运营：执行前的用户留存率数据分析，执行后的留存率提升效果评估

内容保留、功能保留、朋友保留、物质激励、情感保留、个人品牌推荐、离线活动只是提高用户保留率的常见操作手段，为了更有效、科学的用户操作工作，操作需要在用户保留率数据分析前进行操作手段，以及操作手段实施后保留率提高效果评价。在互联网行业，用户在一段时间内开始使用应用程序。一段时间后，继续使用该应用程序的用户被认为是该应用程序的保留用户。这部分保留用户占当时新用户的比例是保留率。比如7月份某旅游app有500个新用户，8月份有250个新用户，9月份有200个新用户，10月份有150个新用户，说明7月份这波新用户一个月后的留存率是50%，两个月后的留存率是40%，三个月后的留存率是30%。保留用户和保留率反映了应用的质量和保留用户的能力。如果一个产品不仅能满足用户的核心需求，而且能更好、更快、更方便地满足客户的核心需求，那么该产品的用户保留率就不会太差。目前市场上有相当多的专业数据机构提供数据统计服务，使用较多的移动应用统计平台约有3个、Flurry在国外很受欢迎，功能非常全面。此外，GoogleAnalytics也推出了移动版，但在中国基本上不能正常使用。目前，友盟、TalkingData和GrowingIO在国内统计分析平台中更为著名，无需埋点即可实现数据统计分析。这些工具都有很强的数据分析能力。以用户数量大的友盟为例，它不仅可以分析用户留存率，还可以清楚地统计新用户、启动、版本分布、用户构成、渠道分销、运营商情况、管理等指标。当产品植入数据统计分析工具的SDK时，数据分析工具的背景通常会自动生成用户保留率报表。友盟提供的用户保留率报表上图为7月4日至7月10日为某产品提供的新用户保留率报表。GrowingIO 为了使操作更容易掌握产品用户保留率的趋势，该工具还在数据报表的基础上提供了保留曲线图。GrowingIO的用户保留曲线是一种常见的保留曲线。我们将其分为三个部分：第一部分是振荡期，第二部分是选择期，第三部分是稳定期。其中，振荡期的优化空间最大，可以有效提高其他两个时期的用户留存率，解决振荡期引起的用户流失问题(引导页/核心功能优化)。4用户保留分析过程的第一步：分组用户保留分析的第一步是根据不同维度（时间/渠道/行为等）对用户进行分组。例如，当我们分析用户保留率的日常数据时，我们通常根据单个自然日进行分组，然后报告新用户在任何时间内获得的保留率的性能。上图是一个社区app根据用户的获取日期对用户留存情况进行分组。从图中可以看出每天用户保留的具体表现。比如6月28日获得的用户，一天后留存率为27.8%，两天后留存率为13.5%，三天后留存率为11.3%。如果你想深入探索这个社区应用的第二天保留率如此之低，只有这张照片是不够的，我们需要进一步分析用户的行为分析。第二步：比较操作希望通过用户保留数据分析找到优化解决方案，检验操作策略效果，核心分析方法是根据用户行为分组比较，因为绝对值在大多数情况下毫无意义，只有通过不同维度之间的数据比较分析，才能帮助操作找到数据变化的原因。例如，对于百度贴吧客户端来说，如果您想验证阅读贴纸对新用户的保留效果，您可以对同样来自a渠道的新用户（使用阅读贴纸/未使用阅读贴纸）进行分组比较。通过比较，我们可以知道，使用过贴纸功能的新用户和非使用过贴纸功能的新用户在三天内的保留率上有50%以上的差异（说明贴纸对新用户的保留有积极的促进作用）。如果进一步分组留存率分析，可以分析在阅读功能中浏览三篇帖子的新用户和只浏览一篇帖子的新用户，看看他们在留存率上的差异。如果浏览三篇帖子的用户留存率大于一篇帖子的留存率，那么下一步就需要加强对内容质量的控制，提高PV/UV功能的百分比。5 用户保留数据分析案例，当操作采用某种操作手段提高用户保留率时，可以比较和分析操作手段覆盖的新用户保留率和未覆盖的新用户保留率，以验证手段的有效性。除了刚才提到的贴吧看贴的案例外，这里还分享了一个中东数字音乐流app通过数据分析改进引导页面以获得更高的新用户留存率的例子。(属于通过数据分析找到优化方案的例子)音乐app的第一版引导页由三部分组织，分别定制自己的音乐，选择自己喜欢的音乐类型，选择相应类型的音乐家，然后根据用户的选择推荐个性化的主页内容(音乐)。类似于通过引导页面获取用户信息，帮助用户快速在产品中找到自己感兴趣的内容，从而提高用户利用率和活动在国内应用中使用相当多，但每个人都这样做，他们的引导页面提高新用户保留的效率有多高？为了解决上述问题，app负责人进行了以下分析:将amplitude(移动数据分析工具)植入音乐app指南页面的每一步，提取数据进行分析验证。他的数据分析的想法是筛选所有用户在一段时间内完成了三个指南页面，然后计算他们继续回访产品的比例，但也没有完成三个指南页面用户筛选，这些用户的保留率和完成的指南页面用户保留率进行比较。经过数据分析，验证第一个问题的Amplitude事件发现，超过47%的用户可能成为长期用户（与未完成的事件相比）。那么问题来了，既然引导页面对提高用户留存率的效果，如何进一步提高新用户完成引导页面的比例？Amplitude界面验证第二个问题的Amplitude负责人对三个引导页的新用户点击情况进行漏斗模型分析，发现从第二个引导页到第三个引导页的流失率达到15%(根据负责人解释的原因，在中东，用户听歌认脸比认音乐多！）。此外，虽然从第一页到第二页的损失率不大，但为了进一步提高完成指南页面的用户比例，该应用程序负责人认为指南页面的第一部分可以是“PersonalizeAnghami“取消，因为这部分信息对更准确的用户推荐几乎没有帮助。经过以上两轮数据分析，数字音乐流app修订后的引导页只实现了两部分，显示元素也得到了优化。音乐app第二版引导页用户保留率的交叉对比分析，不仅可以用来验证操作手段的有效性和功能优化分析，还可以用来探索产品数据异常时的原因。下面再举一个案例来说明如何比较保留率，找出产品数据在运行过程中发生变化的原因。最近DAU(日活跃用户)上升的一款工具型app效果不错，DAU在一个月内上升了3万，环比增长明显。第一步是对数据进行初步分析，发现本月新用户环比几乎为零。然后观察新用户的留存率，发现本月留存率增加了3个百分点左右。与产品学生沟通后，发现新版本在月初发布。为了检查新版本更新带来的保留率是否增加，我们进一步筛选和检查了新版本的保留率，发现新版本的保留率比整体版本偏差，新版本的产品变化不大，因此问题很可能是推广流量。后来，分析发现，作为本月的主要推广渠道，新增C渠道占40%，但保留率高于整体。因此，最终原因是新版本在C渠道的推广中获得了更多符合产品定位的用户。一般来说，用户保留数据分析有助于操作更科学、更可量化的用户操作管理，并为操作找到新的价值标准：提高用户保留率！例如，当你计划一个内容共享活动时，当你不知道用户保留率的概念时，你只会说共享的数量很少，通过共享引入了多少新用户。如果将用户保留率的价值测量指标添加到这个共享活动中，您可以添加“参与共享活动的新用户与非参与活动的新用户保留率的比较，以及通过共享链接进入产品的新用户与通过正常渠道进入产品的新用户保留率的比较。