加入收藏 | 设为首页 | 会员中心 | 我要投稿 应用网_丽江站长网 (http://www.0888zz.com/)- 科技、建站、数据工具、云上网络、机器学习!
当前位置: 首页 > 运营中心 > 产品 > 正文

用户增长黑科技: 你找到那个Magic Number 了吗?

发布时间:2016-11-06 15:03:09 所属栏目:产品 来源:微信公号GrowingIO 在流量红利已稍显乏力的今天,单纯
导读:副标题#e# 作者:檀润洋 来源:微信公号GrowingIO 在流量红利已稍显乏力的今天,单纯的DAU(日活跃用户数)增长能否成为产品的护身符,想要实现长久稳定的增长,我们应当关注哪些指标?本文将结合案例,和你分享实现用户增长的黑科技。 -1- 什么是真正的

因为用户发现产品从网页上下载,想当然认为是在网站上直接使用,所以客户端产品的留存率非常低。于是他们给用户一个提示–––你可以去邮箱直接使用,加了这句话后,留存效果就好多了。

用户增长黑科技: 你找到那个Magic Number 了吗?

最后试验留存度大幅提升

这个是数据的结果,之前是蓝色那条线的,最后慢慢提升成黄色那条。通过这个案例,我们可以对留存分析的方法论、数据分析的过程有一个清晰的认识;而且产品迭代的过程没有那么简单,需要反复探索、循环。

-4-

产品功能留存分析:

Magic Number探索实践

(1)产品功能留存分析方法论

新用户的留存率提升以后,我们面临第二个问题,将处于平稳期的留存曲线上移。如何提升用户的整体留存度,提升平稳期的留存曲线,我总结了三个方法。

第一,分析不同功能模块的留存趋势,增加产品的粘性。

第二,分析不同功能模块的访问人数和活跃度。

第三,分析用户使用功能的路径,找出流失原因,降低流失率。

(2)Magic Number探索实践

一个用户使用了我们网站或者APP的某些功能、做了某些动作,然后留下来持续使用我们的产品、成为忠诚的用户。这说明用户的行为和留存率之间是有一些相关性的,我们要找出这种相关性,然后去看是否有因果关系。

Magic Number可能有些抽象,我们需要对其量化。给大家举几个例子,Facebook发现用户10天内添加7个好友的留存度更高,Twitter发现用户10天内关注30个大V的留存率更高。这些Magic Number都是通过数据分析、数据挖掘的方式找出来的,并且有一套完成的方法论。

用户增长黑科技: 你找到那个Magic Number 了吗?

Magic Number 的探索过程

第一步,确定产品 onboarding 功能。

一个社交类APP可能有多个onboarding功能,包括登录、添加好友、添加关注、发送消息、点赞、分享、上传文件等等。

第二步,分析用户行为与最终留存度之间的相关性。

如下图,用户一周内点击7次关注用户的留存度为57.5%,一周内点击5次关注博客的留存度为54.4%,一周内点击6次点赞或者评论的留存度为52.6%,均为强相关。

用户增长黑科技: 你找到那个Magic Number 了吗?

不同行为组合与留存度之间的相关关系

第三步,筛选出合适的Magic Number。

根据公司目前的发展战略、操作成本、可执行性、A/B测试筛选出合适的Magic Number。假如这个APP产品目前发展战略是快速获取新用户、扩大市场,那我们可以将“一周内添加7个新用户”作为最终的Magic Number。

第四步,找到了最终的Magic Number,我们需要去执行、运营好它。

比如在这个社交APP里面鼓励用户添加好友,为用户更加精准的推荐好友。从而实现最初的目的,培养用户产品使用习惯、提高用户粘度,促进增长。

一旦留存提升上来,我们就可以做用户变现或者传播推荐,这样我们的用户才会慢慢增长。通过不断的市场拉新,留存的用户慢慢沉淀下来,成为我们的重要用户,是可以变现的。而那些不稳定的用户,我们还要做各样的产品和运营方面的改进,让他们逐渐变成留存用户、然后开始变现。

只有用户的留存度提升上来了,我们才能真正实现活跃用户的增长。

换言之,找到合适的Magic Number ,是把握用户留存的关键,而通过数据分析、数据挖掘的方式找寻Magic Number,在实际操作中却并非易事。但如今你又多了一种新的选择,GrowingIO国内首推留存魔法师功能,一键获得留存魔法数字,帮助您找到哪些行为可能让用户长久地留下来,变成忠诚用户,快速提高留存,助你实现用户科学增长。

本文作者:檀润洋,GrowingIO 数据分析师。 加州大学圣地亚哥分校硕士,曾任职美国 Emas Pro、 Kyocera 分析师,丰富的数据分析技术和案例实战经验。回国后加入 GrowingIO,致力于为客户构建数据模型,实现业务增长。

来源:本文整理自GrowingIO数据分析师--檀润洋,于数据公开课17期的分享

(编辑:应用网_丽江站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

热点阅读