品粘性是否做的够好,通过上图可以看出一定的问题来。但要像日存留那样,找出用户存留的三个阶段是比较困难的,因为用户是否存留下来更多的取决于消费体验,并且消费体验周期过长,很难判断用户是否会再次消费。所以对于这种以订单为盈利模式的产品来说,从复购的角度分析更为合理。(下一篇进行介绍)

上面的表格也可以用在日存留,与日存留的折线图结合使用。

3.对比不同用户、产品功能的存留情况,分析产品价值、辅助产品调整

如上图所示,通过对比,发现使用了分享功能和收藏功能的用户的存留率相对较高。得到这样一个信息后,可以通过产品上的调整,来鼓励用户使用分享、收藏等功能,以此来提高用户的存留率。

这种对比可以是多种形式的,将功能选择换成用户分类、用户来源,可以从不同的角度来观察问题。例如,如果发现男性用户的存留率比女性用户低,那么一是可以提醒反思造成这种情况的原因是什么,或者是可以调整产品推广渠道,以吸引女用户主。

存留率是互联网公司非常关注的指标之一,而很多公司会对存留率进行非常深入的挖掘。上文提供几种存留率常用的展现形式,为分析存留率提供一定的参考。


作者:知乎达人“jiago王”,知乎专栏“撩撩数据吧”。帆软数据人,乐于交流的数据小兵。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,602评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,442评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,878评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,306评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,330评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,071评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,382评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,006评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,512评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,965评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,094评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,732评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,283评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,286评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,512评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,536评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,828评论 2 345

推荐阅读更多精彩内容