教你用留存曲线分析产品增长。

1.用户保留和用户活动的整体认知1.1保留和用户活动的基本核心是随着用户数量的增长，不断为不同类型的用户找到具有成本效益的最佳转换和增长路径，然后施加指导和激励。产品的长期价值是建立和稳定的 促进能产生意义的前提；不同业务类型 属性产品在思考“保留”时注定会有不同的重点；产品形式 功能越丰富，用户行为越多，“保留、促进活动”的技术含量越高；典型的用户转型和清晰的增长路径 闭环形成用户使用习惯行为后，用户激励系统可以通过产品化显著放大内部增长的效率。大多数人认为1.2增长/保留工作方法的增长/保留工作流程如下图所示：但实际增长/保留工作流程应如下图所示：所有“增长”工作最终都将构建典型的用户路径，引导和激励用户形成转型。大多数人认为1.2增长/保留工作方法的增长/保留工作流程如下图所示：但实际增长/保留工作流程应如下图所示：所有“增长”工作最终都将构建典型的用户路径，引导和激励用户形成转型。增长/保留/促进工作的基本前提是你应该有一个「用户转换/成长路径清晰，可驱动」。我们在一个产品上工作的所有目的，要么是为了发现它，要么是为了放大它。而且这条成长路径可能会不断变化。2.通过用户保留数据分析问题2.1保留曲线的定义说到保留曲线，首先要解释什么是保留率和流失率。从以上定义来看，保留曲线是不断跟踪不同时期活跃用户群的保留率随时间而变化的趋势。2.2如何绘制保留曲线2.2.确定关键行为的核心思想 初始行为：用户可以将完成的初始行为定义为留存用户？回访：当用户再次访问产品时，他们需要完成什么行为才能成为保留用户？在大多数情况下，初始行为与回访行为相同。当然，在某些特定场景的产品中也存在差异，关键取决于需求本身。2.2.2 选择时间周期的方法 不同产品的自然使用周期不同，如：投资产品：每周~每月；社交产品：每天；游戏产品：每天；内容产品：每天~每周；保险产品：每周~每月；如何找到这个时间周期？实践：分析月活动用户一个月内活动天数的比例分布；以月活动用户为分母；进一步划分一个月内不同活动天数的用户比例；找到用户比例最大的活动天数，即保留曲线的用户的自然使用周期。2.2.收集数据，制作表单 记录每个周期首次完成初始行为的用户数量，一般为激活用户数量；跟踪这些用户在下一个周期内继续完成回访的数量，一般为保留关键行为的用户数量；计算每个周期的用户数量占第一个周期激活用户数量的百分比。通过上述操作，如2.4.案例中提供的保留数据表。2.3如何从保留曲线中找到保留问题2.3.1评价曲线的基本形态 1.下滑型留存曲线：表示未达到PMF。专注于改变产品，找到核心用户群的价值定位，然后在此基础上扩展。此时不要开始盲目拉新，否则只能“无本之木”。2.趋平型保留曲线：说明产品达到PMF。在尝试过该产品的用户中，有一定比例的人发现了它的价值，并在一段时间后继续使用它，可以开始创新。3.微笑保留曲线:不仅可以达到PMF，还可以达到大量回流用户。理想的保留曲线通常只存在于特定类型的产品中。2.3.2.比较行业平均水平，观察产品用户保留时的变化趋势，也要结合产品行业的整体趋势。比较头部产品的数据差异和产品差异。观察变化趋势的思维方式：根据时间维度进行比较；根据增长策略实时前后的效果进行比较。将新的保留曲线与旧的保留曲线进行比较，观察新的保留趋势是否比旧的保留曲线起点更高，斜率更小，曲线更光滑。2.4案例分析本节通过一个简单的案例介绍了如何通过统计保留数据找到一些增长线索。假设这是一个音频产品的用户周留存数据表，我们可以看到一个周留存数据(虚拟数据，不涉及机密数据)。首先，假设数据的统计前提如下：保留行为：第一次登录时间周期：每周回访行为：再次登录保留率：第一次完成登录后的用户中有多少用户在下周完成再次登录。因为这是每周保留的数据表，所以在分析之前，需要对数据进行可视化处理。*懒惰，直接用Excel进行数据可视化处理。首先，我们绘制了平均保留曲线图，如下：通过上图，我们可以发现以下趋势：第一周只保留85%，这意味着15%的用户在第一次下载后没有登录；第一个月的次保留数据迅速下降至61%后，下降速度明显放缓，趋于稳步下降；从第三周到第17周，数据基本保持在50%-60%之间；从第18周到第36周，数据再次下降到39%-43%之间；从第37周到第45周，数据首次大幅下降2个百分点后，震荡下降到35%；从第46周开始，数据下降幅度增加，最终下降到23%；综上所述，这个保留曲线图是一个下降的保留曲线；然后，对于上述现象，我们将进一步处理案例中的保留数据表，获得保留热分布图，如下:上述结论通过每周保留环比图(红色代表优，绿色代表差)进行验证。放大上述数据热图后，可以发现数据异常或增长线索：从下载量表中可以清楚地发现「2018/4/22」「2018/9/23」「2018/11/18」「2018/12/23」四个时段的下载量与前后时段的下载量有明显差距。在「2018/4/22」，也就是说，在第16周，整体数据指标远低于前后数据近10个百分点，有明显的异常部分；从热图可以看出，从第46周开始，数据可能出现异常和明显下降。在「2018/4/22」，也就是说，在第16周，整体数据指标远低于前后数据的近10个百分点，并且有明显的异常部分；从热图可以看出，从第46周开始，数据可能出现异常和明显下降。为验证猜测，将横向热图（环比）改为纵向热图（同比），如下图所示：从数据趋势来看，再次证实上述猜测是正确的。根据以上数据分析，假设第一周平均保留率只有85%，第一次下载后15%的用户丢失。可能是渠道推广不准确造成的，也可能是用户第一次登录后没有达到兴奋时刻，很快就失去了。在「2018/4/22」，也就是说，在第16周，下载量激增，同比增长1倍。可能是增加了新的渠道曝光，跟进了运营活动。然而，保留率急剧下降。据推测，新活动的效果可能没有达到用户的预期效果。新运营活动带来的保留率远低于原激活过程带来的保留率，甚至降低了整个市场数据。在「2018/9/23」，下载量达到年度峰值，每周保留率也达到年度最高水平。猜测行为是可能增加的新用户激励限时活动，并增加渠道曝光率。可以在同比热图中找到「2018/9/23」短期内整体保留数据有明显改善。从「2018/11/18」下载量开始呈悬崖式下降，直接影响全年用户的留存趋势。猜测可能有大版本优化，整体产品定位转型，但效果不理想。结合用户生命周期，获得以下增长线索：新用户激活阶段：北极星指数：判断新用户激活率的基础：通过生命周期改善用户保留的策略，由于最大的影响和最低的操作难度，新用户激活率优先。数据现象：第一周平均保留率仅为85%。增长策略：提高渠道推广的准确性，提高新用户在激活时间的比例。实施方案：通过数据分析不同渠道的留存用户比例和活跃用户比例，找到优化方向，提高渠道渠道交付的准确性和转化率。优化新用户激活流程，提高新用户在激活时间的比例。新用户保留阶段：北极星指数：第一个月新用户保留率的判断依据：在通过生命周期提高用户保留率的策略中，提高新用户保留率排名第二，因为虽然影响效果类似于提高新用户的激活率，但操作难度较高。数据现象：新用户首月留存率仅为63%。数据增长空间大。增长策略：提高新用户实现激活时间的比例，提高新用户激活率执行计划：构建用户肖像，拆除用户在不同用户维度下使用产品的目的和行为。通过对不同用户的保留比例和活跃用户比例的数据精细分析，找到优化方向，改进不同用户群体的新用户激活策略。流失用户召回阶段：北极星指数：新用户召回率数据现象：从第36周开始，保留率明显下降，从39%下降到23%。判断依据：在通过生命周期改善用户保留的策略中，提高流失用户召回率排名第三，影响效果不如前两项，操作难度不易。增长策略：召回认同产品定位的用户，需要使用但已经丢失的产品。实施计划：通过短信Push等行为推送营销活动；进一步提高高质量内容（坑展示、Push推送等）的准确性；PS：第二篇文章将重点分析通过用户生命周期寻找增长策略的部分。